mcpField
R
rating-prompt-strategy

rating-prompt-strategy

github.com/appeeky营销与增长2.2k2.5k 次安装3 周前更新
代码仓库

关于 rating-prompt-strategy

面向应用团队的评分提示策略指南,帮助在用户获得价值后选择提示时机与对象,并减少负面评分风险。内容涵盖 iOS 和 Android 原生提示、预提示调查及评分下滑后的应对。

主要功能

  1. 01识别用户成功时刻
  2. 02按使用情况筛选提示对象
  3. 03iOS 与 Android 原生评分提示
  4. 04预提示调查与反馈分流
  5. 05评分下滑诊断与恢复

适用场景

  1. 01规划适合应用的评分提示时机
  2. 02设置提示前的用户筛选条件
  3. 03将不满意用户引导至反馈
  4. 04处理版本更新后的评分下滑

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/appeeky/aso-skills --skill rating-prompt-strategy

安装后在 Claude Code 中输入/rating-prompt-strategy确认已加载。

详细介绍

评分提示策略

优化应用何时、如何以及向谁显示评价提示——在尽可能提高高评分的同时,减少负面评价。评分是 App Store 排名信号,也是产品页面上的转化因素。

评分为何对 ASO 很重要

  • 搜索排名 — 评分较高的应用在竞争激烈的关键词中排名更靠前
  • 转化 — 搜索结果中会显示评分星级;一眼看去,4.8 分优于 4.2 分
  • iOS: 评分会按版本重置(你可以在 App Store Connect 中申请重置)
  • Android: 评分会永久累计——某个时期表现不佳后很难恢复

核心规则

只向体验过价值的用户发出提示。 过早提示会导致低评分。在用户取得成功时提示,则更有可能获得 4–5 星评分。

iOS — SKStoreReviewRequest

Apple 的原生提示。规则:

  • 无论调用多少次,每年最多显示 3 次
  • 显示逻辑由 Apple 控制——调用并不保证提示会显示
  • 发生错误、崩溃或令人沮丧的情况后,绝不要发出提示
  • 无法自定义提示界面
import StoreKit

// Call at the right moment
if let scene = UIApplication.shared.connectedScenes.first as? UIWindowScene {
    SKStoreReviewController.requestReview(in: scene)
}

Android — Play In-App Review API

Google 的原生提示。规则:

  • 没有硬性限制,但调用过于频繁时 Google 会限制显示
  • 在明确的积极时刻显示
  • 无法确定用户是否真的提交了评分(出于隐私考虑)
val manager = ReviewManagerFactory.create(context)
val request = manager.requestReviewFlow()
request.addOnCompleteListener { task ->
    if (task.isSuccessful) {
        val reviewInfo = task.result
        val flow = manager.launchReviewFlow(activity, reviewInfo)
        flow.addOnCompleteListener { /* proceed */ }
    }
}

时机框架

成功时刻触发

在应用中确定 1–3 个用户最满意的“成功时刻”:

应用类型适合提示的时机不适合提示的时机
健身完成锻炼后跳过训练后
效率工具完成项目/任务后保存失败或同步出错后
游戏赢得关卡或击败头目后输掉或失败后
金融首次成功交易后遇到令人困惑的错误后
冥想完成一次冥想后冷启动时
购物成功购买/送达后结账失败后
基于会话的规则

仅向满足以下所有条件的用户发出提示:

Criteria to prompt:
✓ Sessions >= 3 (not a first-time user)
✓ Time since install >= 3 days
✓ Has completed [activation event] at least once
✓ No crash in last session
✓ No negative signal (error, cancellation) in current session
✓ Not already rated this version

提示前问卷(推荐)

触发原生提示前,先在应用中提出一个问题:

"Are you enjoying [App Name]?"
  [Yes, love it!]   [Not really]
  • “是” → 触发 SKStoreReviewRequest / Play In-App Review
  • “不太算” → 显示反馈表单(电子邮件或应用内表单),不要触发原生提示

这样可以在不满意的用户给出 1–2 星评分前将其筛选出来。

预期提升: 使用提示前筛选后,平均可提高 0.3–0.8 星。

版本门控(iOS)

iOS 允许你在 App Store Connect 中按版本重置评分。请策略性地使用:

  • 重大改进后重置 — 如果你修复了用户投诉最多的问题
  • 对于用户不喜欢的争议性更改,不要重置
  • 重置后,在前 7 天开展力度较大(但经过筛选)的提示活动
  • 优先面向参与度最高的用户(会话历史最长的用户)

评分下降后的恢复

诊断
  1. 查看评分下降由哪个版本导致——与发布日期进行关联
  2. 阅读该时期的 1 星评价——找出常见投诉
  3. 在下一个版本中修复问题
  4. 回复每一条 1–3 星评价(参见 review-management 技能)
恢复活动

修复发布后:

  1. 回复负面评价:“已在版本 X.X 中修复——请更新并告知我们”
  2. 有些用户会在收到回复后更新评分
  3. 针对最忠实的用户(会话次数最多的用户)开展提示活动
  4. 不要向留下负面评价的用户发出提示
时间线
Day 0:   Issue identified — hotfix or patch in progress
Day 1–3: Reply to every negative review acknowledging the issue
Day 7:   Fix shipped — reply to previous negative reviews "Fixed in X.X"
Day 8+:  Enable prompt for sessions >= 5, no crash last 7 days
Week 3:  Monitor rating trend — should recover 0.2–0.5 stars in 2–4 weeks

提示频率

平台最大频率建议频率
iOS每 365 天 3 次(由 Apple 强制执行)每个版本 1–2 次
Android无硬性限制(Google 会限制频率)每位用户每 30 天 1 次

绝不要在同一会话中显示提示两次。

输出格式

评分策略计划
Current rating: [X.X] ★  ([N] ratings)
Platform: iOS / Android / Both

Success moments identified:
1. [Event name] — fires when [condition]
2. [Event name] — fires when [condition]

Pre-prompt survey: Yes / No
  If yes: "Are you enjoying [App Name]?" → Yes / Not really

Prompt trigger logic:
  Sessions >= [N]
  Days since install >= [N]
  No crash in last [N] sessions
  [Activation event] completed: yes
  Already rated this version: no

Expected outcome: +[X] stars over [N] weeks

Recovery plan (if rating < 4.0):
  1. [Fix] — ship by [date]
  2. [Reply strategy] — [N] reviews to address
  3. [Prompt campaign] — start [date], target [segment]

相关技能

  • review-management — 回复评价以挽回评分
  • onboarding-optimization — 修复导致 1 星评价的激活问题
  • android-aso — Play 应用内评价 API 背景信息
  • retention-optimization — 活跃用户会给出更好的评分

评论

支持 Markdown