很多用戶對 Google Play Similar Apps 的優化很感興趣，Adexpress 在最近做了一次測試，今天我們把它分享給大家，帶大家深入鉆研社交類 App 與Similar Apps 的相關數據，并總結出 Google Play平臺影響進入 Similar Apps 的八大可能因素。

登錄 Google Play Store，打開任意 app 并下拉到底部，你能夠看見三大板塊：“Similar Apps” 、“You Might Also Like”以及“Recommended for You”。其中 Similar Apps 就是谷歌基于算法為用戶推薦的與該原始 app 相似的應用程序。如下圖，以某社交 app 為例，Google 為用戶推薦了相似的幾款即時聊天應用。

AdExpress 大數據分析專家張天生對 Google Play 上總計 23689 個社交類 app 追蹤分析，總結出 Google Play 平臺影響進入 Similar Apps 的八大可能因素，其中推薦 app 平均個數為 10，最少個數為 1，最大個數為 49，中位數為 3。（注：由于只追蹤了推薦 app 的首頁，推薦 app 的最大個數實際上會大于 49。）

推薦 app 個數分布圖

該推薦 app 個數分布圖中，y 軸代表 app 個數，x 軸代表這些 app 的 Similar Apps 推薦應用個數，從中可以發現大部分 app 推薦的 app 個數不超過 5 個。

因素二：分類

Similar Apps 中不同分類個數的 App 數統計

上圖中，0 表示推薦的 app 全都是同一分類，1 表示有 1 個不同分類的 app，其它依次類推。

從圖表中可以看出，Google Play 基本上推薦的為同分類的 app。

推薦的 app 分類統計

由于 AdExpress 技術團隊追蹤分析的是社交類 app 的數據，Similar Apps 推薦的基本上也是社交類下的 app，其次是通訊類下的 app，由于字面上相似度很高，被推薦也是正常的。

因素三：排名

推薦的 app 排名分布情況

如圖所示，601- 表示排名榜單 600 以外的 app。由此可以看出，推薦榜單 600 中的 app 極少，基本上推薦的是榜單以外的 app。

Google Play 的這種策略可能是為了平衡整個應用生態，為排名靠后的 app 提供引流渠道。

因素四：評分

上邊的數據圖中，左圖為 app 自己的評分分布，右圖為推薦列表中 app 評分中位數的分布。

可以看出，這兩個分布的形狀很相似，從統計意義上基本可以判斷推薦列表中 app 的評分和 app 本身的評分是正相關的，因此，Google Play 傾向于推薦評分旗鼓相當的 app。

因素五：評分與評論數

但單只考慮評分因素并不很嚴謹。基于因素五的分析，為了進一步證實結論，AdExpress 技術團隊又結合評分和評論數兩個因素深入研究。

考慮總加星數=平均評分*評價數，繪制加星數分布圖

總加星數定義為“平均評分*評價數”。

以上數據中左圖為 app 加星數分布，右圖為推薦列表加星數分布，1 表示加星數 10，2 表示 100，以此類推?？梢钥闯?，app 本身加星數最多是在 100-10000 范圍內，推薦列表最多是在 1000-100000。由此可知：Google Play 會推薦總加星數盡量多的 app。

因素六：安裝次數

這兩張圖表的 x 軸和 y 軸分別代表 app/similar apps 的安裝次數，以及 app/similar apps 個數。

從圖中可以看出，app 本身安裝次數多集中在 100-50000，而推薦 app 安裝次數多集中在 1000-500000，顯然推薦的 app 安裝次數有大于原始 app 安裝次數的趨勢。

此外，AdExpress 技術團隊還通過繪制折線圖，對比原 app 安裝次數與推薦 app 安裝次數最小值、中位數、最大值驗證結論。由于 app 安裝次數是一個范圍值，我們把它映射成分類數值，如 1-5,5-10,10-50…分別映射成 1,2,3…，而且為了使結論更有說服力，我們隨機選取 200 個 app，繪圖如下：

由于共追蹤分析了 2 萬多 app，為方便分析，技術人員將 app 按序列號進行排序，因此上述三圖的 x 軸代表的是 app 序號，y 軸代表下載量。

第一張圖是和推薦 app 安裝次數最小值的比照，原 app 稍微高于最小值；第二張圖是和推薦 app 安裝次數中位數的比照，明顯中位數已經高于原 app；第三張圖是和推薦 app 安裝次數最大值的比照，明顯最大值已高過原 app 太多——再次論證了推薦的 app 安裝次數普遍高于原 app 這一結論。

因素七：標題與描述

上圖橫坐標代表的是排行 Top 600 的應用程序中 app 與 similar apps 的相似度，縱坐標表示的是符合這一相似度的 app 個數。此外，紅色部分為 app 與 similar apps 標題描述相似度的中位數分布，藍色部分為 app 與隨機選取 apps 標題描述相似度的中位數分布?？梢钥闯?，隨機選取的 apps 相似度普遍小于 0.3，相似度較低；similar apps 相似度有一部分超過 0.3，也有一大部分低于 0.3，經過分析原因是推薦列表中存在不同語言的 app，不同語言的 app 標題描述計算的相似度為 0。

所以，Google Play 在推薦 app 的時候，標題描述的相似度是一個很重要的因素。

因素八：相同開發者

這一節主要考慮 Similar Apps 中會不會推薦同一開發者的 app，也就是統計推薦列表中推薦了相同開發者 app 個數的分布情況，如圖一（x 軸：app 個數，y 軸：推薦列表中相同開發者的 app 個數）；又繪制推薦的相同開發者的 app 相似度直方圖，如圖二（橫坐標代表相似度）：

由第一張圖可知，Similar Apps 中會推薦小部分同一開發者同類的 app，大部分 app 不被推薦的可能原因是：1）不同類；2）app 相似度低；3）此開發者沒有其它 app。由第二張圖可知，推薦的同一開發者的 app 相似度很高，有一半出現在 0 左右主要是因為語言的原因；這說明 Google Play 會優先推薦相同開發者同類下相似度高的 app。

 結 論 

Google Play 在推薦社交類 Similar Apps 時，會被 app 推薦個數、類別、排名、評分與評論數、安裝次數及標題與描述所影響。根據上述數據分析，我們可以得出以下結論：

1）大部分 app 推薦的 app 個數不超過 5 個；

2）Google Play 基本上推薦的為同分類的 app；

3）為了平衡整個應用生態、為排名靠后的 app 提供引流渠道，Google Play 基本上推薦的是榜單以外的 app；

4）Google Play 傾向于推薦評分旗鼓相當的 app；

5）Google Play 會推薦平均評分*評價總數更多的 app；

6）Google Play 在推薦 app 的時候，標題描述的相似度是一個很重要的因素；

7）Google Play 會優先推薦相同開發者同類下相似度高的 app；

8）對于 app 開發者來說，推薦的 app 安裝次數有大于原始 app 安裝次數的趨勢。