热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

海外应用商店超硬核的吸量技能,80%的人都忽略了

出海有三大难关:产品本地化、流量获取、用户运维。就流量获取而言,本人在aso圈里待久了,尤其是国内app推广几乎都在做aso(appstoreoptimizationg),自认


出海有三大难关:产品本地化、流量获取、用户运维。就流量获取而言,本人在aso圈里待久了,尤其是国内app推广几乎都在做aso(app store optimizationg),自认为大家对aso会有普遍的共识。

但实际接触了一些出海公司,发现很多不了解或没做过aso,出海获量70%-80%以google、facebook两大平台为主,很多人没有aso优化意识,也不了解aso的吸量价值。更让人惊讶的是,海外做aso的公司,大多以做icon、优化标题为主,甚至连关键词覆盖都不做。

出海的7大市场中,美国作为成熟、高付费市场,自然首当其冲,下面我以美国为例,聊聊海外市场的获量技巧。

中美地区对aso理解的差异到底有多大?

中国区投放的产品,已经把关键词玩得很溜,关键词覆盖可以做到近两万。而美国区产品对于关键词的优化是不够重视的。覆盖的关键词越少,自然曝光的机会就少很多,二者差异是巨大的。说明中美地区对aso的理解完全不同,海外推广完全没有把aso的流量挖掘出来。


理解aso,要有三个共识

首先,应用商店aso是app重要的获量方式之一。 app推广方式有很多,就获量最有效的方式而言,我们近期做的国内调研显示,信息流广告、kol网红合作+话题策划、应用商店aso优化排名前三。

aso类似seo,我们都知道,在pc端不是所有公司都做sem推广,有的公司光靠做seo就能带来大把流量,举个例子,为什么在百度搜“app出海”、“游戏出海”,都能搜到白鲸出海的官网,那是因为白鲸出海的seo做得好,网站权重高,在相关关键词下,搜索排名靠前。也正是这些出海的热词给白鲸带来海量流量。做好aso,把自己的app权重做得很好,就像seo一样能给品牌带来源源不断的流量。

其次,应用商店流量入口有三个:推荐位、排行榜、搜索,aso优化主要针对排行榜和搜索的优化,二者占应用商店分发总流量的85-90%以上(其中搜索占65%-70%)。

大部分时候人们是通过关键词搜索来找到并下载你的产品。在移动端,一般会搜词,所以移动端,词的优化更为重要。试想你的相关关键词都能排名靠前,就能获得足够的曝光,进而获得更多新增。

第三,aso最终目的是获取更多自然用户。 aso通过帮助app在应用商店获得较高曝光,提升产品关键词覆盖量及关键词搜索排名,来提升产品流量与下载转化率,总的来说就是让产品曝光,进而获取更多的自然用户。如果没有覆盖更多关键词,或者即使有覆盖,但关键词排名特别靠后,都会损失大量流量。

有人说,苹果应用商店我做search ads带量就可以了。试想一下,你只是做了asm,商店给你展现了,还得看用户愿不愿意点广告。如果不给你展现,在这个词下就没有曝光的机会。一般我们的客户都是aso+asm配合着来做,这就像大部分客户都会做seo+sem的组合。

如何通过aso优化获得应用商店更多曝光与自然量?

目前通过aso优化进而吸量的手段主要是两个:

一是通过开发者后台做元数据优化,包括app截图,主副标题,宣传文本,应用描述,100字符,提升关键词覆盖。元数据一般是自己做,也可以找服务商帮忙做100字符。

二是通过试玩平台(优质海量真实用户积分墙)做榜单优化和搜索优化,提升关键词和榜单排名,进而获得更多自然量。

不管通过什么手段去做优化,我们都要理解关键词搜索的底层逻辑,下面我们重点讲讲如何通过aso优化在应用商店吸量。

了解搜索热度

我们要做关键词搜索优化,首先要了解词的搜索热度(一般为0-12000),热度越高被搜索次数越多,流量越大。4605一般代表日均搜索量为一次,因此选择≥4605的词才算有效关键词,热度越高的词竞争也大。长期没有搜索的词,热度会掉到0。

有时候还需要判断词的热度是否虚高。热度虚高可能是一个词争抢太激烈,aso投放竞争力度大,把热度推高,导致关键词热度虚高,而真实自然量并不大。

判断热度的方法,可以将词进行多平台对比,如百度指数、微博热度等,看关键词是否真有热度,或者看热度的增长速度是否与实际情况有对应关系。

理解关键词对权重的影响

关键词覆盖影响因素及其权重也是我们需要了解的,在实际操作中会有很大帮助。

一般权重如下:主副标题占40%,100字符占30%,开发者名称5-10%,其他:如应用描述、评论,占比10-20%。

一般而言,主标题权重比较大,副标题一般;权重也需要培养,逐渐增大,效果更佳。做关键词需要长期迭代,不是一次性,通过长期优化都能覆盖上万。


此外,做关键词优化,可以通过做相关词带动想要的词,整体权重提升带动整体词的提升。总体优化上,要注意节省位置,保证重要词出现且自然权重高,尤其要注意本地化,现在很多产品要么在出海,要么在关注出海,做关键词要考虑适应发行国家用户的习惯。

其次,我们要了解影响关键词权重的因素,一般分以下几类:

1)用户权重:新用户>付费用户>低频下载用户>普通用户>虚假用户;

2)时间权重:近期下载量>历史下载量;

3)搜索排名权重:一般:标题>开发商>100字符>评论;

4)特殊搜索排名权重:根据苹果调整周期的不同,各因素影响产品的程度会发生改变;

5)账号:开发商处公司账号>个人账号,且若为公司账号适当添加核心关键词有助于增加关键词权重。

另外,版本更新后权重下降的原因:关键词替换导致一些排名比较靠前又能吸量的关键词掉榜,总下载量下降导致app权重整体降低。

很多人关心评论的权重,一般来说评论数量是对关键词覆盖有影响的,评论埋关键词(品牌词、长尾词),评论量级影响关键词覆盖,此外,不建议机刷评论,会带来风险。比如榜单低反倒安全,榜单高位的话很不安全,可能会遇到清榜。

做好标题和100字符

标题是关键词搜索优化最重要的,有的产品通过不断优化标题里的关键词可以做到不断增加覆盖数,除了标题外,100字符就是最重要的了。

我们做100字符首先要充分了解产品,选出5-6个竞品,并了解竞品关键词的覆盖情况,进而分析热度值高及排名高的关键词,筛选排重出热度较高或带量多的词进行分类,最后将分类出的关键词根据热度排列组合(权重高的关键词前置)再通过组词、扩词、改词,尽量裂变出更多关键词,组成100字符。

下面是一个关键词表,写100字符时可以作为参考。


我们在撰写100字符过程中,总结了如下注意要点:

1)苹果自动匹配关键词使app关键词覆盖数量大幅上升,让重要的词进前100,进入积分墙打量范围;

2)一般情况下,本地化语言中,核心行业词放置靠前,相关度较大的竞品词放置在中间,产品精准用户同时使用的其他类型的产品放置中后,加后置名词(核心关键词前置+核心行业词+核心竞品+相关性大、热度高行业词+相关性大、热度高竞品词+同时下载产品+当下相关热词);

3)需要着重增加权重的词,填写时可以在每个地区前置,增加权重;

4)注意每个地区的后置词,以增加覆盖量;

5)注意仔细观察产品,找出产品核心词、行业词等与产品相关度较大的关键词;

6)尽量节省字符空间,以覆盖更多关键词,注意通顺;

玩转积分墙搜索优化

通过积分墙进行aso关键词排名优化主要是指通过“搜索下载+打开试玩”,使搜索排名上升,后期维持靠搜索新增和搜索用户的活跃度。

到底该如何进行关键词排名优化呢?主要分三个阶段。

优化前期: 自然量小的时候,采用关键词覆盖优化+重点挖掘长尾词;自然量大的时候,采用关键词覆盖优化+重点关注行业词、竞品词等。

优化中期: 根据经验,挑选出带量关键词,并进行重点维护。重点关注行业词、竞品词等,并通过多轮的覆盖优化,扩词有效关键词词库。

优化成熟期: 进一步提高有效关键词排名,增加对竞品词热门词的关注度,尝试从现有核心词、竞品词、热门词,或用户z群等方面拓展出更多带量的关键词进行优化。形成比较有利的关键词矩阵。

app品牌词带量效果不容忽视,在优化的任何阶段,最好保住品牌词的位置,发现侵权行为立即采取投诉等措施。

相比国内aso竞争的白热化,美国区则完全不同,通过极少的打量量级,就可以做到提升关键词排名的效果。


aso做得越早价值越高,在国内是这样,美国也同样,爱盈利做的海外产品优化中,不少5000+热度的关键词能够带来大几百的量,如果优化出几十个优质带量词就可以每天获得几千优质新增。

从下图可以看出,某关键词经过一段时间的优化,最终利用每天获取的自然量守在第2位,每天持续带来新增。实际上,aso优化的后续效果(包括对关键词覆盖、app权重的提升),比search ads要好得多。且美国区aso当下正处于红利期:优化量级不大,效果却很凸显。


可以说,已经有越来越多的人开始关注海外aso流量了。我们对接的产品中有电商、生活、理财、社交、教育、游戏等。

以游戏为例,下图是某产品对stickman关键词的优化,经过一段时间的优化,将该产品在stickman下提升到第一名。


随后,带动了该产品的榜单排名上升。


截至目前,在全球范围内,美国是迄今为止ios app商店用户支出和下载量最大的市场,其次是中国、日本、英国。

在获量上,目前关注美国区aso的团队还不多,更多领域是无竞争状态,即便是重视aso的团队,大多停留在基础优化上,国内充分验证的aso利器:积分墙玩法还有很大的发挥空间。

讲到积分墙aso,cp特别关心的还有安全性问题,爱盈利在国内执行了上千款产品的优化,美国区截止目前执行了百款产品的优化,包括应用和游戏,均没有出现安全问题。也就是说,正向的aso是绝对安全的(正向aso包括但不限于:主副标题优化、关键词覆盖、icon、截图和描述等基础优化、买量营销冲榜、真实用户积分墙优化、真人评论优化)。

 

aso 结合推广活动裂变更多新增

下图中,该产品要做裂变活动,需要产品在免费总榜中排第一位,通过试玩平台优化,在活动前一天晚上做到免费总榜第一,配合第二天的裂变活动,带来海量新增。


这个案例告诉我们的是,aso可以结合app推广来玩,包括品牌推广、kol推广,裂变活动等等,当你有大的推广活动时比如在youtube和tik tok平台做influencer推广,建议在活动前将app的排名做上去,这样活动期间,用户就能搜索并完成下载的动作,否则你做了推广,但是客户搜不到你,而是搜到你的竞品并下载了竞品,那不是很尴尬。

所以我们在做aso的时候,也不是单一来做,而是应该在app推广的全局上来规划,首先将aso纳入持续带量的渠道之一,其次,将aso结合其他推广来做流量的裂变。

结语

做aso就是不断提升app在应用商店的权重,最终迎合商店的需要,使你在商店的表现更好,商店才会给你更多的曝光,更好的排名,从而获取更多自然用户。

什么是流量红利?无非就是信息差!aso虽然国内玩到炉火纯青,但却是80%出海cp忽视的流量玩法。

拿游戏出海来说,目前三种游戏比较火:超休闲游戏、slg、消除类游戏,其实重度游戏的发行费用特别高(这也是为什么近两年休闲游戏、小游戏出海起来了)。相比于国内获量,出海获量成本是很高的,在这种情况下,游戏出海更应该重视aso这种性价比高的吸量技能。

事实上,从去年8月至今,爱盈利在投的客户都在持续合作中,经过持续优化,使客户的产品在一些关键词上始终处于排名前三,持续为产品带来流量。

信息差是很可怕的,有的人还不知道如何操作aso,有的人已经在上面吸足流量了。

本文作者:爱盈利溪姐,转载请标注。






推荐阅读
  • 知识图谱——机器大脑中的知识库
    本文介绍了知识图谱在机器大脑中的应用,以及搜索引擎在知识图谱方面的发展。以谷歌知识图谱为例,说明了知识图谱的智能化特点。通过搜索引擎用户可以获取更加智能化的答案,如搜索关键词"Marie Curie",会得到居里夫人的详细信息以及与之相关的历史人物。知识图谱的出现引起了搜索引擎行业的变革,不仅美国的微软必应,中国的百度、搜狗等搜索引擎公司也纷纷推出了自己的知识图谱。 ... [详细]
  • 本文介绍了互联网思维中的三个段子,涵盖了餐饮行业、淘品牌和创业企业的案例。通过这些案例,探讨了互联网思维的九大分类和十九条法则。其中包括雕爷牛腩餐厅的成功经验,三只松鼠淘品牌的包装策略以及一家创业企业的销售额增长情况。这些案例展示了互联网思维在不同领域的应用和成功之道。 ... [详细]
  • 开发笔记:Python之路第一篇:初识Python
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了Python之路第一篇:初识Python相关的知识,希望对你有一定的参考价值。Python简介& ... [详细]
  • “你永远都不知道明天和‘公司的意外’哪个先来。”疫情期间,这是我们最战战兢兢的心情。但是显然,有些人体会不了。这份行业数据,让笔者“柠檬” ... [详细]
  • 解决Cydia数据库错误:could not open file /var/lib/dpkg/status 的方法
    本文介绍了解决iOS系统中Cydia数据库错误的方法。通过使用苹果电脑上的Impactor工具和NewTerm软件,以及ifunbox工具和终端命令,可以解决该问题。具体步骤包括下载所需工具、连接手机到电脑、安装NewTerm、下载ifunbox并注册Dropbox账号、下载并解压lib.zip文件、将lib文件夹拖入Books文件夹中,并将lib文件夹拷贝到/var/目录下。以上方法适用于已经越狱且出现Cydia数据库错误的iPhone手机。 ... [详细]
  • 本文介绍了一些好用的搜索引擎的替代品,包括网盘搜索工具、百度网盘搜索引擎等。同时还介绍了一些笑话大全、GIF笑话图片、动态图等资源的搜索引擎。此外,还推荐了一些迅雷快传搜索和360云盘资源搜索的网盘搜索引擎。 ... [详细]
  • 本文介绍了iOS开发中检测和解决内存泄漏的方法,包括静态分析、使用instruments检查内存泄漏以及代码测试等。同时还介绍了最能挣钱的行业,包括互联网行业、娱乐行业、教育行业、智能行业和老年服务行业,并提供了选行业的技巧。 ... [详细]
  • 本文介绍了某点评网的搜索策略,包括名称和地址的匹配策略,模糊匹配的方法以及不同口音和拼音的近似发音。同时提供了一些例子来说明这些策略的应用。 ... [详细]
  • 读手语图像识别论文笔记2
    文章目录一、前言二、笔记1.名词解释2.流程分析上一篇快速门:读手语图像识别论文笔记1(手语识别背景和方法)一、前言一句:“做完了&#x ... [详细]
  • ORACLE空间管理实验5:块管理之ASSM下高水位的影响
    数据库|mysql教程ORACLE,空间,管理,实验,ASSM,下高,水位,影响,数据库-mysql教程易语言黑客软件源码,vscode左侧搜索,ubuntu怎么看上一页,ecs搭 ... [详细]
  • k8s+springboot+Eureka如何平滑上下线服务
    k8s+springboot+Eureka如何平滑上下线服务目录服务平滑上下线-k8s版本目录“上篇介绍了springboot+Euraka服务平滑上下线的方式,有部分小伙伴反馈k ... [详细]
  • SEO优化不是一件简单的事情,具体的网站要具体的对待,但是大致是却相差无几,主要便是以上这几点,如果点点到位,基本上可以说是成功一半,且另一半也不远。当然SEO优化是一件长期的工作 ... [详细]
  • 阿里Treebased Deep Match(TDM) 学习笔记及技术发展回顾
    本文介绍了阿里Treebased Deep Match(TDM)的学习笔记,同时回顾了工业界技术发展的几代演进。从基于统计的启发式规则方法到基于内积模型的向量检索方法,再到引入复杂深度学习模型的下一代匹配技术。文章详细解释了基于统计的启发式规则方法和基于内积模型的向量检索方法的原理和应用,并介绍了TDM的背景和优势。最后,文章提到了向量距离和基于向量聚类的索引结构对于加速匹配效率的作用。本文对于理解TDM的学习过程和了解匹配技术的发展具有重要意义。 ... [详细]
  • 本文介绍了RPC框架Thrift的安装环境变量配置与第一个实例,讲解了RPC的概念以及如何解决跨语言、c++客户端、web服务端、远程调用等需求。Thrift开发方便上手快,性能和稳定性也不错,适合初学者学习和使用。 ... [详细]
  • 深度学习中的Vision Transformer (ViT)详解
    本文详细介绍了深度学习中的Vision Transformer (ViT)方法。首先介绍了相关工作和ViT的基本原理,包括图像块嵌入、可学习的嵌入、位置嵌入和Transformer编码器等。接着讨论了ViT的张量维度变化、归纳偏置与混合架构、微调及更高分辨率等方面。最后给出了实验结果和相关代码的链接。本文的研究表明,对于CV任务,直接应用纯Transformer架构于图像块序列是可行的,无需依赖于卷积网络。 ... [详细]
author-avatar
mobiledu2502883785
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有