Google Play 키워드 순위 알고리즘

Google은 항상 알고리즘을 업데이트하고 있습니다. 앱이 Google Play 에 게시 된 후 앱의 Google Play 순위 알고리즘 에 어떤 키워드가 영향을 줍 니까? 여기서는 앱스토어에서 검색 순위 알고리즘과 관련된 키워드 평가 영역과 최적화 포인트에 대해 논의합니다.

검색창 영역의 키워드 검색 기능 및 키워드 연관성 판단에 대한 알고리즘 업데이트.

이전에 Google의 기능 업데이트는 소위 "광범위한" 검색 또는 "공포 게임" 또는 "셀카 앱"과 같은 앱이 아닌 이름 검색에 대해 반환되는 앱의 관련성을 개선하는 것을 목표로 했습니다. Google의 말에 따르면 Play 스토어 검색의 약 50%는 광범위하며 다음과 같습니다.

"주제별 검색은 단순히 검색어별로 애플리케이션을 인덱싱하는 것뿐만 아니라 애플리케이션과 관련된 주제에 대한 이해가 필요합니다. 머신 러닝 방법은 유사한 문제에 적용되었지만 성공 여부는 앱에 대해 학습하는 훈련 예제의 수에 크게 좌우됩니다. "소셜 네트워크"와 같은 일부 인기 있는 주제의 경우 학습용으로 태그가 지정된 앱이 많이 있지만 대부분의 주제에는 몇 가지 예만 있으며 우리의 과제는 제한된 수의 교육 예에서 학습하고 수천 개의 주제를 다루는 수백만 개의 애플리케이션으로 확장하는 것입니다. , 우리가 기계 학습 기술에 적응하도록 강요합니다."

Google의 기사에 따르면 이러한 광범위한 검색에 대해 좋은 결과를 제공할 수 있는 기계 학습 알고리즘을 처음 구축하려고 시도했을 때 심층 신경망을 사용했지만 결과가 원하는 새로운 애플리케이션 발견만큼 좋지는 않았지만 생성되었습니다. 시간이 지남에 따라. 동일한 응용 프로그램이 새로운 응용 프로그램이 아닌 광범위한 검색에 응답합니다.

Google의 새로운 시도는 이 프로세스를 인간이 언어와 단어 연관을 배우고 이해하는 방식과 더 유사하게 만드는 것입니다. 이 새로운 시도는 입력 단어가 주어지면 관련 단어를 예측할 수 있는 Skip-gram 모델을 사용합니다. Google의 새 모델은 주어진 단어에 대해 소위 "분류기"를 만들어 많은 분류기 관계 목록을 만들고 마지막으로 {app, topic} 연결을 만듭니다. 최신 업데이트에서 Google은 또한 사람들이 결과의 품질을 평가할 수 있도록 함으로써 비 기계 학습 노력에 의존할 것입니다.

지금 ASO World 앱 프로모션 서비스 로 앱 및 게임 비즈니스를 추진하려면 " 자세히 알아보기 "를 클릭 하세요.

구문 분석 건너뛰기

Tensor Flow 문서에 따르면 왼쪽에는 Skip-Gram 분석에 의해 결정되는 단어 간의 관계 예가 있습니다.

Google의 목표는 키워드(예: {photo} 및 {share}) 간에 합리적인 관계를 생성하고 애플리케이션 메타데이터와 사용자 상호작용을 연구하여 주어진 키워드에 대해 최상의 결과를 생성할 수 있는 알고리즘을 만드는 것입니다. 반환된 응용 프로그램이 완전히 새 것인 경우에도 관련 응용 프로그램입니다. 또한 Google의 알고리즘은 새로운 단어(예: selfie, flick 등)를 학습할 수 있어야 하며 이러한 단어 및 기타 단어 및 애플리케이션과의 새로운 연관성을 설정할 수 있어야 합니다.

일부 조기 일반화 문제에도 불구하고 Google은 Play 스토어 사용자를 위한 광범위한 검색 결과를 개선하기 위해 여전히 노력하고 있는 것 같습니다. 이러한 변경 사항이 모든 Android 앱의 키워드 순위(및 다운로드)에서 어떤 역할을 하는지 흥미롭습니다.

결론: Play 스토어 검색의 50%가 앱 이름이 아닌 "광범위한"(예: 셀카 앱)으로 분류되기 때문에 Google은 사용자가 광범위한 검색을 사용할 때 앱 키워드 순위 알고리즘을 개선하기 위해 기계 학습과 수동 입력을 사용합니다. 관련 응용 프로그램으로 돌아가는 기능은 새 응용 프로그램을 검색하는 데 사용됩니다. 이는 Play 스토어 키워드 순위 가 크게 변경될 것임을 의미할 수 있습니다.

Google Play 자연 검색 키워드 통계

다음으로, 오가닉 앱 마케팅, Google Play 검색 키워드 에 대한 자세한 정보를 살펴보고 관련 통찰력을 공유해 보겠습니다.

1. 구글 플레이 유기적 키워드 데이터 분석

데이터를 기반으로 최적화를 할 때는 먼저 데이터를 전체 계획의 또 다른 키 포인트로 평가하고 자연 검색 키워드를 만들기 전에 일반적인 주요 결정을 이해하는 것이 더 신중합니다.

우선, 많은 Google Play Console 검색 데이터가 "기타"에 숨겨져 있고 후자는 매우 불투명하며 단일 단어로 구성된 롱테일 구문을 숨겨 단일 단어의 총 기여 마진을 왜곡할 수 있습니다. ARPU/예약을 누를 때. 이것은 비율을 분석할 때 특히 위험합니다. 기간을 확장하는 것은 "기타"에 대해 더 많이 알 수 있는 방법이지만 이 버킷에는 여전히 많은 단어가 숨겨져 있습니다.

둘째, 데이터가 국가별로 세분화되지 않아 특히 국가간 공통어를 고려할 때 지역적 경향을 명확히 하기 어렵다. 이것은 ASO 도구가 국가/지역의 요구에 맞는 일부 유형의 NLP 매핑을 제공할 수 있는 기회일 수 있지만 이것은 불완전한 방법이 될 것이며 지역 분석의 정확도를 감소시킬 수 있습니다.

Google Play의 유기적 인사이트 데이터를 사용하기 시작하는 안전한 장소는 몇 주 이내에 검색어 데이터를 기록하고 매주 표시되는 단어 목록에 항상 존재하는 검색 키워드 최적화에 대한 투자를 두 배로 늘리는 것입니다. 강력한 영향력. 타겟 키워드가 이 목록에 나타나는지 여부를 평가함으로써 자연 검색 통찰력은 기존 ASO 전략을 검증하는 좋은 방법이기도 합니다(그러나 "기타" 범주에 주의).

2. 앱의 키워드 그룹화 및 관련 앱의 위치는 Google Play ASO에서 매우 중요합니다.

Google Play 브라우저의 많은 설치로 인해 ASO의 성공은 올바른 키워드 카테고리 및 관련 앱에 대해 찾은 앱과 밀접한 관련이 있으며 표시된 결과보다 훨씬 더 중요합니다. 오른쪽 검색 키워드에.

유감스럽게도 Google은 검색 키워드의 자연스러운 통찰력에 대한 새로운 가시성을 제공하지만, Google은 앱을 조회/다운로드하게 하는 키워드 그룹 또는 관련 앱과 같은 유기적 트래픽을 탐색할 수 있는 적절한 세분성을 제공하지 않습니다. 탐색의 알고리즘 중심(즉, 지속적으로 변화하는) 특성을 고려할 때 ASO가 제안/관련 응용 프로그램 및 키워드 그룹화에 초점을 유지하는 것은 어려운 작업이 될 것입니다. 그러나 이러한 데이터는 ASO가 Google Play ASO 를 최적화하는 데 정확하다는 것이 밝혀졌습니다.전략이 중요하다. 최소한 메타데이터 최적화 및 UA 타겟팅 정복/앱의 성공(앱이 제안/관련 앱으로 표시될 가능성을 높이기 위해)은 스토어 등록정보 방문자, 뷰어 및 설치자의 전반적인 추세에 대해 추적할 수 있습니다.

3. Google Play 무작위 키워드 인사이트는 키워드 순위 옆에 평가되어야 합니다.

유기적 키워드 검색 인사이트 를 읽을 때의 어려움 중 하나 는 분석하는 기간 동안 애플리케이션의 키워드 순위에 따라 전환율이 변동할 수 있다는 것입니다. 자연 검색 키워드 데이터와 함께 키워드 순위를 추적하지 않으면 얻은 통찰력이 맥락을 벗어나 결정을 위태롭게 할 수 있습니다.

예를 들어, 키워드 검색을 위한 설치 프로그램 수가 적으면 ASO가 키워드의 우선 순위를 낮출 수 있습니다. 그러나 키워드가 100위를 차지하고 수백 건의 다운로드를 유도한다면 실제로 계속해서 최적화할 수 있는 훌륭한 키워드일 수 있습니다.

4. 대규모 애플리케이션의 경우 Android에 기여 마진 기울기를 설치하는 것은 iOS에서 탐색하는 것 이상입니다.

마지막으로 가장 흥미로운 발견은 앱을 무작위로 샘플링하여 큰 앱의 소스를 탐색하는 Play 스토어(유기적)가 일반적으로 검색보다 더 많은 설치 트래픽을 생성한다는 것입니다. 어떤 경우에는 익스플로잇에 의해 생성된 설치가 Play 스토어(유기적) 검색 소스의 설치보다 100-300% 더 높습니다.

이는 iOS App Store의 추세와 매우 다릅니다. iOS App Store의 추세("이상한 오늘" 응용 프로그램 기능 제외)에서 "App Store 탐색" 소스 유형은 App Store 검색보다 훨씬 적은 수의 응용 프로그램 단위를 제공합니다.

네 가지 주요 사항이 있습니다.

1) Apple과 Google은 모두 사용자의 관심을 끌기 위해 발견된 애플리케이션(즉, 높은 다운로드 속도, 높은 전환율, 평가/유지율/수익)의 검색 가능성을 제어하는 ​​데 관심이 있습니다.

Apple도 Google도 UAC 또는 Search Ads Basic으로 돈을 벌고 싶지 않다면 더 작은 앱에는 관심을 두지 않는 것 같습니다.

2) Google은 Apple이 iOS 11 업데이트(예: 사설, "오늘" 태그, 분할 게임 및 응용 프로그램, 응용 프로그램 범주 등)에 최선을 다했지만 응용 프로그램(특히 대용량 응용 프로그램)에서는 Google이 Apple보다 우수함을 증명했습니다. (프로그램)은 검색 가능성을 더 많이 제어합니다. ). 이 시점에서 Google은 통제를 추구하는 데 더 많은 역할을 하고자 합니다. 예를 들어, Google Play 스토어에는 애플리케이션/게임 보기의 애플리케이션에 대한 강력한 키워드 그룹화 및 프로그래밍 방식 제안, 거의 끝없는 스크롤이 포함되어 있는 반면, Apple은 보다 사용자 친화적인 경험을 지원하기 위해 애플리케이션/게임 기능을 자릅니다. "-y" 디자인 스타일.

3) 아마도 가장 중요한 것은 더 많은 예산이 더 많은 브라우징/브라우징 수익을 내면서 ASO의 성공이 계속해서 "돈을 벌기 위해 돈을 버는 것"의 경로를 따르고 있다는 것입니다. 이는 새로운 다운로드 및 검색 Big의 증가하는 몫을 설명합니다.

4) 마지막 요점은 전체 거시경제적 문제(Eric Seufert?)와 관련이 있을 수 있지만 Google이 여기서 성공하는 이유 중 하나는 Play 스토어 UX를 재설계하는 실험 때문일 수 있습니다.

Apple과 Google의 경우 시간이 지남에 따라 두 회사가 검색 가능성(및 자체 수표)에 대한 제어를 계속 최적화함에 따라 브라우저/브라우저에서 다운로드하는 비율이 증가할 수 있습니다.

5. Google Play Organic Explore의 전환율은 iOS App Store 탐색의 전환율보다 훨씬 높습니다.

네 번째 요점은 최종 발견입니다. 이것이 네 번째 점의 마지막 발견입니다. Google Play에서 검색 리소스의 전환율이 Google Play 검색의 전환율보다 훨씬 낮지 않다는 것입니다. 실제로 탐색이 검색보다 전환율이 더 높은 경우도 있습니다. 우리가 본 경우에는 유지율과 ARPU도 강한 것 같습니다.

이 발견에서 도출된 결론은 구글의 플레이 스토어 앱 발견 알고리즘이 구글의 독창적인 혁신을 식별하는 것과 같다는 것이다. 키워드 검색은 특정 애플리케이션이 필요하거나 그와 가까운 사용자를 식별할 수 있다.

이러한 관점에서 UAC 유료 애플리케이션 검색과 Google Play 스토어 검색 검색의 결합된 장점은 결국 회사가 또 다른 상대인 Facebook과 대면하는 전환점이 될 수 있습니다. 앱 광고주에게 UAC를 사용하도록 강요하는 것은 여러 면에서 구글에게 엄청난 돈이지만 그들은 페이스북이 모바일 마케팅 예산 유치에 큰 성공을 거둔 것을 걱정하지만 이는 선제적 조치이며 구글에게 더 많은 시간(그리고 데이터 ) 그것을 훈련시킨다. Facebook의 모바일 마케팅 능력이 업계에서 배포, 가치 기반 유사성 및 이벤트 최적화 캠페인 포지셔닝으로 또 다른 "S-커브"를 시작하면 알고리즘이 더 좋아질 것입니다.

구글의 머신러닝 알고리즘은 페이스북이 가지지 못한 유기적 발견과 유료 발견을 통한 학습이라는 독특한 장점이 있으며, 광고주에게 UAC를 부과함으로써 구글의 알고리즘 학습 속도는 2배, 따라잡는 속도는 빨라졌다. 심지어 페이스북을 넘어섰다. 또한 Play 스토어에서 사용자가 관련/추천 앱을 클릭하도록 교육함으로써(즉, "탐색"), Google은 UAC의 배치를 Play 스토어의 더 많은 위치(즉, "탐색")로 확장하여 잠금을 증가시켰습니다. 수익 중심의 행동.