AppTweakの推定値について：データサイエンスチームによる解説
by Toru Hirose
Head of Japan
— 2 分の読了時間
アプリストアマーケティング業界のパイオニアとして、AppTweakは10年以上にわたり、さまざまなカテゴリや国から数億にも及ぶデータポイントを蓄積してきました。
この膨大なデータプールを活用し、弊社のデータサイエンスチームは、App StoreやGoogle Playにおけるアプリのダウンロード数と収益を推定するアルゴリズムを開発しました。
本ブログでは、AppTweakのデータサイエンスチームが用いる手法や、Market Intelligenceから得たインサイトを活用して、最も正確なアプリダウンロード数と収益の推定をどのように算出しているかをご紹介します。
アプリのダウンロード数に影響を与える要因
AppTweakのデータの詳細に入る前に、アプリのダウンロード数に深く関連する2つの主要な要素をご紹介します。それは「カテゴリランキング」と「季節性」です。
アプリダウンロード数とカテゴリランキング
1つ目はアプリのカテゴリランキングです。弊社が実施した2020年の調査によると、アプリのカテゴリ内ランキングと、その日ごとのダウンロード数には非常に強い相関があることがわかりました。通常、アプリが1日で獲得するダウンロード数は、数日間にわたりそのカテゴリランキングに直接的な影響を与えます。
もちろん、各カテゴリにはそれぞれ異なる競争レベルがあります。たとえば、「ゲーム」カテゴリのトップ10アプリは、「ツール」カテゴリのトップ10アプリに比べて、1日に獲得するダウンロード数が大幅に多くなります。この違いは、App StoreとGoogle Playの両方で、ダウンロード数や収益の推移を比較することで明確に確認できます。
この違いを把握することが、カテゴリ別の競争環境を理解し、最適な戦略を立てる上で不可欠です。特に競争の激しいカテゴリでは、より高度なキーワード戦略やクリエイティブの最適化が必要となる場合があります。
これは国ごとでも同様に当てはまります。たとえば、App Storeではアメリカが圧倒的に競争の激しい市場であり、Google Playではインドが最も競争の激しい市場として挙げられます。実際に、これらの国でトップポジションにランクインするためには、他の国に比べてゲームアプリでより多くの1日あたりのダウンロード数が必要です。
10年以上にわたるアプリストアデータを基に、ダウンロード数と収益を推定するディープラーニングモデルを開発したことで、弊社のデータサイエンスチームは各カテゴリおよび国の競争レベルを計算することに成功しました。このモデルにより、特定の国やカテゴリでトップチャートにランクインするために必要な1日あたりのダウンロード数を正確に推定できます。
アプリダウンロード数と季節性
アプリのダウンロード数に影響を与えるもう一つの要因は季節性です。季節ごとのイベントは、モバイルアプリのダウンロード数に大きな影響を与える可能性があります。以下、いくつかの具体例をご紹介します。
AppTweakは、Phiture社のアプリデータ提供元として選ばれました。詳細は、このブログをご参照ください。
スポーツのアプリでは、各国で人気のスポーツイベントに合わせてダウンロード数が変動する傾向があります。たとえば、アメリカではNFLシーズンが始まる9月にダウンロード数が45％増加するのに対し、インドではクリケットのインディアン・プレミアリーグが開催される4月に52％の増加が見られます。
旅行カテゴリの年間トレンドを国ごとに比較すると、北半球と南半球ではダウンロードの傾向が異なることが分かります。アメリカやイギリスでは、夏（6月から9月）に旅行アプリのダウンロード数が増加する傾向があります。一方、ブラジルでは、南半球の夏である10月から1月にかけて、トラフィックの増加が見られます。
季節性の影響は、1週間の中でも確認できます。以下に、平日と週末でダウンロードの傾向が異なるアプリカテゴリの例をご紹介します。
モバイルゲームアプリは予想通り、週末にダウンロード数が増加する一方、ビジネスアプリは平日に多くダウンロードされる傾向があります。
もう一つの例として、スポーツアプリと健康＆フィットネスアプリが挙げられます。健康＆フィットネスアプリは週の始めにトラフィックがピークを迎える傾向があるのに対し、スポーツアプリは通常、週末にダウンロード数が増加します。
ディープラーニングを活用したデータサイエンスの精度向上
これまでご紹介した例とそれらの数値に基づくデータサイエンスをより深く理解するために、弊社のデータサイエンスチームの責任者であるJonathan Frischに、チームが使用する手法とアルゴリズムについて説明してもらいました：
アプリストアマーケティング分野のパイオニアとして、iPhone、iPad、Androidの各ストアや国で、アプリが毎日獲得するダウンロード数を推定するためにディープラーニングを活用することが重要でした。
ディープラーニングを使用する大きな利点の一つは、(1) 複数の国をまたいだ分析と (2) 複数のカテゴリを横断した分析が可能なモデルを構築できることです。このモデルは、各国やカテゴリ間の関係性を正確に学び理解することで、世界中の異なるカテゴリのデータを活用し、特定のアプリの全体的なダウンロード数を推定する能力を持っています。
各デバイスおよびアプリタイプごとに、AppTweakと接続された数千のアプリから収集したデータをディープラーニングモデルに入力しています。各アプリについて、毎日以下に関連する特徴を捉えています：
- アプリのカテゴリランキング
- 日付（季節性）
- 国
これらの特徴をアプリが1日で獲得するダウンロード数に関連付けることで、モデルはそれぞれの特徴とダウンロード数の間にある最も重要な関係を学習できるようにします。
この手法により、たとえばクリスマスが異なるカテゴリ・国に与える影響や、ダウンロード数の競争レベルが似ている国を特定する、といった独自のインサイトを得ることができます。
Atlas AIの詳細については、こちらのブログをご覧ください。
休暇やホリデーシーズンにおけるアプリの季節性トレンドについては、こちらをご覧ください。
モデルがこれらの関係性を深く理解した段階で、データが存在しないアプリについても、どのカテゴリ、どの国、過去のどの時点であってもダウンロード数を予測できるようになります。学習プロセス中に追跡した多くの指標のおかげで、このモデルは非常に高い精度でアプリのダウンロード数を推定できると確信しています。
推定値の具体的な例
弊社のアルゴリズムは、季節性や特定のイベントがアプリのダウンロード数に与える影響を捉えることができます。ディープラーニングのアルゴリズムを活用することで、これらの影響をより詳細に把握できます。たとえば、2020年のコロナのロックダウンやクリスマス休暇のようなイベントは、特定の国や特定のアプリに限定して影響を与える場合があります。弊社のモデルは、こうしたイベントの影響を非常に細かいレベルで、かつ必要な場合のみ正確に捉えることが可能です。
例えば、クリスマスが季節的に大きな影響を与える国では、クリスマス期間中に利用やダウンロード数が増加するアプリを観察すると、同じカテゴリ内でも12月25日にランキング1位のアプリが、11月25日にランキング1位のアプリよりもはるかに多くのダウンロード数を獲得することがわかります。
また具体例として、英国のエンターテインメントカテゴリにおけるトップチャートを比較しました。このカテゴリのアプリは、クリスマスの時期にダウンロード数が増加する傾向があります。TikTokを例にとると、2023年11月25日に3位、12月25日には5位にランクインしていました。
ただTikTokの1日あたりのダウンロード数を見ると、12月の方が、大幅にダウンロード数が増加していることが推測されます。
もう一つの例として、2020年上半期のコロナでのロックダウンが挙げられます。この期間中、アメリカで特に大きな影響を受けたアプリを2つご紹介します。
1つ目は旅行アプリ「TripAdvisor」で、ロックダウン中に1日あたりのダウンロード数が大幅に減少しました。
2つ目はビジネスアプリ「Zoom」で、同じ期間中にダウンロード数が増加しました。
大規模なデータ基盤に基づく推定
前述の通り、正確なダウンロード数および収益の推定値を提供できるのは、長年にわたって蓄積してきた膨大なモバイルアプリデータ基盤のおかげです。
弊社のモデルは、世界中のアプリデータを活用して、各国ごとの推定値を計算します。たとえば、ベトナムで金融アプリが獲得するダウンロード数を予測する際には、ベトナムのデータだけでなく、世界中の金融アプリに関するデータも活用して推定精度を高めています。
また、AppTweakとデータ連携を実施するユーザーが増えることでデータ基盤が大幅に拡大しており、これらのデータはアルゴリズムに継続的に取り込まれ、モデルがさらに改善されていきます。
まとめ
- アプリのダウンロード数とカテゴリランキングは密接に関連しています：アプリのカテゴリランキングは、そのアプリが1日に獲得しているダウンロード数を示す重要な指標です。ただし、カテゴリや国によって競争レベルは異なるため、それらを考慮する必要があります。
- 季節性と特定のイベントによる影響：季節性や特定のイベントは、アプリのダウンロード数に大きな影響を与える可能性があります。これらの影響は、アプリの種類、国、イベント自体によって異なります。AppTweakの推定モデルは、これらの微妙な違いを正確に捉えることができます。
- 10年以上にわたる膨大なモバイルデータを活用：AppTweakのモデルは、過去10年以上にわたって蓄積された膨大なデータを活用しています。このデータセットはAppTweakとともに成長を続けており、推定精度の向上に貢献しています。
App StoreとGoogle Playのアプリの正確なダウンロード推定値をAppTweakでぜひご確認ください。
More articles in AppTweak製品リリース
Rina Yoshida
Antoine Bentin
Alix Carman
