ASO|APP的关键词优化的“六三”原则

本文详细介绍ASO优化的六大基本原则与三大基本概念,包括关键词权重排序、排重、副标题运用、轮流战术、描述技巧及关键词选择策略,帮助提升APP在应用商店的搜索排名。

一、六大基本原则
关键词权重排序:应用名称>关键词标签>描述>应用内购买名或描述;
APP Title与Keywords关键词排重:APP Title与Keywords中出现同一关键词时,权重无法形成叠加效应,只会被计为一次。因此,同一关键词如果在Title中出现,则不要在Keywords再出现,避免浪费字符;
利用副标题强化关键词:APP Title采用主标题加副标题形式,副标题除了承担介绍APP作用的功能之外,还要着力多提及关键词。如小咖秀的副标题“最火对嘴表演飙戏APP,自带美颜美妆功能的拍摄神器”中提及了“表演”、“飙戏”、“美颜”、“美妆”、“神器”等关键词,可谓用心;
轮流战术:参考原则1的权重排序,我们可以在更新版本时轮流优化各个关核心键词,当已有核心关键词排名优化靠前时,可选用其他的核心关键词继续优化;
Keywords中越靠前的关键词权重越大;
描述的字数没有限制,建议控制在300-500,保证核心关键词8-12的频次出现,最好出现公司联系方式,如公众号/企业微博账号/客户QQ/QQ群等。
二、三大基本概念
关联性(Relevance):某个特定关键词与自家应用/目标用户之间的相关性,不相关的关键字很难产生有效转化。
难度(Difficulty):某个特定关键词的竞争激烈程度,对应值越高意味着它越难进入前列排名。
流量(Traffic):某个特定关键词在搜索中被搜索的次数越高,对应的值就越高,就是我们常说的高热度词。
以上三个维度的设置出现问题或APP本身没有可观新增量,关键词排名在30开外是很正常的,各位在追逐高热度词时一定要结合APP的现状进行分析,提供一套重点关键词的整合公式:
“高关联性+适中难度+靠前位置=好的关键词”
内容来源:阿布斗地主

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值