Google Play 실험 업데이트: 2022년에 앱 스토어 목록에서 A/B 테스트를 실행하는 방법은 무엇입니까?
앱 프로모터의 경우 App Store에서 적절한 순위를 얻으려면 앱 페이지에 표시되는 메타데이터를 최적화하여 가시성과 설치 전환율을 개선해야 합니다. 당신은 훌륭한 아이콘을 만들었을지 모르지만 여기서 당신의 직감을 믿을 수 없으며 사용자의 반응이 항상 당신이 기대하는 것만큼 좋지는 않습니다. 이것이 전환율에 영향을 미치는 목록 요소를 변경하기 전에 A/B 테스트를 수행해야 하는 이유입니다.
앱 프로모터의 경우 App Store에서 적절한 순위를 얻으려면 앱 페이지에 표시되는 메타데이터를 최적화하여 가시성과 설치 전환율을 개선해야 합니다. 당신은 훌륭한 아이콘을 만들었을지 모르지만 여기서 당신의 직감을 믿을 수 없으며 사용자의 반응이 항상 당신이 기대하는 것만큼 좋지는 않습니다. 이것이 전환율에 영향을 미치는 목록 요소를 변경하기 전에 A/B 테스트를 수행해야 하는 이유입니다.
Google은 인터넷 A/B 테스트의 선구자입니다. Google은 A/B 테스트 도구를 Google Play Console에 통합합니다. 여기에서 Google Play의 스토어 등록정보를 실험하는 방법에 대한 자세한 정보와 A/B 테스트를 위한 최고의 팁을 볼 수 있습니다. Google 스토어는 최근 개발자가 A/B 테스트를 더 잘 제어할 수 있도록 스토어 등록정보 실험에 대한 모니터링 및 구성 변경을 발표했습니다. ASO 실무자는 이러한 새로운 기능에 대한 정보를 유지하고 그 의미를 이해해야 합니다. Google 스토어 실험
이 어떻게 변경 되었습니까? 이것이 통계 분석에 미치는 영향은 여기에서 심층적인 참조를 제공할 것입니다.
위의 그림은 Google paly 실험의 새로운 기능을 보여줍니다. 설명된 기능은 아직 모든 개발자가 사용할 수 있는 것은 아니며 Google Play에서 스토어 등록정보를 최적화하기 위해 더 이상 타사 샘플 크기 및 테스트 기간 계산기가 필요하지 않습니다. 새로운 매개변수 구성은 신뢰 구간과 최소한의 감지 가능한 효과를 기반으로 더욱 안정적인 테스트 결과를 제공합니다. 또한 실험 설정을 사용자 지정할 수 있어 샘플 크기와 완료 시간을 계산하는 데 도움이 됩니다.
신뢰 수준 과 신뢰 구간 사이에는 중요한 차이가 있습니다 . 자신감은 테스트를 반복해도 테스트 결과가 동일할 것이라고 얼마나 자신하는지 나타냅니다. 신뢰 수준 값은 백분율로 표시됩니다(예: 90% 신뢰 수준). 또는 가설 검정을 수행할 때 1에서 신뢰 수준을 뺀 유의 수준이 때때로 언급됩니다. 예를 들어 신뢰 수준이 90%이면 유의 수준은 10%입니다.
신뢰 구간 은 참 값을 가질 것으로 기대하는 결과의 범위입니다. 예를 들어, 90% 신뢰 구간은 실제 평균을 포함하는 90%로 결정할 수 있는 값의 범위입니다.
효능
유효성은 귀무 가설을 기각하기 위해 올바른 결정을 내릴 확률(실제로 잘못된 경우)입니다. 더 높은 유효성이 달성되면 귀무 가설이 거짓이라는 결론이 더 정확하게 결론을 내릴 수 있습니다. 반면에 실험적 검정력이 충분하지 않을 때 일반적으로 발생하는 것은 귀무가설이 틀렸지만 귀무가설을 기각하지 못하는 것입니다. 어떻게 이 실수를 피하고 위음성 결과가 나오지 않도록 할 수 있습니까?
먼저 표본 크기를 늘립니다. 15,000명의 사용자가 500명의 사용자보다 더 안정적이지 않습니까? 둘째, 변종 수를 줄이십시오. 이상적으로는 제어 변형 + 테스트 변형이 있습니다. 또한 경험상 위양성 또는 위양성 결과의 가능성을 최소화하는 A/B/B 테스트를 고려할 수 있습니다.
최소 감지 효과
실험에서 MDE는 감지하려는 전환율의 가장 작은 상대적 변화입니다. 즉, 테스트에서 버전과 변형 그룹 간의 전환율 증가를 제어하는 가설입니다.
예를 들어 기준 전환율이 20%이고 MDE가 10%로 설정된 경우 테스트는 전환율을 절대 범위(이 예에서는 18%에서 22%(상대 10%의 변화는 2%의 절대 전환율 변화입니다). 이 외에도 MDE가 작을수록 유의성을 달성하는 데 필요한 표본 크기가 커집니다.
변형 수, 표본 크기 및 테스트 기간
A/B 테스트에서 시간은 금전적이며 가능한 한 빨리 테스트 결과를 얻고자 합니다(바람직하게는 7-14일). 우리는 또한 우리의 테스트가 긍정적이기를 원합니다. 따라서 실험을 시작하기 전에 계획하고, 목표를 설정하고, 강력한 가정을 만들고, 앱 또는 게임 메트릭을 평가하는 데 집중하고 싶습니다. 실험 과정에 큰 영향을 미치는 요소는 일일 방문자 수, 샘플 크기, 기준 전환율 및 테스트하려는 변형 수입니다. 이러한 모든 요소는 테스트 기간에 영향을 줄 수 있습니다.
로컬에서 테스트할 때 시장의 전환율이 낮고 일일 방문수가 충분하지 않은 경우 테스트는 장기간 또는 무기한으로 계속 "더 많은 데이터가 필요"합니다. ASOWorld는 귀하의 앱이 앱 스토어에서 더 많은 인상을 주고 다운로드를 증가시키는 데 도움이 되는 키워드 설치 서비스 및 리뷰 및 평가 서비스 를 제공할 수 있습니다. 그런 다음 적절한 사용자 기반에 도달하여 A/B 테스트를 실행할 수 있습니다.
한 국가의 전환율이 19%이고 하루 평균 방문자가 약 600명이라고 가정해 보겠습니다. 계산기에 따르면 변형당 9000명 이상의 사용자가 필요하며 테스트를 완료하는 데 22일이 걸립니다. 이 테스트가 문제가 되겠죠? 불필요한. 테스트할 때 좋은 전환율과 많은 방문자를 확보하는 것이 중요하지만 때로는 놀랄 수도 있습니다. 우리에게 몇 번 일어난 일은 전환율이 약 20%이고 일일 방문자가 1,000명 정도인데도 약 14일 만에 실험 결과를 얻을 수 있다는 것이었습니다.
특정 요소를 약간 변경하는 것보다 그래픽 요소의 큰 차이를 테스트하는 것도 도움이 됩니다. A/B 테스트하려는 시장에서 유료 활동이 활성화되어 있는 경우 결과를 측정할 때 잠재고객 상승도를 사용하고 유기적 상승도를 분석할 수 있습니다. 대체로 이러한 실험을 끝내는 데 22일이 걸리지 않으며 올바른 테스트를 수행하여 전환율에 영향을 줄 수 있습니다. 그렇다고 해서 모든 국가를 테스트해야 하는 것은 아니지만 목표 시장에 개선이 필요한 경우 시도해 보고 싶을 것입니다.
Google Play A/B 테스트 권장사항
그러나 테스트가 부적절하게 실행된 경우가 많습니다. Google Play 스토어 등록정보 실험을 올바르게 실행하여 전환율을 높이는 모범 사례를 요약했습니다.
명확한 목표를 정하라
적합한 사람을 타겟팅
한 번에 하나의 변형만 테스트
한 번에 1개의 요소 테스트
말보다 영상을 우선시하라
전 세계적으로 테스트하지 마십시오
실험은 가능한 가장 많은 테스트 대상을 사용해야 합니다.
24시간이 지나도 이기는 테스트가 있더라도 최소 7일 동안 테스트하십시오.
A/B/B 테스트를 실행하여 거짓 양성 결과에 플래그 지정
iOS에서 Google Play 우승 테스트를 적용하지 마세요.
성공적인 테스트를 적용한 후 설치가 어떻게 영향을 받는지 모니터링
A/B 테스트는 앱 스토어 최적화 전략 의 필수적인 부분입니다 . Android 개발자의 경우 Google Play 스토어 등록정보 실험은 스토어 등록정보 A/B 테스트를 위한 탁월한 도구입니다. 공짜 야. 이를 통해 개발자는 잘 설계되고 잘 계획된 A/B 테스트를 실행하여 더 높은 전환율과 더 많은 다운로드로 이어질 수 있는 가장 효과적인 그래픽과 현지화된 텍스트를 찾을 수 있습니다.
지금 필요한 새 Google Play 실험에서 Google 실험 설정 마법사의 일부로 몇 가지 매개변수를 선택하여 테스트를 구성해야 합니다.
최소 감지 효과(MDE) = 테스트 승자를 선언할 때 요소로 수락하려는 최소 "부스트"를 결정합니다(귀무 가설 거부, 즉 "테스트 변형 간에 성능에 의미 있는 차이가 없음)". 이 값이 높을수록 테스트에 필요한 샘플 수가 더 적습니다(테스트에서 범프가 발견되지 않는다는 결론을 내릴 가능성이 더 높지만 테스트가 덜 민감하고 의미 있는 범프만 감지하기 때문입니다).
신뢰 수준 = 기본적으로 결과가 오류 가능성이 아님을 의미하는 더 잘 알려진 요소일 것입니다. 신뢰 수준이 90%인 경우 받는 결과는 실험 10개 중 1개가 거짓 긍정입니다.
실험 목표 – 각 변형의 성능을 측정하는 데 사용하는 지표로 D-1용으로 예약된 첫 번째 다운로드와 첫 번째 다운로드 중에서 선택해야 합니다.
ASOWorld가 어떻게 당신을 도울 수 있습니까?
Google 실험의 새로운 기능을 사용하면 각 Google 실험에 대해 더 많은 제어와 더 많은 데이터를 얻을 수 있습니다. 고유한 앱/게임 성능 특성을 기반으로 테스트 구성에 시간을 투자하면 이전 버전의 실험보다 더 정확해야 하는 테스트를 실행할 수 있습니다.
그러나 모든 마케팅 팀이 테스트 구성을 돕기 위해 우수한 데이터 과학자 및 통계 전문가에게 지속적으로 연락할 수 있는 것은 아니며 테스트 매개변수를 올바르게 구성하지 않은 결과는 거의 항상 잘못된 결과로 이어집니다. 도움이 필요하시면 ASOWorld의 전문가와 무료로 상담하실 수 있습니다.
Google 실험은 여전히 잘못될 가능성이 높으며 실험 결과에 의존하여 결정을 내리는 것 외에도 메타데이터가 앱에 적합한지 어떻게 확인합니까? 스크린샷, 아이콘, 비디오, 설명 및 제목 등에 대한 메타데이터 최적화를 제공할 수 있는 ASO 서비스 를 선택하는 것처럼 Google Play에서 제공하는 새로운 실험을 사용하여 A/B 테스트를 수행하도록 선택할 수 있습니다 . , 포괄적인 ASO 전략을 제공합니다.
이 변경 사항은 Google Play의 ASO에 영향을 미칠 수 있으며, 이는 개발자 제공 계획의 개발에 영향을 미칩니다. 다행스럽게도 ASOWorld 팀의 전문가들이 이 업데이트에 대해 이미 적극적으로 후속 조치를 취하고 있으므로 도움이 필요하면 전문가에게 문의하고 블로그를 팔로우하는 것을 잊지 마십시오.
All content, layout and frame code of all ASOWorld blog sections belong to the original content and technical team, all reproduction and references need to indicate the source and link in the obvious position, otherwise legal responsibility will be pursued.
COVID-19 UPDATE 
모바일 성장,앱 스토어 최적화,Google Play 순위 알고리즘,
