mcpField
A
app-store-aso

app-store-aso

github.com/timbroddinマーケティング・グロース101496 回インストール25 週間前に更新
リポジトリ

app-store-aso について

アプリ公開者向けに、App Store の ASO 分析とメタデータ作成を支援するスキルです。メタデータ検証、Krankie の順位データ、スクリーンショット構成案を組み合わせます。

主な機能

  1. 01Apple メタデータの提案
  2. 02文字数上限の検証スクリプト
  3. 03Krankie によるキーワード順位追跡
  4. 04競合アプリの順位分析
  5. 05スクリーンショット構成案

活用シーン

  1. 01App Store 掲載情報の作成とレビュー
  2. 02Apple の上限に照らしたメタデータ確認
  3. 03更新前後のキーワード順位の監視

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/timbroddin/app-store-aso-skill --skill app-store-aso

インストール後、Claude Code で/app-store-asoを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

.gitignore
LICENSE
README.md
references/
aso_learnings.md
scripts/
validate_metadata.py

詳細

Apple App Store ASO 最適化

概要

このスキルでは、Apple App Store の包括的な最適化(ASO)分析とメタデータの生成を行います。既存のアプリ掲載情報を分析し、Apple のガイドラインと文字数制限に沿った最適化済みメタデータを生成し、競合に関する分析情報を提供するとともに、スクリーンショットのストーリーボード戦略を提案します。

コアワークフロー

ユーザーから ASO の最適化やメタデータのレビューを依頼された場合:

  1. アプリのコンテキストを分析する

    • アプリの目的、機能、ターゲットユーザーを理解します
    • 独自の価値提案と競合との差別化要因を特定します
    • ユーザーが言及した変更や更新を確認します
  2. ASO ナレッジベースを読み込む

    • 包括的な ASO のベストプラクティスについては、references/aso_learnings.md を参照します
    • 競合分析の戦略を適用します
    • 実績のある最適化パターンを活用します
  3. 最適化済みメタデータを生成する

    • 最適化したアプリ名、サブタイトル、プロモーションテキストを作成します
    • キーワードを最適化した、魅力的な説明文を作成します
    • 戦略的に配置したキーワードリストを生成します
    • すべてのメタデータが Apple の文字数制限に準拠していることを確認します
  4. 文字数を検証する

    • scripts/validate_metadata.py を使用して、すべてのメタデータが Apple の要件を満たしていることを確認します
    • 文字数と制限への準拠状況を含む検証結果を表示します
    • 違反があれば、必要な修正を具体的に示します
  5. スクリーンショット戦略を提示する

    • スクリーンショットのストーリーボードの順序を提案します
    • メッセージの優先順位とビジュアルの重点領域を提案します
    • スクリーンショット戦略をメタデータのメッセージに合わせます

Apple App Store の文字数制限

検証必須の重要な制限:

  • アプリ名:最大30文字
  • サブタイトル:最大30文字
  • プロモーションテキスト:最大170文字
  • 説明文:最大4,000文字
  • キーワード:最大100文字(カンマ区切り、スペースなし)
  • 新機能:最大4,000文字

メタデータの検証プロセス

推奨内容を生成した後は、必ず検証スクリプトを使用して確認します:

python scripts/validate_metadata.py

スクリプトの処理内容:

  1. 各メタデータ項目の入力を促します
  2. 文字数を計算します
  3. Apple の制限と照合します
  4. ✅(合格)または ❌(不合格)の記号とともに結果を表示します
  5. 正確な文字数と残りの文字数を表示します

連携パターン:

  • メタデータの推奨内容を生成します
  • 推奨内容を使って検証スクリプトを実行します
  • 検証結果をユーザーに表示します
  • 不合格の項目を修正し、再検証します

出力形式

推奨内容は次の形式でまとめます:

📱 アプリのメタデータに関する推奨事項

アプリ名(X/30文字) [最適化したアプリ名]

サブタイトル(X/30文字) [最適化したサブタイトル]

プロモーションテキスト(X/170文字) [プロモーションテキスト]

キーワード(X/100文字) [キーワード,リスト,スペースなし]

説明文(X/4000文字) [説明文全文]

🎯 競合分析

[重要な分析情報とポジショニングに関する推奨事項]

📸 スクリーンショットのストーリーボード戦略

[メッセージを添えた、順序付きのスクリーンショットに関する推奨リスト]

✅ 検証結果

[準拠状況を示す、検証スクリプトの出力]

Krankie:App Store ランキングトラッカー

Krankie は、App Store のキーワードランキングを追跡する、エージェントファーストの CLI ツールです。キーワードのパフォーマンスを監視し、ランキングの経時的な変化を追跡して、実データに基づく ASO 最適化の判断に役立てます。

インストール
bun install -g krankie
# or run directly
bunx krankie
主なコマンド

アプリ管理:

# Search for apps
krankie app search "<query>" --platform ios

# Add an app to track
krankie app create <app_id> --platform ios

# List tracked apps
krankie app list

キーワードの追跡:

# Add keywords to track for an app
krankie keyword add <app_id> "<keyword>" --store us

# List tracked keywords
krankie keyword list

ランキングの確認:

# Run ranking checks for all tracked keywords
krankie check run

# View current rankings
krankie rankings

# See biggest movers (gains/losses)
krankie rankings movers

# View ranking history for a keyword
krankie rankings history <keyword_id>

# Check status of last run
krankie check status

自動化:

# Install daily cron job (default: 6 AM)
krankie cron install --hour 6

# Check cron status
krankie cron status
エージェントとの連携

すべてのコマンドで、構造化出力用の --json フラグを使用できます:

krankie rankings --json
krankie app list --json

エージェント向けの手順を取得します:

krankie instructions --format json
データに関する注意事項
  • ランキングの追跡対象は1~200位です。null はこの範囲外であることを示します
  • データはローカルの ~/.krankie/krankie.db(SQLite)に保存されます
  • 1日あたりの再チェックにはレート制限があります。上書きするには --force を使用します
  • ログは ~/.krankie/check.log で確認できます
ASO ワークフローとの統合
  1. 最適化前:krankie rankings を使用して、キーワードの順位のベースラインを設定します
  2. 競合分析:競合アプリとそのキーワードの順位を追跡します
  3. メタデータ変更後:krankie rankings movers を監視して、影響を測定します
  4. トレンド分析:krankie rankings history を使用して、パターンを特定します

リソース

scripts/validate_metadata.py

Apple の文字数制限に照らして App Store のメタデータを検証する Python スクリプトです。合格・不合格が明確に表示される対話形式の検証を提供します。

references/aso_learnings.md

最適化戦略、競合分析のフレームワーク、キーワード調査の手法、実証済みのベストプラクティスを含む、包括的な ASO ナレッジベースです。すべての ASO に関する推奨事項の参考として、このファイルを読み込んでください。

コメント