关键词的搜索量是多少？这个是ASO中最基础的数据，如果没有这个，ASO就无从谈起。但目前Appstore是不提供关键词搜索量的。目前Itunes的统计后台只有app展示数和app的下载/购买数，如下图所示：
有文章分析说，Itunes的统计后台后续可能会给出每个下载的refer来源，这样就有可能推断出搜索量。 但目前只能通过和搜索量相关的一些数据进行估算。 国外有文章总结出一些相关的数据源，数据准确度用1到5表示，1为最不准确，5表示最准确：
Google trends: 1 Google keyword planner tool: 2 Google adwords keywords suggestion: 2.5 App store auto fill: 4 ASO tools: 3
其中Google trends类似于百度指数。Google keyword/adwords工具，类似于百度搜索广告后台，可以查到关键词的日均搜索量。而最准确的还是Appstore auto fill(搜索提示)，这个数据源会给每个关键词赋一个priority值，这个就是国内常说的搜索热度，值的区间为0到11000。
但热度显然不是真正的搜索量，而是根据日均搜索量换算成的一个数值。利用搜索热度，结合一些具体的实例，基本就能完成选词工作。但如果需要做更细致的分析，例如看一个词能具体带来多少下载量，仅凭热度是无法做到的，这就需要我们获取真实的搜索量数据。
本文就大致讲一下，appbk是如何找到搜索热度值和搜索量之间对应关系的。
4605 = 每天搜索1次
齐普夫定律(zip’f law)是词频统计的一般规律,其大致意思是，大规模的搜索日志等文本中，有约50%的词只会出现1次。这个定律描述的是人类语言的一般规律，不管是中文，还是英语等等，都符合这个规律。当然，50%这个数值对应比较正规的文本数据。一般而言，出现1次的词占所有词的比例可能在20%-70%之间，但一定是比例最大的。
由于搜索热度值与搜索次数是一一对应的，那么如果有个热度值对应的词数，占全部词数的比例最大，那么这个热度，对应的搜索次数就是1.
根据实际经验，每天有搜索的词，热度值至少应该大于100。因为热度值小于100的词，基本都是一些没有任何评论的app名称，或者一些非常长的词。根据对所有搜索词热度值的统计，热度值大于100的关键词约有21万。其中热度值为4605的词最多，有5.8万个，比例约为28%； 而占比第2的是热度值为4606的词，只有9000个，占4%。4605热度值的词远超过其它热度对应的词个数，因此可以认为，4605热度值对应搜索次数为1。当然，28%这个数据也表明Appstore的长尾词比例比其他平台要多一些。
根据下载量估计搜索量
苹果的统计系统中，核心数据主要就是app内容页展示量和真实下载量，由于展示量来源没有给出，这个数据价值较小，我们主要使用下载量数据。
大致的idea，就是app下载量是已知的，那么大致有65%的下载是搜索带来的，而一个App的下载量，大部分都是由其热度最高，排名第一的这个词带来的，利用这个过程，就可以大致估算这个热度最高的词，对应的搜索量是多少。
简单的例子，比如“App运营助手”这个应用， 一天1000个下载，而覆盖的搜索词中，“运营助手”热度为6000，这个app排名第一，其它搜索词热度都很低。 估算流程大致如下：
1、1000个下载中，600个下载是搜索带来的。 2、600个搜索下载，需要1200个搜索量。也就是说搜索/下载转化率为50%。 3、1200个搜索量 都来自于 “运营助手”这个词，其热度为6000。 4、得出结论： 6000的热度对应1200的日均搜索量。
具体的假设会更细致一些，具体如下：
1、App的下载，有50%到100%的下载来源于搜索，官方给出的数据是65%。但考虑到大部分App是上不了top150榜单的，只能通过搜索来获得，而榜单上的App，特别是头部的，来自榜单的下载比例显然会更大一些。
2、搜索到下载的转化率，按照2:1到4:1计算，就是2到4次搜索，就能产生一次下载。这个比例来源于一些安卓市场的统计，因为appstore没有一手数据，暂时只能按照这个比例计算，其中行业词的转化率会低一些，品牌词会高一些。
3、搜索量都对应到app热度最高、排名第一的一个搜索词。如果有多个热度差不多的词，均分搜索量。
我们的下载量数据，主要来源于贵士移动的一些公开报告，结合一些我们合作伙伴的数据。一些代表性数据如下所示：
上表中，如“CCTV5”等下载量数据，和我们估计的趋势不太一致，我们暂时不考虑这些数据。这些App可能是直接下载的量较大，搜索比例较少。而如“途牛旅游”这app，我们考虑的是“途牛”这个词，其热度为8801，而不是“途牛旅游”，热度7177。
我们根据上述假设，结合我们一些实际冲排名的经验。我们采用数据拟合的方法，得到热度值和搜索量的对应关系。一些典型的热度度值对应的搜索量如下表所示：
rank表示热度，qv表示日均搜索量，则：
4605<rank<5000 时， qv = rank – 4604rank>5000时， qv = 2.5*e^(0.001*rank)
目前还在找一些CP来验证这个推断是否靠谱，有兴趣的童靴，也可以给我们分享一些例子，共同完善这个推论。我们近期也会在APPBK “关键词/aso” 页面中，展示每个词带来的搜索量估计。
后续还有可能有一个数据来源，就是等到苹果搜索广告上线，也可能给出一些搜索词的真实搜索量，我们也会第一时间抓取相关的数据。
ETHTREE
U466053982
