Como funcionam os rankings das App Stores
Como funcionam os rankings das App Stores Esse texto foi publicado originalmente nesse link. Eu gostei tanto dos experimentos e do texto todo que pedi para o Alex Walz para traduzi-lo e usa-lo aqui no blog.Espero que você goste tanto quanto eu. Aí tem uma boa dose de ciência aplicada a ASO.Resultados de Testes e… Continuar lendo Como funcionam os rankings das App Stores
Como funcionam os rankings das App Stores
Esse texto foi publicado originalmente nesse link. Eu gostei tanto dos experimentos e do texto todo que pedi para o Alex Walz para traduzi-lo e usa-lo aqui no blog.
Espero que você goste tanto quanto eu. Aí tem uma boa dose de ciência aplicada a ASO.
Resultados de Testes e Estatística, Por Alex Walz
Depois de ver a palestra “Experimentos de Ciência Maluca em SEO” de Rand, apresentada na MozCon do ano passado, eu me senti inspirado a colocar um jaleco e óculos de laboratório, e fazer eu mesmo alguns experimentos – não em SEO, mas na irmã mais nova do SEO, a promissora ASO (App Store Optimization ou, em Português, Otimização para App Store).
Trabalhando com o serviço Apptentive para levar apps de empresas e de pequenas startups a aumentar seu grau de descoberta nas app stores, eu aprendi uma ou duas coisas sobre otimização para app store, e o que entra no ranking de um app. Há algum tempo, meu objetivo pessoal vem sendo abrir as cortinas do Google e da Apple. E ainda assim, quanto mais fundo eu vou, mais hipóteses não-testadas eu deixo pelo caminho.
Portanto, eu acho que já era tempo de colocar algumas hipóteses antigas à prova.
Como profissionais de SEO, nós sabemos quanto impacto um único ranking pode ter sobre um SERP. Uma pequena posição a mais ou a menos pode fazer toda a diferença quando se trata do tráfego – e lucratividade – do seu website.
No mundo dos aplicativos, ranking também é muito importante quando se trata de obter destaque em um mar de mais de 1.3 milhões de apps. A recente pesquisa do Apptentive com consumidores de serviços mobile lançou um pouco mais de luz sobre esta afirmação, revelando que quase metade de todos os usuários de aplicativos móveis identificaram “procurar nas listas e resultados de buscas da app store” como seu meio favorito de encontrar novos aplicativos nas app stores. Aparecer em cada um destes meios depende de rankings. Colocando de maneira simples, um ranking melhor significa que seu app vai receber mais downloads e ser mais facilmente descoberto.
Como no Google e Bing, as duas app stores principais (a Apple App Store e a Google Play) usam algoritmos complexos e altamente protegidos para determinar rankings, tanto para as buscas de palavras-chave dentro da app store quanto para a composição das listas de top apps.
Ao contrário do que acontece com SEO, porém, pouquíssimas pesquisas e teorias estão sendo desenvolvidas a respeito do que existe dentro destes rankings.
Até agora, quero dizer.
Ao longo de cinco estudos analisando vários dados disponíveis para o público, para uma intersecção entre os top 500 aplicativos para iOS (disponíveis na Apple App Store dos EUA) e dos top 500 aplicativos para Android (disponíveis na Google Play dos EUA), eu vou tentar corrigir alguns enganos comuns, desfazendo mitos sobre ASO. Neste processo, eu espero avaliar e quantificar quaisquer correlações percebidas entre os ranks das app stores, volatilidades de ranking, e alguns fatores normalmente considerados influenciadores do ranking de um aplicativo.
Mas primeiro, um pouco de contexto
Tanto a Apple App Store quanto a Google Play possuem aproximadamente 1.3 milhões de aplicativos cada, e ambas apresentam uma divisão similar de categorias. O ranking dos aplicativos nas duas stores deveria, teoricamente, estar em um nível similar em termos de volume de buscas e de competição.
Destes aplicativos, quase dois terços não receberam nenhuma avaliação, e 99% não são considerados lucrativos. Estes estudos, portanto, selecionam as raras exceções à regra – os aplicativos classificados no top 500 em cada store.
Embora nem a Apple nem o Google tenham revelado nada específico sobre como eles calculam os rankings de busca, em geral aceitamos que o algoritmo das duas stores leva em consideração:
Média das avaliações na app store
Volume de avaliações e reviews
Contagem de downloads e instalações
Desinstalações (o equivalente a taxa de retenção e churn, para um aplicativo)
Estatísticas de uso do aplicativo (o quanto os usuários do aplicativo estão engajados, e com que frequência eles rodam o aplicativo)
Taxas de crescimento consideradas ao longo do tempo (o quanto a contagem de downloads mudou ao longo do tempo, e como as taxas de hoje se comparam às taxas da semana passada)
Densidade de palavras-chave na landing page do aplicativo (Ian fez um ótimo trabalho abordando este fator em um outro artigo do Moz)
Eu simplifiquei esta fórmula em uma função que destaca os quatro elementos que apresentam dados (ou pelo menos, dados proxy) o suficiente para nossa análise.
Ranking = fn (Média das avaliações, volume de aval
iações, quantidade de instalações, tendências)
É claro que, neste exato momento, esta função generalizada não nos diz muito. Ao longo dos próximos cinco estudos, porém, nós vamos revisitar esta função antes de, finalmente, tentar comparar o peso de cada uma destas quatro variáveis nos rankings de uma app store.
(Para ser mais breve, eu vou parar com as hipóteses agora, mas eu fui muito mais à fundo na discussão de como eu cheguei a essas conclusões. Faço essa explicação em um relatório de 55 páginas sobre rankings de app store).
Agora, vamos à ciência maluca.
Estudo 01: Volatilidade de ranking nas app stores
O primeiro e mais direto dos estudos envolve rastrear a movimentação diária nos rankings de uma app store, entre as versões para iOS e para Android do mesmo aplicativo, a fim de determinar quaisquer tendências de diferenças entre a volatilidade de rankings nas duas stores.
Eu usei uma pequena amostra de cinco aplicativos para este estudo. Os únicos critérios foram:
Eles eram todos aplicativos que eu uso ativamente (um critério para escolher os cinco aplicativos, mas que não influencia o rank nas app stores dos EUA)
Eles estavam posicionados entre os top 500 (mas não entre os top 25, já que eu imagino que os rankings de app store são mais fixos no topo – uma hipótese que eu vou testar no estudo 02)
Eles tinham uma versão quase idêntica do aplicativo na Google Play e na App Store, indicando que eles deveriam (teoricamente) alcançar posições similares
Eles cobriam uma ampla gama de categorias de aplicativos
Os aplicativos que eu escolhi foram Lyft, Venmo, Duolingo, Chase Mobile e LinkedIn. Estes cinco aplicativos representam as categorias de viagem, finanças, educação, banco e redes sociais.
Hipótese
Iniciando esta análise, eu presumi que haveria um pouco mais de volatilidade nos rankings da Apple App Store, baseado em duas estatísticas:
Aplicativos de Android recebem muito mais avaliações do que aplicativos para iOS, e portanto eu assumi que o peso de cada avaliação individual iria gerar um impacto menor na Google Play do que na App Store
A Google Play não grava uma avaliação média exclusiva da versão atual do aplicativo, ou seja, avaliações não são reiniciadas após cada atualização do aplicativo. E portanto eu assumi que avaliações menos voláteis para o Android significam rankings menos voláteis para a Google Play
Estas duas hipóteses serão testadas em análises posteriormente.
Resultados:
Entre estes cinco aplicativos, os rankings da Google Play foram de fato bem menos voláteis do que os rankings da App Store. Entre os 35 pontos de dados registrados, os rankings dentro da Google Play mudaram em até 23 posições por dia, enquanto os rankings dentro da App Store mudaram em até 89 posições. Além disso, o desvio padrão da volatilidade de ranking na App Store foi 4.45 vezes maior do que na Google Play.
É claro, os mesmos aplicativos variaram bem drasticamente em seus rankings nas duas app stores. Portanto, eu padronizei a volatilidade de rankings em termos de alteração percentual, para controlar o efeito da posição numérica sobre a volatilidade. Quando analisado sob esta luz, os rankings da App Store variaram em até 72% dentro de um período de 24 horas; enquanto isso, os rankings da Google Play variaram em não mais do que 9%.
Também vale a pena notar que os rankings diários tenderam a variar na mesma direção nas duas app stores em cerca de dois terços do tempo. Isso indica que as duas stores e seus clientes podem ter mais em comum do que nós imaginamos.
Estudo 02: Volatilidade de ranking em uma app store em diferentes listas de top aplicativos
Testar a hipótese implica em padronizar os dados do Estudo 01, este estudo foi desenvolvido para verificar se a volatilidade de rankings está relacionada com a posição atual do aplicativo no ranking. A amostra para este estudo consistir dos top 500 aplicativos da Google Play e da App Store, com especial atenção para aqueles nas duas pontas do espectro (posições de 1 a 100, e de 401 a 500).
Hipótese
Eu antecipei que os rankings seriam mais voláteis quanto mais alta a posição do aplicativo – ou seja, um aplicativo na posição 450 deveria ser capaz de subir mais em um dia qualquer do que um aplicativo na posição 50. Essa hipótese é baseada na ideia de que aplicativos com posições mais altas possuem mais instalações, usuários ativos e avaliações. Assim, seria preciso uma margem elevada para produzir uma alteração significativa em qualquer um dest
es fatores.
Resultados
Um breve olhar para o gráfico acima mostra que os aplicativos nas duas stores têm rankings mais voláteis se estiverem em posições mais baixas da lista (baseado em quantas posições eles se moveram nas últimas 24 horas).
Esta afirmação é particularmente verdadeira quando comparamos as duas ponstas do espectro – com uma linha de volatilidade quase invariável entre os top 100 aplicativos da Google App, e pouquíssimas interrupções entre os top 100 aplicativos da App Store. Compare este grupo com o segmento mais baixo, posições de 401 a 500, onde as duas stores passam por muito mais turbulências em seus rankings. Ao longo da escala, eu encontrei uma correlação entre posição e volatilidade de ranking da ordem de 24% na Play Store, e de 28% na App Store.
Para colocar isto em perspectiva, um aplicativo na Google Play localizado entre as posições 401 e 500 se moveu em média 12.1 posições nas últimas 24 horas. Enquanto isso, um aplicativo no top 100 se moveu meras 1.4 posições. Para a App Store, estes números foram de 64.28 e 11.26, fazendo com que aplicativos em posições ligeiramente mais baixas sejam mais de cinco vezes mais voláteis do que os aplicativos nas maiores posições. (Eu digo “ligeiramente mais baixas” por que eles ainda estão em posições melhores do que 99.96% de todos os aplicativos)
A relação entre posição e volatilidade é bem consistente nas listas da App Store, enquanto a posição tem muito mais impacto na volatilidade na ponta de baixo das listas da Google Play (posições de 1-100 tem 35% de relação) do que na ponta de cima (posições de 401-500 tem 1% de relação).
Estudo 03: Rankings de app store de acordo com as estrelas
O próximo estudo observa a relação entre posição e avaliações em estrelas, para determinar quaisquer tendências que distinguam os aplicativos das listas de top apps do restante, e explorar quaisquer vínculos com a volatilidade do ranking da app store.
Hipótese
Ranking = fn (Média das avaliações, volume de avaliações, quantidade de instalações, tendências)
Como discutimos na introdução, este estudo se relaciona diretamente com um dos fatores comumente aceitos como influenciadores dos rankings de app store: média das avaliações.
Para começar, eu lancei a hipótese de que posições mais altas geralmente correspondem a avaliações melhores, consolidando o papel das avaliações em estrelas no algorítimo de ranking.
No que se refere a volatilidade, eu não antecipei que a média das avaliações fosse ter um papel sobre a volatilidade do ranking da app store, já que não vi razão para os aplicativos com avaliações melhores serem menos voláteis do que os aplicativos com baixas avaliações, ou vice-versa. Em vez disso, eu acreditava que a volatilidade estaria vinculada ao volume de avaliações (como vamos explorar em nosso último estudo).
Resultados
O gráfico acima assinala os top 100 aplicativos em cada store, com suas médias de avaliações (tanto histórica quanto atual, para os aplicativos da App Store). Se parece um pouco caótico, é apenas um indicador da complexidade do algorítimo de rankings da Google Play e da App Store.
Se nossa hipótese estivesse correta, veríamos uma tendência decrescente nas avaliações. Nós esperávamos ver o aplicativo da 1a posição do ranking com uma avaliação significativamente melhor do que o aplicativo da 100a posição. Porém, em nenhuma das stores isto acontece. Em vez disso, vemos marcas aparentemente aleatórias, sem nenhuma tendência óbvia que se destaque no gráfico.
Com uma observação mais atenta, levando em consideração o que já sabemos sobre as app stores, dois outros pontos interessantes são revelados:
A média de avaliações em estrelas dos top 100 aplicativos é significativamente mais alta do que a média dos demais aplicativos. Entre as listas de top aplicativos, a média de avaliações de um aplicativo do top 100 para Android foi de 4.319; a média para os top aplicativos para iOS foi de 3.935. Estas avaliações estão respectivamente 0.32 e 0.27 pontos acima da média de todos os aplicativos avaliados em cada store. A média de avaliações entre os aplicativos nas posições de 401 a 500 fica aproximadamente no meio do caminho entre as avaliações dos aplicativos das listas top e os aplicativos comuns.
A distribuição das avaliações nos aplicativos das listas top na Google Play foi consideravelmente mais compacta do que a distribuição nos aplicativos para iOS. O desvio padrão das avaliações na lista de top apps da Apple App Store foi mais de 2.5 vezes maior do que na lista de top apps da Google Play. Isso provavelmente significa que as avaliações tem mais peso no algoritmo da Google Play.
Em seguida, observamos a relação entre avaliações e a volatilidade de rankings nas app stores. Isso revelou uma correlação de -15% que é consistente nas duas app stores, indicando que quanto melhor a avaliação de um aplicativo, menor a chance de que ele mude de posição no ranking, dentro de um período de 24 horas. A exceção desta regra é o cálculo da avaliação atual feito pela Apple App Store, para o qual não foi encontrada uma relação estatisticamente significativa.
Estudo 04: Rankings de app store entre versões de um aplicativo
Este próximo estudo observa a relação entre a idade da versão atual de um aplicativo, sua posição e a volatilidade de ranking.
Hipótese
Ranking = fn (Média das avaliações, volume de avaliações, quantidade de instalações, tendências)
Em uma alteração da função acima, estou usando a idade da versão atual de um aplicativo como um proxy (embora não seja um proxy muito bom) para tendências na avaliação e qualidade de um aplicativo ao longo do tempo.
Assumindo que (a) aplicativos com atualização mais frequente possuem mais qualidade e (b) cada nova atualização gera uma nova onda de instalações e avaliações, eu lanço a hipótese de que, quanto mais velha a versão atual de um aplicativo, mais baixa será sua posição e menos volátil essa posição será.
Resultados
A primeira e, possivelmente, mais importante descoberta foi que entre os aplicativos das listas top, tanto na Google Play quanto na App Store, as atualizações são notavelmente mais frequentes do que entre os aplicativos comuns.
Quando este estudo foi conduzido, a versão atual de um aplicativo para iOS na lista de top apps tinha em média 28 dias. A versão atual de um aplicativo para Android tinha 38 dias.
Conforme a hipótese, a idade da versão atual tem uma relação negativa com a posição do aplicativo no ranking, com uma relação de -13% na Google Play e de -10% na App Store.
A próxima parte do estudo mapeou a idade da versão atual do aplicativo, em relação à volatilidade de ranking na app store, descobrindo que aplicativos para Android com atualização recente apresentam rankings menos voláteis (correlação de 8.7%), enquanto aplicativos para iOS com atualização recente apresentam rankings mais voláteis (correlação de -3%).
Estudo 05: Rankings de app store de acordo com usuários ativos por mês
No estudo final, eu queria examinar o papel da popularidade de um aplicativo sobre seu ranking. Em um mundo ideal, popularidade seria medida através da quantidade de usuários ativos por mês (MAUs) de um aplicativo. Porém, já que poucos desenvolvedores de aplicativos móveis revelaram esta informação, eu usei dois proxies disponíveis publicamente: volume de avaliações e quantidade de instalações.
Hipótese
Ranking = fn (Média das avaliações, volume de avaliações, quantidade de instalações, tendências)
Pelas mesmas razões indicadas no segundo estudo, eu antecipei que os aplicativos mais populares (ou seja, aplicativos com mais avaliações e instalações) teriam posições mais altas e menos voláteis. Isto, novamente, leva em consideração que é preciso mais variação para produzir um impacto notável na média das avaliações ou em qualquer outro fator comumente aceito como influenciador do ranking de um aplicativo.
Resultados
A primeira descoberta salta aos olhos no gráfico acima: aplicativos para Android receberam mais avaliações do que aplicativos para iOS – 15.8 vezes mais, na verdade.
Um aplicativo qualquer no top 100 da Google Play teve em média espantosos 3.1 milhões de avaliações, enquanto um aplicativo no top 100 Apple App Store teve em média 196 mil avaliações. Em contraste, aplicativos nas posições de 401 a 500 (que ainda são aplicativos tremendamente bem-sucedidos, em comparação a 99.96% de todos os aplicativos) tendem a ter entre um décimo (Android) e um quinto (iOS) do volume de avaliações recebido pelos aplicativos no top 100.
Considerando que quase dois terços dos aplicativos não recebem nem uma única avaliação, receber volumes de avaliações tão altos é um grande feito, e um indicador muito forte da influência do volume de avaliações sobre o algoritmo de ranking das app stores.
Para equalizar o campo de batalha um pouco, e ajudar na visualização de qualquer correlação entre avaliações e rankings (e para dar ainda mais crédito ao número ainda-cambaleante de 196 mil avaliações recebido, em média, pelos aplicativos das listas de top apps do iOS), eu apliquei uma escala logarítmica ao gráfico acima.
A partir deste gráfico, podemos ver uma correlação entre avaliações e rankings, de forma que aplicativos com mais avaliações tendem a alcançar uma posição mais alta. Isso equivale a uma correlação de 29% na App Store, e de 40% na Google Play.
Em seguida, eu observei como o volume de avaliações influenciou a volatilidade de rankings na app store, descobrindo que aplicativos com mais avaliações tinham posições menos voláteis na Apple App Store (correlação é de 17%). Não foram encontradas evidências conclusivas para os aplicativos do top 100 da Google Play.
E por fim, mas não menos importante, eu observei a quantidade de instalações como um proxy adicional para MAUs. (Infelizmente, isto só é estatisticamente listado na Google Play. Portanto, quaisquer conclusões resultantes só são válidas para aplicativos para Android)
Entre os aplicativos para Android da lista top 100, este último estudo descobriu que instalações são fortemente relacionadas à posição no ranking (correlação: 35.5%), significando que aplicativos com mais instalações têm mais chances de alcançar uma alta posição no ranking da Google Play. Aplicativos para Android com mais instalações também apresentaram uma tendência a ter rankings menos voláteis na app store, com uma correlação de -16.5%.
Infelizmente, estes números são ligeiramente distorcidos, já que a Google Play só fornece a quantidade de instalações através de faixas largas (por exemplo, “500 mil – 1 milhão”). Para cada aplicativo, eu usei a extremidade inferior da faixa; ou seja, podemos esperar que a correlação seja um pouco maior, já que a extremidade inferior está bem longe da média, considerando os aplicativos com mais quantidade de instalações.
Sumário
Para fazer com que um post longo seja um pouquinho mais curto, aqui estão os conceitos básicos descobertos nestes cinco estudos de ciência maluca para a otimização em app store:
Comparando todas as listas de top apps, os rankings da Apple App Store são 4.45 vezes mais voláteis do que os da Google Play.
Os rankings se tornam progressivamente mais voláteis conforme a posição do aplicativo no ranking for mais baixa. Isto é particularmente verdadeiro para as listas de top apps da Apple App Store.
Em ambas as stores, aplicativos com posições mais altas no ranking tendem a apresentar um volume de avaliações que ultrapassa em muito o encontrado em aplicativos comuns.
Avaliações parecem importar mais para o algorítmo da Google Play, especialmente já que as listas de top apps da Apple App Store apresenta uma distribuição bem mais ampla das avaliações do que as listas da Google Play.
Quanto mais alta a posição de um aplicativo no ranking, menos volátil seu ranking será.
Os aplicativos classificados no top 100 de cada store são atualizados com muito mais frequência do que os aplicativos comuns. Aplicativos com versões atuais antigas estão relacionados com avaliações piores.
A frequência de atualização de um aplicativo é inversamente proporcional à volatilidade no ranking da Google Play, mas diretamente proporcional à volatilidade no ranking da App Store. Isso provavelmente se deve a como a Apple pesa as avaliações e reviews mais recentes de um aplicativo.
Os aplicativos com melhores posições no ranking da Google Play recebem, em média, 15.8 vezes mais avaliações do que os aplicativos com melhores posições no ranking da App Store.
Em ambas stores, aplicativos que estão classificados nas posições de 401 a 500 recebem, em média, 10% a 20% do volume de avaliações observados em aplicativos do top 100.
Volume de avaliações e, por consequência, volume de instalações e MAUs, são possivelmente os melhores indicadores de posição no ranking, com uma taxa de correlação de 29% a 40%.
Revisitando nossa primeira (embora super simplificada) tentativa de explicar o algoritmo de ranking das app stores, ela nos dava a seguinte função, vagamente definida:
Ranking = fn (Média das avaliações, volume de avaliações, quantidade de instalações, tendências)
Eu agora reescreveria essa função em uma fórmula, pesando cada um dos quatro fatores, onde (a), (b), (c) e (d) são os pesos desconhecidos:
Ranking = (Média das avaliações * a) + (volume de avaliações * b) + (quantidade de instalações * c) + (tendências * d)
Estes cinco estudos sobre ASO lançam um pouco mais de luz sobre estes pesos, mostrando que o volume de avaliações tem a correlação mais forte com a posição no ranking, seguido de perto pela quantidade de instalações, em qualquer uma das app stores.
É com os outros dois fatores – avaliações e tendências – que as duas stores mostram a maior discrepância. Eu arriscaria um palpite ao dizer que a App Store prioriza as tendências de crescimento, e não a média das avaliações, dada a importância que essa store dá à versão atual de um aplicativo e levando em conta a distribuição das avaliações nas listas de top apps. A Google Play, por outro lado, parece favorecer as avaliações, com uma regra tácita de que aplicativos precisam ter ao menos quatro estrelas para alcançar as posições do top 100.
Portanto, nós concluímos nossa ciência maluca com este olhar final sobre o que é preciso para alcançar o topo das listas em qualquer uma das stores.
Peso dos fatores no algorítimo de ranking da Apple App Store
Volume de avaliações > Quantidade de Instalações > Tendências > Média das Avaliações
Peso dos fatores no algorítimo de ranking da Google Play
Volume de avaliações > Quantidade de Instalações > Média das Avaliações > Tendências
Novamente, nós estamos simplificando a fim de manter este post dentro de um limite de 3.000 palavras, mas fatores adicionais – incluindo densidade de palavras-chave e estatísticas de engajamento in-app – continuam sendo indicadores fortes da posição no ranking. Eles simplesmente não estavam dentro do escopo destes estudos.
Espero que você tenha achado esse mergulho útil e interessante. De agora em diante, eu também espero ver especialistas em ASO conduzindo os mesmos experimentos que trouxeram o SEO aos holofotes, e encorajo você a melhorar ou refutar estas descobertas com os seus próprios experimentos de ciência maluca em ASO.
Fonte: Rank my app
