海外市场相比国内市场有什么不同？Google Play优化包含哪些要点？如何利用好Google自有工具做好ASO？本文将为大家简析Google Play优化的要点。
随着国内市场竞争愈发激烈，而海外尤其是东南亚市场，因移动互联网发展处于快速增长阶段，有着获客成本低、潜在市场大等诸多优势，逐渐吸引了国内公司的目光，巨头们也在加快海外市场的布局。
产品出海后，除了在Facebook等平台投放广告外，做好ASO工作也至关重要（对于预算有限的公司而言更是如此）。
在许多公司出海的第一站——东南亚，Android用户数量占有绝对优势（占比甚至可以达到95%以上），而不同于国内Android应用市场的四分五裂，海外的流量基本集中在Google Play，所以做好Google Play的优化工作是海外产品ASO的重点。
一、Google Play优化涉及项目
我们先来看Google Play优化涉及的项目：
应用名称——简短展现产品亮点，在关键词索引中权重最高。
应用说明——分为简短说明和完整说明，用于详细介绍产品功能与特点。
图片与视频——采用更直观的方式展示产品特点，影响用户对产品的认知。
评价与评分——影响新用户对产品的判断，同时评论关键词会被收录，评分会影响产品排名。
关键词排名——影响搜索结果排序，从而影响曝光量、下载量。
榜单排名——影响曝光量，从而影响访问量、下载量。
二、优化目标的拆解
进行ASO的最终目标是提升安装量，而影响安装量的有两个因素：曝光/访问量和转化率。
这两个指标类似于平日常说的新增和留存，即为了达到最终目标，我们需要同时有充足的流量和够大的漏斗——有足够的用户看到我们的产品，又要有足够的用户会产生最终的安装行为。
【曝光/访问量】
取决于Google Play中的展示，需要通过优化使产品获得更多曝光，带来更多访问。
【转化率】
三、各项目之间的联系
在拆解完目标后，我们来看看各个项目之间的关系：
（注：图中只列举了一些简单的联系，实际上排名算法影响因素不只这些，算法也较为复杂。）
图中的箭头表示产生影响的方向，确如图中表现的那样，几乎没有一个项目是独立的，它们之间存在着许多关联。不过别担心，这些关联并不复杂，只要我们能抓住其中的关键，就能一步步实现我们的优化目标。
四、如何对单个项目做具体优化
在这部分，我们挑选几个重点项目聊一聊具体优化方法：
1. 应用说明
应用说明分为简短说明和完整说明。
【简短说明】
在Google Play移动端，用户点击“阅读更多内容”之前，都只能看到简短说明。简短说明长度限制在80字符，我们需要在这个长度内尽可能表达产品的用途和优势，同时兼顾关键词的覆盖。
【完整说明】
统计数据显示，仅5%的Google Play用户会阅读完整说明，所以完整说明对整体的用户安装意愿影响是有限的。
我也尝试过几次完整说明的实验，确实没有明显的安装量变化。因此完整说明的主要用途在于，完整介绍产品功能与特色以便于用户充分了解，覆盖关键词以便于提升排名。
因此在实际的说明优化中主要有三个要点：
充分介绍产品，及时更新
覆盖关键词
做好本地化
第一点
这是写好一个说明的基础要求，无论国内还是海外都适用。简短说明的表达取决于具体需求，而完整说明是可以总结出套路的。
下面是一个规规矩矩的完整说明实例标注。如果没有什么特殊需求，就如学生时代的模版一样，参照这个模版的说明虽说不一定多亮眼，但至少是合格的。
Tips：东南亚用户非常喜欢使用emoji，在说明中可以适度添加一些emoji帮助表达。
第二点
这也是ASO中的常规操作，因为关键词排名涉及到的内容繁多，在本文不便展开，有时间我另外写一篇专讲关键词排名的文章。
这里做些简单介绍，关键词收录的来源包括产品名称、简短/完整说明、用户评论等，各来源的权重不同。
关键词分为品牌词和功能词。顾名思义，品牌词即有充分影响力的品牌相关的词组（如Ins、Tumblr等），而功能词即描述相关行为或功能的词组（如music、photo、chat等）。我们平时需要借助例如AppAnnie这样的三方工具监控排名信息，及时调整或增加关键词的覆盖。
除了本产品外，也要时刻关注竞品的关键词，收录一些与竞品相关的关键词，提升竞争力。
第三点
对于出海产品，除了App自身的本地化，在Google Play的资料中做好本地化也至关重要。
相信大家多少看到过一些外国人说中文或是餐厅菜单蹩脚翻译的笑话，若我们没有做好充分本地化，海外用户在看到我们的产品页面时也同样会哭笑不得。一方面用户无法充分理解，另一方面用户容易产生不信任感。
我在工作中就遇到过一个使用了接近半年的说明，直到有当地同事入职后才发现许多表达非常生硬，不符合当地的语言习惯。
我的建议是，最初就将说明交由当地译员或有留学背景的专业人士翻译。若公司内没有相关人力，有多种途径可以得到翻译服务，这并不难做到，千万不要由非专业人士翻译甚至机器翻译后就直接使用。
2. 图片与视频
图片和视频可以更直观地展示产品功能和特色，更容易吸引到用户。不同于文字说明，在图片与视频中可以融入更多的创意，发挥空间更大，因此一套好的图片与视频往往可以在提升安装转化率中起到关键性的作用。
【置顶大图】
这是Google Play专门设立的一个内容项。在去年10月Google Play改版前显示在页面顶端，而在目前新版的Google Play页面中，置顶大图是作为视频的封面展示的，若没有配置视频则不展示置顶大图。在置顶大图中我们可以添加一些运营活动信息或简洁的slogan，尽可能提升吸引力。
【产品截图】
产品截图是展示产品功能的重要窗口。Google Play最多允许添加8张截图，选择展示哪些功能、功能如何排序非常关键。
有些开发者习惯于在产品进行重要升级后将新特性进行前置展示，但这里容易走进一个误区——需要注意产品截图的最主要受众是没有接触过产品的新用户，我们的目的是通过截图让新用户了解我们的产品并产生兴趣，而不是告诉老用户我们的产品有什么改进。
所以，当产品有了重大升级，需要将新功能横向比较，评估这个功能在整个市场上是否有竞争力。如果单从产品自身角度出发，重点宣传新功能，可能反而无法让用户了解到他们最感兴趣的基础功能。
产品截图优化的另一个要点是做好充分本地化，前面已经讲过对产品说明本地化的重要性，而在截图中，我们可以本地化的内容更多——文字、配色、模特和其他视觉元素，都有本地化的空间。
下图是抖音马来西亚版的截图，可以看到里面的建筑物、模特等都充分表达了马来西亚特色，这样的截图自然会增加马来用户的好感。
产品经理需要和设计师密切配合，充分展示产品卖点的同时，通过设计的力量让当地用户倍感亲切。
3. 评价与评分
就和我们在线上购物时一样，其他用户的评价和评分也是新用户安装App时的重要参考依据。
根据用户调研结果，有3/4的用户表示其他用户的评价会影响他们的下载决策，在所有影响因素中排在首位。另外产品的评分会在列表和详情页中展示，不但影响用户的判断，同时也是影响产品的排名和展示的一个因子。
【与用户保持沟通】
用户在Google Play留下评价后，我们最好能够及时进行互动，尤其是在用户提出不满或疑问后，更需要及时给予帮助与解答。
改版后的新Google Play页面会同时展示正负面的评价，不同于以往的混排，现在用户注定会看到犀利的差评。此时若差评的下方紧跟着我们诚恳的回复，也容易给其他用户留下重视反馈、积极改进的正面印象。
在Google Console的统计中我们也能看到，经过回复的评价，最后提升评分的概率也会大很多。因此积极的互动也能帮助提升我们整体评分。
【重视用户的反馈】
而Google Console中的“评价分析”为我们提供了便捷的统计，通过统计我们可以更直观地看到用户反馈的涉及主题和趋势。对于反馈集中的问题，我们需要提高优先级解决，产品体验的提升也能减少相应差评，从而提升整体评分。
【删除不合规的差评】
Google对于用户评价的发布有一套政策，对于例如谩骂、无实质内容等不符合政策的评价我们可以进行举报；若Google审核通过，评价会被删除。产生1个一星差评对总评分的影响需要靠6个五星好评弥补，所以每删除一个差评都很有意义。
五、如何利用实验进行高效优化
就如我们在产品策划的工作中一样，方案是否能够产生影响，影响是正向还是负向，都需要依赖ABtest来确认。幸运的是，Google已经为了我们搭建了一套相当完善的实验系统，我们只需要掌握使用技巧，就能够高效地利用实验进行优化工作。
1. 实验要点
实验对象
需要注意实验是针对语言发布的。有一些国家例如泰国、印尼，90%以上用户都使用本土语言，在这些语言下的实验基本可以反映该国的用户情况。
但一些通用语言例如美国、英语，对应的用户可能来自菲律宾、越南、马来等多个国家，而最终的实验结果也只能代表使用该语言下的用户，而不是某个国家的用户。必要时，可以同时发布多个语种的实验（例如英国英语、澳大利亚英语、美国英语）已取得更通用的结论。
实验时间
一般在实验开始后的2天内数据会有比较大的波动，而在3-4天后数据会趋于稳定；但若条件允许，我还是会建议将实验进行7天，因为涵盖完整的一周可以尽可能地排除外在影响因素，得到相对准确的结论。
变量控制
一个实验最多可以添加3个变体，若我们同时添加大于1个的变体，我们需要精准控制各个实验变体的变量，便于最后回溯变量产生的效果。
2. 实验效果回溯
实验进行到一定阶段我们需要回溯实验效果，通过Google Console的数据，我们可以清晰地看到各个变体的数据表现。
如图所示，我们可以看到每个变体当前的安装量、若完全应用该变体的总安装量，这两个指标都非常好理解，可以用于对比对安装量带来的数值影响。
这里稍微解释一下最后一个数据，90%置信区间源自于统计学的概念，即90%的数值变化都位于该区间，这样的处理方式可以排除一些极端值对结果的影响。
如图所示，每个变体的安装量变化必定是波动的，因此取90%置信区间后，最终我们可以得到：
效果=（最高值+最低值）/2
在前面的案例图中，我们的结论是3个变体对安装量的影响在1.5%-2%之间。
通过不断的实验，我们可以准确得到变体的数据效果，从而得到最佳的优化方向。
六、结语
原本只是想简单地写一篇Google Play优化基础，但写着写着发现内容确实太多，没法完全在文章里介绍详尽，于是结合我的经验，着重写了我认为最重要的部分。希望能与同学们相互交流，一起进步。
