关于 app-store-optimization
面向 Apple App Store 和 Google Play Store 的 ASO 技能,涵盖关键词研究、商店元数据优化、竞品分析以及发布和实验规划。适用于使用自有数据的应用营销人员;其 Python 工具分析静态输入,不获取实时商店数据。
主要功能
- 01关键词研究与评分
- 02元数据优化与校验
- 03竞品关键词和页面分析
- 04发布与 A/B 测试规划
- 05评论分析与本地化
- 068 个 Python 分析工具
适用场景
- 01为应用商店页面筛选关键词
- 02改进标题和商店描述
- 03发现竞品关键词缺口
- 04规划发布或页面实验
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ borghei/ claude-skills --skill app-store-optimization安装后在 Claude Code 中输入/app-store-optimization确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
expected_output.jsonHOW_TO_USE.mdREADME.mdsample_input.jsonassets/aso-audit-template.mdreferences/aso-best-practices.mdaso-workflows.mdkeyword-research-guide.mdoperations-and-benchmarks.mdplatform-requirements.mdtool-reference.mdscripts/ab_test_planner.pyaso_scorer.pycompetitor_analyzer.pykeyword_analyzer.pylaunch_checklist.pylocalization_helper.pymetadata_optimizer.pyreview_analyzer.py详细介绍
应用商店优化(ASO)
用于研究关键词、优化元数据、分析竞争对手并提升应用在 Apple App Store 和 Google Play Store 中曝光度的 ASO 工具。本文件是一份精简指南——执行任务时,加载下方相应的参考文档。
核心功能
- 关键词研究 — 根据相关性、搜索量、竞争程度和转化意图,挖掘、扩展并评估关键词;将关键词映射到元数据栏位
- 元数据优化 — 针对平台字符数限制和密度目标,优化标题、副标题/简短描述、iOS 关键词栏和完整描述
- 竞争对手分析 — 对排名前 10 的竞争对手进行关键词矩阵、差距分析以及视觉素材和评分基准对比
- 发布与 A/B 测试 — 制定结构化的发布检查清单、时间安排和转化实验,并进行样本量与显著性计算
- 评价与本地化 — 提取情感倾向、主题和问题,并调整适用于多个市场的元数据
- 8 个 Python 工具 —
keyword_analyzer、metadata_optimizer、competitor_analyzer、aso_scorer、ab_test_planner、review_analyzer、launch_checklist、localization_helper(仅使用标准库,分析你提供的数据)
适用场景
- 为应用商店列表研究或评估关键词
- 优化标题/副标题/描述/关键词栏,以提升排名和转化
- 审核竞争对手,发现关键词差距和定位机会
- 规划应用发布或开展商店列表 A/B 测试
- 分析评价或规划面向多个市场的本地化
先行确认
生成内容前,请确认以下输入。若有任何信息未知或含糊不清,请先提问——不要自行假设:
- 平台 — Apple App Store 还是 Google Play(字符数限制、关键词栏与描述索引方式、排名因素各不相同)
- 应用类别 + 种子关键词 — 应用所属领域和起始词(影响关键词研究与评估)
- 首要目标 — 提升排名曝光度还是转化率(影响元数据、标题/副标题和截图的优先级)
- 目标市场/地区 — 面向哪些商店(影响本地化和关键词搜索量估算)
停止规则:只询问最能影响结果的 2-3 项。如果用户说“直接起草”,则继续,并在成果开头列出你的假设。
快速开始
python scripts/keyword_analyzer.py --keywords "todo,task,planner"
python scripts/metadata_optimizer.py --platform ios --title "App Title"
python scripts/aso_scorer.py --app-id com.example.app
注意:这些脚本可作为 Python 库导入——类、方法和便捷函数详见工具参考文档。
参考文档
加载与任务相符的参考文档——保持本文件精简,按需查阅详情:
- references/aso-workflows.md — 五种工作流的分步流程、评分标准、栏位表、结构图、模板和前后对比示例。执行关键词研究、元数据优化、竞争对手分析、发布或 A/B 测试时阅读。
- references/tool-reference.md — 8 个 Python 脚本的完整用法:类、方法、参数、返回值、便捷函数,以及脚本和资源表。调用工具前阅读。
- references/operations-and-benchmarks.md — 故障排查表、成功标准/目标、平台限制、主动触发条件、输出成果、沟通规范、相关技能和完整集成矩阵。诊断问题、设定目标或与其他工具连接时阅读。
- references/keyword-research-guide.md — 研究方法、评估框架和跟踪方式。深入挖掘和筛选关键词时阅读。
- references/platform-requirements.md — iOS 和 Android 元数据规格及视觉素材要求。根据平台规则验证栏位时阅读。
- references/aso-best-practices.md — 优化策略、评分管理和发布技巧。查阅经验证的技巧和实战方案时阅读。
范围与限制
范围内: 关键词研究、元数据优化与字符数限制验证、竞品 ASO 分析(公开数据)、附显著性计算的 A/B 测试规划、发布/季节性/本地化规划,以及针对 Apple App Store 和 Google Play Store 的评论情感分析。
范围外: 实时获取商店数据(脚本分析你提供的静态数据)、Apple Ads(原名 Apple Search Ads)/Google Ads 广告系列管理、创意素材设计、跨设备归因(请使用 MMP)、应用内分析/留存分析,以及收入/订阅定价。
数据限制: 两家商店都没有官方搜索量 API(估算值使用第三方工具或启发式方法);竞品和评论数据仅限公开信息;历史排名数据需要借助外部工具(AppTweak、Sensor Tower、data.ai);Apple 在 2025 年 6 月的更新中开始索引截图文本,但这些脚本目前尚未分析此类内容。详情请参阅 references/operations-and-benchmarks.md。
集成点
可连接 Apple App Store Connect 和 Google Play Console(元数据提交、Product Page Optimization/Store Listing Experiments)、Apple Ads(原名 Apple Search Ads;用于发现关键词)、ASO 工具(AppTweak、Sensor Tower、data.ai,用于获取搜索量/排名数据)、分析工具(Firebase/Mixpanel/Amplitude,用于获取互动信号),以及 campaign-analytics 和 content-creator 技能。完整的连接详情和数据流请参阅:references/operations-and-benchmarks.md。