如何用python 10倍提升ASO效率

最近两篇文章的增粉数量，比我过去一年都多，感谢各位朋友的转发和推荐，无以为报，只能加快更新干货的速度。

顺祝各位朋友圣诞快乐！

传统的ASO流程，大致分为以下几步：

1、挖词。

按照品牌词-关联词-竞品词-竞品关键词的思路发掘理想的高相关性关键词。

2、选词。

选择低竞争度，高搜索量的搜索词作为核心，比如搜索量为4605（iOS中4605相当于百度的搜索量为1）到5500。

3、筛词，上传。

根据以上关键词，手工筛选出ASO所需300个关键词字符，每个本地化渠道可以上传100字符（简体中文、英文（英国）、英文（澳大利亚）），以上3个渠道是对中文ASO覆盖数有效的本地化渠道。

流程上没什么问题，但是效率很慢，曾经看过一篇文章叫8小时完成ASO优化，如果会一点点python，可能这个时间，会缩短到1小时。

使用python后的ASO流程：

1、挖词。

以教育榜为例，导出七麦数据中top10 APP所有ASO关键词数据，如图所示，比如驾考、小说、彩票、吉他其实不属于目标APP，予以排除，优先处理其他APP的ASO数据。

2、词频统计。

以英语流利说APP为例，导出词库数据。

利用词频脚本进行词频筛选和导出，结果如下：

3、筛词。

词频进行排列组合和去重操作，组成最终关键字符。

4、重复以上导词动作，聚合到一个xlsx格式的文件中，统一进行词频统计操作。

5、上传到App Store，过程，略。

本篇词频统计python脚本分享：

注意：

1>需要通过pip命令安装xlrd、jieba、pandas三个库。

2>需要手动建立“原始词库.xlsx”这个文件，并且只将关键词这一列数据放入文件中，保存后关闭，再执行python脚本，才能正常生成“输出词频.xlsx”文件。

3>此脚本除了用于做ASO以外，还可以用作各种词频分析，是一个宝藏级的脚本。

#! /usr/bin/env python

# -*- coding: utf-8 -*-

importxlrd

importjieba

importpandasaspd

# ### 写入文件地址

# * 创建一个空字典

file_path='原始词库.xlsx'

word_dict={}

# ### 打开文件

# * 按照index进行读取数据

book = xlrd.open_workbook(file_path)

sheet= book.sheet_by_index()

rows = sheet.nrows

# ### 按行读取数据，并使用jieba进行分词

# * 将分词结果通过循环写入字典

forrowinrange(1,rows):

values = sheet.row_values(row)

jieba_texts=list(jieba.cut_for_search(values[]))

foriteminjieba_texts:

ifitemnot inword_dict:

word_dict[item]=1

else:

word_dict[item]+=1

# ### 将字典转化为dataframe并进行行列转置

# * 最后利用pandas写入excel

df=pd.DataFrame(word_dict,index=[1])

df=df.stack()

df.to_excel('输出词频.xlsx')

END

薄荷SEO

ID：boheseo