快速掌握ASO基本算法原理

2020-12-22 小格子網際網路運營

一、ASO發展

說ASO的發展就不得不說SEO的發展,ASO可以說是在SEO的基礎上發展起來的,有些選詞、拓詞、優化等等方式方法有雷同之處。

前期(前提——2013年):市場是SEO的天下,成本低、效果好,這個時期是以SEO技術為主,發展規劃普遍為seo工程師。

中期(2014年——2016年):這個時期開始注重數據反饋,要求seoer不僅懂技術,也要會進行數據統計分析。

現在(2017年——未來):seo未來可期,不僅要求數據分析,還要會寫、懂客戶、產品生命周期,不同周期進行不同的優化策略。

現在與未來(2016年——未來):ASO+ASM雙管齊下進行APP推廣。

二、ASO數據分布:

App下載流量佔比:

App市場下載量60%;廣告平臺(廣點通、今日頭條、鳳巢等等)下載流量30%;積分牆/眾測下載量10%;

App市場內流量比列:

分類榜單流量35%;搜索推薦流量65%。

以上這些數據是幫助我們在做app推廣時進行選擇渠道投入時間、精力、人員、費用分配。

三、關鍵詞熱度分布

這個是以appstore為主,做seo的都知道關鍵詞有個百度指數,但蘋果這邊沒有給出指數,給出來的是熱度,表達的含義和指數是一樣的。熱度最低是4605,熱度達到4605的關鍵詞有60000個,熱度在4605-5000之前的關鍵詞有41884個,依次類推。

在做aso時,最基礎的也是最重要的便是熱度。

四、關鍵詞類別分布

五、關鍵詞類型分布

Aso關鍵詞主要分為行業詞與競品詞,與seo不一樣(seo關鍵詞主要分為品牌詞、競品詞、產品詞、通用詞、人群詞),是因為App應用市場裡包含的關鍵詞分類也就二十幾類,關鍵詞也就是幾十萬個,比百度要少很少,不用那麼細。 aso關鍵詞比例分布:行業詞15%,競品詞85%。

六、搜索技術

1、索引欄位

App索引以蘋果為主,第一個是索引欄位是名稱也就是app的標題;第二個是關鍵詞,蘋果要求是100個字符以內包含標點符號;另外一個是描述,這裡要注意蘋果是不索引描述中關鍵詞的,和安卓市場是有所差別的。

2、分詞

分詞需要注意的是以「詞」為主,索引的是一個詞。

3、截斷

一個搜索詞最多給出2200個,不像百度一個詞可以全部展示出來。

4、更新頻率

這裡的更新是搜索結果的更新頻率。蘋果是按照固定時間點來更新的,一把是按照6個小時一個周期。如果有一些app進行的大範圍的推廣會在這6個小時裡進行小氛圍的更新。

5、排序規則

排序算法:文本相關性*數值得分(APP質量)+搜索點擊反饋

根據這算法就能知道怎麼提高排名了;文本相關性主要是搜索詞語與觸發詞的相關性,這個就是考察選詞了,數值得分也就是app質量是現在好多人在進行刷評論,不過在刷評論時要注意其頻率、ip地址、用語等等,蘋果審核是很嚴的;搜索點擊反饋可以理解為在應用市場裡搜索一個詞,向下滑了好幾頁點擊進入自己的app進行了瀏覽,並下載。

6、其他

正標題權重大於關鍵詞權重

副標題得分=1.1倍的關鍵詞得分

完全匹配>部分匹配

同一個詞不權重(無論這個關鍵詞在標題中或者在描述中出現多少次都算一個權重)

關鍵詞中次序不影響權重

相關焦點

  • aso是什麼意思 aso優化師是啥
    aso是什麼意思 aso優化師是啥年已過完,要收心工作學習了。今天李鑫自媒體就從頭過濾一下aso方面的知識,用文字總結表述出來,加深自己理解的同時也幫助一些新手小夥伴了解aso。aso是什麼aso優化的是什麼aso優化的是app在app store內部的關鍵詞覆蓋量、排行榜和搜索結果排名
  • 關鍵詞單數和複數,ASO排名差距居然這麼大
    www.evaaso.com另外一種情況是不規則的複數形式,比如搜索「toothwww.evaaso.com在某些語言中,一個單詞的單複數形式不止一個字母的差別,這種情況下谷歌算法就顯得不那麼機智。www.evaaso.com那麼選取關鍵詞的時候,如何決定該用單數形式還是複數形式?
  • CB算法:基於內容的推薦算法的基本原理
    推薦系統能有效幫助用戶快速發現感興趣和高質量的信息,增加用戶使用產品的時長。推薦系統越精準,用戶的使用體驗就越好,產品越容易留住用戶。近幾年,今日頭條、抖音等產品的誕生,也使得基於內容的推薦算法這一古老算法的崛起。本文將簡要闡述基於內容的推薦算法的基本原理,enjoy~基於內容的推薦算法是眾多推薦算法中的一種,是一種機器學習算法。
  • 遺傳算法簡介、基本原理及算法實現
    遺傳算法算是一個比較複雜的算法,本文主要分為三個部分,第一部分遺傳算法的發展、功能、主要思想以及簡單的代碼命令;第二部分詳細介紹遺傳算法的機理,第三部分舉例並給出一個簡單地使用方法。雖然遺傳算法存在諸如陷入局部最優解,收斂速度緩慢等問題,人們也進行了很多的修改,但是鑑於遺傳算法本身就具有很高的性能,而且各種修正方案都存在一定的複雜性和非普適性,所以經典遺傳算法在應用領域還是幾乎絕對的主流。二、遺傳算法的原理遺傳的算法的背景是達爾文的進化論,沒錯!
  • 程式設計師必須掌握的核心算法有哪些?
    >特別是優先隊列,再刷題的時候,還是經常用到的,隊列與棧,是最基本的數據結構,必學。>簡單排序:插入排序、選擇排序、冒泡排序(必學)分治排序:快速排序、歸併排序(必學,快速排序還要關注中軸的選取方式)分配排序:桶排序、基數排序樹狀排序:堆排序(必學)其他:計數排序(必學)、希爾排序
  • 快速弄懂機器學習裡的集成算法:原理、框架與實戰
    關於集成學習算法的框架體系集成學習算法作為機器學習裡的一個分支,已形成了一套的理論體系,其相關概念也比較多,如個體學習器、結合策略、bagging、AdaBoost算法、XGB、LGBT等等,讓初學者眼花繚亂,每個具體算法的原理不同又會讓大家暈頭轉向。實際上,這些繁多的內容背後,集成學習算法可以分成兩大框架,這也是集成學習著重解決的兩個算法。
  • 一文概覽密碼學發展史、基本原理與常見算法
    小編:記得關注哦 來源:以太坊愛好者 原文標題:一文概覽密碼學發展史、基本原理與常見算法 原文標題:《科普 | 從數學到物理學:加密算法簡介》 撰文:George Moraetes
  • FPGA之CORDIC算法:①CORDIC的基本原理介紹
    答案就是咱們今天的標題了,CORDIC,而且CORDIC是一個比較全能的算法,通過這一原理,我們可以實現三角函數,反三角函數,對數函數,指數函數等多種運算。接下來,一休哥就帶領大家來學習CORDIC的原理吧。
  • 介紹排序算法和快排原理
    對於排序,我們首先要求其具有一定的穩定性,即當兩個相同的元素同時出現於某個序列之中,則經過一定的排序算法之後,兩者在排序前後的相對位置不發生變化。換言之,即便是兩個完全相同的元素,它們在排序過程中也是各有區別的,不允許混淆不清。在算法中有以下幾種基本排序:。冒泡排序。選擇排序。插入排序。希爾排序。歸併排序。
  • JAVA必須掌握的數據結構和算法
    運行時間複雜度為O(nlogn)快速排序快速排序算法首先會在序列中隨機選擇一個基準值(pivot),然後將除了基準值以外的數分為「比基準值小的數」和「比基準值大的數」這兩個類別。解決子問題的時候會再次使用快速排序,甚至在這個快速排序裡仍然要使用快速排序。
  • CT原理之圖像重建算法的辨別
    CT技術是CT診斷的基礎,幫助醫務工作者充分掌握CT技術是我們的責任和義務!
  • 集成學習算法與Boosting算法原理
    而個體學習器按照個體學習器之間是否存在依賴關係可以分為兩類,第一個是個體學習器之間存在強依賴關係,一系列個體學習器基本都需要串行生成,代表算法是boosting系列算法,第二個是個體學習器之間不存在強依賴關係,一系列個體學習器可以並行生成,代表算法是bagging和隨機森林(Random Forest)系列算法。本文主要介紹Boosting算法的原理。2.
  • 區塊鏈核心知識丨Hash算法原理
    上一篇文章我們講解了「要了解區塊鏈一定要清楚區塊鏈技術的幾點技術原理!」今天我們來講解區塊鏈中「Hash算法」的基本原理。一般用於快速查找和加密算法。簡單解釋:哈希(Hash)算法,即散列函數。它是一種單向密碼體制,即它是一個從明文到密文的不可逆的映射,只有加密過程,沒有解密過程。同時,哈希函數可以將任意長度的輸入經過變化以後得到固定長度的輸出。哈希函數的這種單向特徵和輸出數據長度固定的特徵使得它可以生成消息或者數據。
  • 揭秘記憶大師快速記憶法的基本原理,你也可以擁有超級記憶力
    朋友們都羨慕記憶大師那種快速記憶的神奇能力,常常感嘆如果能有記憶大師那種快速記憶能力該有多好。並且朋友們可能會以為,這種神奇的快速記憶方法一定非常複雜、非常難掌握。其實不然,今天我們就解密一下快速記憶的基本原理。
  • 「3步套路」快速掌握機器學習算法和模型 | 極客時間
    今天,我來和你聊一聊如何學習和掌握機器學習基礎知識,又如何通過核心的知識脈絡快速掌握更多的機器學習算法和模型。要問機器學習主要能解決什麼問題,拋開各式各樣的機器學習流派和層出不窮的算法模型不談,機器學習主要解決的是兩類問題:監督學習和無監督學習。掌握機器學習,主要就是學習這兩類問題,掌握解決這兩類問題的基本思路。
  • 分組密碼算法(一) AES基本原理
    ,本次介紹一種對稱密碼算法。對稱密碼種類:對稱密碼包括 DES,SM4,AES 等算法。出於安全性考慮,目前推薦使用商用密碼AES算法進行加密和解密,國密對應的算法是 SM4。對稱密碼使用場景:對稱加解密用於大量數據加解密的場景(非對稱密碼如ECC和RSA計算速度很慢,一般用於加密key等少量數據,或者籤名驗籤。)
  • 客戶端基本不用的算法系列:RMQ問題 - ST 算法
    客戶端基本不用的算法系列:RMQ問題 - ST 算法今天的算法可能有點難,但是如果我們只需要會使用 RMQ 問題的 ST 算法模板,這種程度就已經可以了!在這個問題中,我們需要關注的是查詢操作,查詢可能是海量的,所以如果我們對數據進行快速的預處理,然後在外面處理後的數據結構中進行快速查詢,其實就是最理想的狀態。另外,注意是「在給定的區間內」,那麼則說明區間在後續的查詢時沒有變化。所以我們可以理解成在區間確定後,我們其實已經拿到了所有查詢情況的答案!對於這種對給定範圍內求值的算法,我們對其歸類為離線算法。
  • 重學算法:Hash 算法原理及應用漫談
    點擊藍色「五分鐘學算法」關注我喲加個「星標」,天天中午 12:15,一起學算法本文作者:jeffhe,騰訊 IEG 開發工程師提到hash,相信大多數同學都不會陌生,之前很火現在也依舊很火的技術區塊鏈背後的底層原理之一就是hash,下面就從hash算法的原理和實際應用等幾個角度,對hash算法進行一個講解。
  • 反向傳播(BP)算法的數學原理
    但是學習BP算法的數學原理,並非無用,相反對我們深入理解神經網絡訓練的底層原理有著非常重要的幫助。反向傳播算法的核心是求解損失函數C關於任一網絡權重w(或偏置b)的偏微分∂C/∂w (或∂C/∂b)。該偏微分表達式表示損失函數C的值隨權重w或偏置b值變化而變化的變化率。很多時候雖然偏微分表達式看起來非常複雜,但反向傳播算法為偏微分表達式中每項的物理含義提供了自然、直觀和優美的解釋。
  • EM算法原理總結
    EM算法也稱期望最大化(Expectation-Maximum,簡稱EM)算法,它是一個基礎算法,是很多機器學習領域算法的基礎,比如隱式馬爾科夫算法(HMM), LDA主題模型的變分推斷等等。本文就對EM算法的原理做一個總結。EM算法要解決的問題我們經常會從樣本觀察數據中,找出樣本的模型參數。