APP推广之如何玩转应用市场（首发，活动，换量，广告） - 白鲸社区
应用商店是App的流量入口，相信对于大多数App，50%以上的流量来自于应用商店。那么作为App的推广者，就该把50%以上的精力，花在应用商店的资源挖掘上。以下就站在应用市场渠道角度，针对cp应该如何挖掘应用商店的资源，来发表一些看法和建议。庖丁解牛，是因为对牛体的组织结构了若指掌，所以做到了游刃有余。我们不妨也用解剖的思维，来分解应用商店的资源，从而做到各项突破。对于当前绝大多数应用市场，无论是精品、排行、分类等频道，均可大致分解为几个区：广告售卖区、换量资源区、特殊合作区（首发、特权、专题、活动等）、编辑推荐区以及经常被人忽略但是潜力巨大的系统自动推荐区了。
举个例子：某应用市场的首页精选和排行频道，TOP5位置为广告售卖区，TOP5-10为换量资源区，TOP10-15为编辑推荐区，其余的为系统自动推荐区了。
广告售卖区：
顾名思义，即需要购买广告才能得到展示的区域。如果你手头上刚好有宽裕的推广费用，不用犹豫，直接购买应用市场的广告吧。应用商店广告购买形式主要有CPA、CPC、CPT、CPD几种。其中当前最主流且最有优化操作空间的，就是CPT了。请注意，购买CPT绝对不是简单的花钱，做好精心布局，绝对可以做到少花钱，多捞量。我们可以从排期和位置两块去做优化：
1、排期上
作为App的推广者，必须明确自己一周或者一个月中的新增曲线。对于大多数App而言，周五周六周天三天的新增普遍高于其他天数；节假日新增也普遍高于普通日；还有一个被很多人忽略的神奇规律，就是月初效应--月初月末那几天的新增会比月中的时候新增高。根据自己App的新增曲线来预测出自己新增的高点排期，就是比较理想的广告排期了。剩下的，就是怎么让应用商店的广告接口人对接你排期需求的问题了。这是另一门学问，这边不提。
2、位置上
想揭露一个事实，用户在应用商店中，最大的行为是搜索，占到百分之五十的流量。其次是首页、接着是排行、再次是分类。故热搜词（就是点击搜索框，系统下拉的几个搜索词）是一个性价比非常高的位置，甚至比量大但是价高的首页精选的位置性价比还高。
换量资源区：
通过跟应用市场换量能获得的位置。随着各大应用市场商业化越来越厉害，这类资源区会比广告售卖区来得少。但是换量资源区有其优势。一方面对接的换量商务有比较主观的位置决定权（在规则范围内），另一方面换量可能有广告买不到的资源，比如装机必备、一键装机（就是刚下载应用市场就推送给用户下载的一批应用名单）等。当然这些核心的资源不是随便给的，最优质的资源肯定是导给最给力的换量合作方。换量商务一直秉承的口号是;只要有量，就没有底线。
以下顺便说几个App给应用市场（或者其他App）导量的合作形式：
1、正常的推荐
如banner、文字链、软件墙、feed流等推荐合作。积分墙、（性）诱惑引导下载等作弊形式不谈。
2、产品端的智能捆绑升级合作
智能升级的概念为App升级的时候，只需要下载新版本中更新的部分，即可完成App升级。特点为省流量更新，对于美图秀秀等此类动则几十M大小的App来说，升级时的用户体验提升一个档次。智能捆绑升级合作则是在App自发的更新提示框中，新增一个省流量升级的按钮。当用户点击该按钮的时候会自动安装一个精简版（可做到1M左右）的应用市场客户端，再自动完成智能升级。此过程中，对于用户而言，节省了流量；对于App而言，可节省用户升级的流量及时间，增加了用户体验。另外还可以给应用市场带来可观的量，应用市场通过换量返还相应的资源给App。是一种非常有效的带量方式。当然，对于普通cp跟cp之间的合作，可以直接升级相互捆绑。还是那个话题，只要有量，节操下限是什么？
3、引导页合作
App升级到新版的时候，一般会有几个引导页来引导用户新版本更新了哪些功能点。选择在某一个引导页中放置推荐App的banner及下载链接，从而达到帮换量合作方导量的目的。
4、PC端倒流到移动端捆绑合作
举例个应用场景：用户在PC端打开某软件，当检查到智能机接入到PC的时候，引导用户安装其手机端，从而实现PC端流量向移动端快速转移的目的。该过程需要处理好各种型号手机的接入识别等技术问题。要解决该问题需要投入较大的人力物力及时间成本，故建议找应用商店合作来解决该问题。
特殊合作区
指的是一些非常规的或者免费的合作：
1、首发
首发是少有的免费的资源合作，按应用商店的怎么要求怎么做就行。这边除了打好首发商务的关系外，再提两个建议。一为需提前申请，并让技术留足时间让产品上线。之前一些CP会有已到首发时间但是产品却还没上线，然后要求改期的情况。要解决这种情况，协调起来很费劲，应尽量避免。另一个建议是多找几个应用商店联合首发，争取免费资源最大化。
2、活动
节假日给应用商店一些赞助，以获取资源推荐的合作形式。活动有风险，合作需谨慎。建议权衡下应用商店的资源付出以及己方提供的赞助额度，再考虑合作。
3、专题
免费，多为运营编辑主观推荐，带量效果一般。可向应用市场的对接商务主动申请。
4、特权
将特权内容供给某个（些）应用商店以获取其推荐的形式。比较鸡肋的一个合作形式。给了某个应用商店特权就相当于站队了，不合适吧？
编辑推荐区：
该区域编辑可主观推荐。你懂的。
系统自动推荐区：
除了人工排期之外的位置，均属于该区，该区的推荐由系统根据一套算法，自动填充应用的推荐。该算法不公开，但是算法中最为依据的几个因素无非是：下载量、推荐星级、评论等。
1、下载量
某些如排行、时下热门及分类热门等频道，一个周期内的下载量为填充推荐位排序算法中的最重要元素。所以才会有前赴后继的cp在各大应用商店刷下载量。本人不是很推荐这种刷下载量的做法，毕竟如果被抓，下载量可是直接清零，甚至半年内不能再上架。这边透露一个安全的能快速提高下架量的方法：对于大多数应用商店，用户更新的下载量也并入总下载量。建议CP推广商务可以适当地引导开发技术，加快发版周期，以提高己方产品在应用商店的下载量。
2、推荐星级
如果说下载量关乎系统自动推荐区的展示流量，那么推荐星级，绝对可以影响从展示流量到实际点击下载的转化率。由于大多数商店的推荐星级，是运营编辑可以主观调改，所以CP推广商务们不要犹豫，想尽办法去把推荐星级提高吧。
3、评论
评论不但具有跟推荐星级一样的可影响从展示流量到实际点击下载的转化率的功能外，还是一个非常适合收集自己产品反馈的地方。其实各大应用商店的cp的评论一般都较少，而且也没听过哪家CP因为刷评论优化而被惩罚。所以本人的建议是这么个工作量小、又安全又重要的参数，不刷白不刷！嘘~
oxf1/myspider · GitHub
- 用户友好,一个管控界面解决全部问题
- 新站点抓取无需重新部署
- 天生分布式。支持集群动态扩、缩容
- 精准解析。解析脚本化，支持Groovy, Javascript, python
- 支持的去重方式：redis, mongodb, ehcache, 内存
- 支持的队列： redis, mongodb(可靠抓取), ehcache, 内存
- 支持伪分布式：一台机器模拟集群。
- 支持大集群虚拟分组功能：隔离故障，降低维护成本。
- 模块化：方便地使用脚本在运行时控制proxy，http header, url
- 直接对接maven库，让部署新任务自动化、规范化
- 分布式自动调度：无论单机还是多机都提供可靠的调度。不重复，不遗漏。
- 提供低资源占用的js动态渲染解决方案：抓取ajax内容从此简单。
- 增量抓取功能：新闻，股票，竞品数据...
- 多页面数据合并功能：一条完整数据横跨几个页面?没关系！
- 分页抓取功能，毫无乱序。
- 提供辅助功能，利用机器学习实现无解析化抓取（实验特性）
- 提供多种数据持久化策略：无论您想直接保存在db，还是希望实时处理，想要的都可以满足。
- 登录：你懂的。
- 验证码破解服务：你懂的，不罗嗦。
- 提供多种变幻莫测的代理策略：当然你只需要管控界面上动动鼠标。
- 解析太头疼？看看解析工具里的武器。表格，列表只需一条语句。
- OCR太深奥？我都给你包好了，绝不放过任何一条数据。
karussell/snacktory · GitHub
Java正文抽取工具:
https://code.google.com/p/cx-extractor/
Snacktory
This is a small helper utility for people who don't want to write yet another java clone of Readability. In most cases, this is applied to articles, although it should work for any website to find its major area, extract its text, keywords, its main picture and more.
The resulting quality is high, even paper.li uses the core of snacktory. Also have a look into this article, it describes a news aggregator service which uses snacktory. But jetslide is no longer online.
Snacktory borrows some ideas and a lot of test cases from goose and jreadability: