在对 500 大 iOS（美国 Apple App Store）和 500 大 Android（美国 Google Play）应用的横截面进行各种公开数据点分析的过程中，我将尝试通过打破 ASO 方面的一些迷思来澄清事实。在此过程中，我希望评估和量化应用商店排名、排名波动性以及通常被认为会影响应用排名的一些因素之间的任何可感知相关性。
各有大约130 万个应用，两家商店的应 英国手机数据库 用类别分布也差不多。从搜索量和竞争程度来看，这两家商店的应用排名理论上应该处于相当公平的水平。
在这些应用中，近三分之二的应用没有获得任何评级，99% 的应用被认为无利可图。因此，这些研究挑选出了罕见的例外——每个商店排名前 500 的应用。
虽然苹果和谷歌都没有透露他们如何计算搜索排名的具体细节，但人们普遍认为这两种应用商店算法都考虑了以下因素：
应用商店平均评分
评分/评论量
下载和安装计数
卸载（应用程序的留存和流失情况）
应用程序使用情况统计数据（应用程序用户的参与度以及他们启动应用程序的频率）
增长趋势偏向新近度（每日下载量随时间的变化情况以及今天的评级与上周的评级相比如何）
应用程序着陆页的关键字密度（Ian 在之前的 Moz 文章中很好地介绍了这个因素）
我已将此公式简化为一个函数，突出显示具有足够数据（或至少是代理数据）以供我们分析的四个元素：
排名 = fn(评分，评分计数，安装量，趋势)
当然，目前这个通用函数还不能说明太多问题。不过，在接下来的五项研究中，我们将重新审视这个函数，然后最终尝试比较这四个变量对应用商店排名的权重。