Was wir beim Bau einer automatisierten Plattform für App-Store-Optimierung gelernt haben

Wie eine App gefunden wird, hängt zum Teil an den Worten und Bildern ihres Store-Eintrags. Trotzdem hatten viele unabhängige Entwickler und kleine Studios kein echtes Verfahren, um sie zu verbessern. Für große Anbieter gab es ernstzunehmende Werkzeuge; alle anderen arbeiteten mit gelegentlichen Tabellen und Bauchgefühl.

Die Aufgabe ist außerdem breiter, als sie zunächst aussieht. Sie ordentlich zu erledigen hieß, sechs getrennte Arbeitsschritte zu wiederholen, in jedem Land, das zählte:

TapTimize versuchte, all das in einen einzigen Arbeitsablauf zu pressen. Das Versprechen war nie, dass ein Algorithmus Ihre App besser versteht als Sie. Es war, dass Software genug Belege sammeln und ordnen kann, damit ein kleines Team jede Woche eine ordentliche Entscheidung trifft statt einmal im Jahr.

Was die Leute sahen, war ein Angular-Dashboard. Der schwierige Teil lag dahinter. Store-Seiten und Suchergebnisse mussten Land für Land eingesammelt, in einheitliche Datensätze überführt und oft genug erneut abgefragt werden, um eine lesenswerte Ranking-Historie aufzubauen.

Darunter liefen eine Node.js-API, MongoDB, RabbitMQ und Python-Dienste für die Auswertung, mit Kubernetes und Terraform als Beschreibung der Produktion und einer CI/CD-Kette, die häufige Änderungen weniger beängstigend machte. Das klingt nach viel für ein junges Produkt, und das war es auch. Aber die Arbeit war tatsächlich ein Haufen unabhängiger Aufgaben, von denen jede aus Gründen langsam sein oder scheitern konnte, die nichts mit unserem Code zu tun hatten.

Die Warteschlange machte diese Grenze ehrlich. Die API musste nicht warten, während jedes Keyword in jedem Markt geprüft wurde. Worker konnten es erneut versuchen, getrennt skalieren und Teilergebnisse sichern. Wenn Sie Daten von fremden Diensten sammeln, modellieren Sie das vom ersten Tag an als Aufgaben; es später nachzurüsten ist mühsam.

Eine Position an einem bestimmten Tag ist nur eine Beobachtung. Zum Beleg wird sie, wenn Sie ihr ein Land, eine Sprache, ein Gerät, einen Store, die umliegenden Wettbewerber, die damals aktive Version des Eintrags und das Datum Ihrer letzten Änderung zuordnen können. Ohne das lädt ein Diagramm vor allem zu Geschichten ein, die die Daten nicht tragen.

Das Produkt brauchte deshalb Historie statt Momentaufnahmen. Hielt die Bewegung an? Bewegten sich verwandte Begriffe gemeinsam? Half eine Änderung in einem Land und bewirkte in einem anderen nichts?

Und das Ranking war nie das eigentliche Ziel. Bessere Sichtbarkeit bringt mehr Menschen auf die Seite; Symbol, Screenshots, Bewertungen und die Qualität der App entscheiden über den Rest. Apple und Google machen diese Trennung heute mit Produktseitentests und Store-Listing-Experimenten deutlicher. Gefunden werden und installiert werden hängen zusammen, sind aber verschiedene Probleme.

Mehr Keywords finden, Wettbewerber vergleichen, Rankings sammeln und prüfen, ob ein Titel in die Zeichenbegrenzung passt, sind gute Kandidaten für Automatisierung. Das ist repetitiv, klar umrissen und wird besser, wenn dieselbe Methode konsequent angewandt wird.

Den gesamten Eintrag zu schreiben, ohne dass jemand ihn liest, ist etwas anderes. Ein Modell kann Ihr Vokabular mit dem verbinden, wonach Menschen suchen, aber es weiß nicht, welche Behauptungen stimmen, welcher Nutzen Ihrem Kunden am wichtigsten ist oder welche Formulierung in Brasilien natürlich klingt. Die Fassung, die funktioniert, erzeugt Vorschläge und zeigt die Belege dafür, und lässt dann einen Menschen entscheiden.

Diese Grenze hält Sie auch ehrlich. Eine beliebte Wendung zu wiederholen bringt nichts, wenn die App nicht tut, wonach die Leute gesucht haben. Ein Store-Eintrag hat zwei Publika, das Suchsystem und den Menschen, der über die Installation entscheidet, und eines von beiden zu täuschen hört schnell auf zu funktionieren.

Menschen suchen an verschiedenen Orten unterschiedlich. Zwei Länder können dieselbe Aufgabe mit völlig anderen Worten beschreiben, selbst wenn Ihre Übersetzung tadellos ist. Auch wie umkämpft ein Begriff ist und wie viele danach suchen, ändert sich, sodass etwas Aussichtsloses in einem Markt in einem anderen ein leichter Gewinn sein kann.

TapTimize behandelte jede Sprache als eigenes Optimierungsproblem. Das bedeutete mehr Daten zu sammeln und mehr Texte zu pflegen, verhinderte aber, dass eine englische Keyword-Liste als globale Antwort verkleidet wurde.

Dasselbe gilt für die heutigen Werkzeuge. Apple erlaubt lokalisierte Produktseiten und benutzerdefinierte Seiten für bestimmte Inhalte und Keywords; Google Play unterstützt lokalisierte Einträge und Experimente. Die Mechanik hat sich weiterentwickelt, die brauchbare Gewohnheit nicht: jemanden mit Sprachkenntnis mit Zahlen aus diesem Markt zusammenbringen.

Wir begannen während der Beta abzurechnen. Die Abschlussarbeit von 2018, die das Produkt dokumentiert, verzeichnet monatliche Einnahmen, die bis Ende Mai von rund 500 auf 3.246 US-Dollar stiegen. Kleine, selbst erhobene, ungeprüfte Zahlen, aber genug, um zu zeigen, dass es sich lohnte, für die Lösung zu bezahlen.

Zahlende Kunden stellen völlig andere Fragen als interessierte Tester. Wie aktuell sind diese Daten? Warum fehlt mein Markt? Warum sollte ich dieser Empfehlung trauen? Spart mir das genug Zeit, um die Rechnung zu rechtfertigen? Dieser Druck machte aus einem cleveren Algorithmus etwas, das einem Unternehmen ähnelte.

Kunden nenne ich hier nicht. Übertragbar ist die Gewohnheit: messen, was passiert ist, sagen, woher die Zahl stammt, und nie ein gutes Ergebnis als Prognose ausgeben.

TapTimize wandte sich später von den App-Stores ab und einem schlichteren Werkzeug für Web-Rankings zu und wurde schließlich eingestellt. Ein Rückblick sollte das einfach sagen. Software kann ein echtes Problem lösen, Menschen finden, die dafür zahlen, und trotzdem nicht das Unternehmen werden, das die Gründer wollten, oder ein Markt, der es trägt.

Geblieben ist die vollständige Schleife: eine schwammige Marketingpraxis nehmen, sie in Aufgaben verwandeln, die eine Maschine erledigen kann, das System zum Sammeln und Auswerten bauen, dafür Geld verlangen, den Zahlenden zuhören und die Richtung ändern, wenn die ursprüngliche Form keinen Sinn mehr ergibt.

Wenn Sie heute etwas Datenlastiges bauen, ist das der Teil zum Mitnehmen. Ein Dashboard lässt sich neu zeichnen. Herauszufinden, welche Belege Ihr Kunde wirklich braucht, sie verlässlich zu sammeln und ehrlich zu sagen, wo die Automatisierung aufhört, ist die schwierigere Fähigkeit.