Kulcsszóoptimalizálás — kulcsszavak gyűjtésének módszerei és lekérdezések elemzése

Mi a Keyword Optimization az ASO-ban?

Keyword Optimization (kulcsszóoptimalizálás) — azoknak a lekérdezéseknek a meghatározásának folyamata, amelyekkel a potenciális felhasználók alkalmazásokat keresnek egy kategóriában, és ezeknek a lekérdezéseknek a beillesztése az alkalmazás oldalának metaadataiba. A cél az alkalmazás láthatóságának maximalizálása a releváns lekérdezések keresési találataiban.

Ellentétben a SEO-val, ahol a szemantikai mag több ezer lekérdezést tartalmazhat, az ASO-ban a rendelkezésre álló kulcsszavak száma korlátozott. Az App Store-ban a keywords mező maximális mérete 100 karakter, a Google Play-ben a leírás teljes szövege (akár 4000 karakter) indexelődik, de a kulcsszavak sűrűsége nem haladhatja meg a természetes 2–3%-ot.

Az App Radar (2025) jelentése szerint azok az alkalmazások, amelyek szisztematikus megközelítést alkalmaznak a Keyword Optimization-hoz, átlagosan 40%-kal több pozíciót foglalnak el a keresési találatok top-10-ében azokhoz az alkalmazásokhoz képest, amelyek előzetes kutatás nélkül töltik ki a metaadatokat. A különbség különösen a magas versenyű kategóriákban, mint a Games és a Social, szembetűnő.

A Keyword Optimization szerepe az ASO-stratégiában

A Keyword Optimization az ASO alapja — a megfelelően kiválasztott kulcsszavak nélkül az ASO többi eleme (ikon, képernyőképek, leírás) hatástalanul működik. Ha az alkalmazás nem jelenik meg a célzott lekérdezésekre, az oldal konverziója nem számít — a felhasználók egyszerűen nem találják a terméket. A Sensor Tower (2025) szerint az ASO-optimalizálás utáni telepítésnövekedés 70%-át éppen a kulcsszavak helyes kiválasztása biztosítja.

A kulcsszavakkal való munka folyamatos folyamat, nem egyszeri akció. A keresési trendek változnak, a versenytársak frissítik metaadataikat, az áruházak algoritmusai fejlődnek. A szemantikai mag negyedéves felülvizsgálata az új adatok figyelembevételével — a professzionális ASO-szakemberek szokásos gyakorlata.

Hogyan működnek az App Store és Google Play keresési algoritmusai

A keresési algoritmusok megértése — a hatékony Keyword Optimization kulcsfeltétele. Az App Store és a Google Play alapvetően eltérő megközelítéseket használ a kulcsszavak indexelésére és rangsorolására, és egy stratégiának, amely az egyik áruházban működik, lehet, hogy a másikban semmi haszna.

Az App Store-ban négy mező indexelődik: név (title), alcím (subtitle), rejtett keywords mező és a kiadó neve (seller name). Az alkalmazás leírása, ikonja, képernyőképei és videója nem vesz részt a keresési rangsorolásban. A keywords mező nem látható a felhasználók számára, de az algoritmus teljes mértékben indexeli. A keywords mezőben lévő szavakat vesszővel választják el — a szóközöket figyelmen kívül hagyják.

A Google Play-ben a név, a rövid leírás (legfeljebb 80 karakter) és az alkalmazás teljes leírása indexelődik. Az App Store-hoz hasonló keywords mező nem létezik. A Google algoritmus elemzi a leírás teljes szövegét, figyelembe véve a szavak gyakoriságát, azok szövegben elfoglalt helyét és használati kontextusát. A Google I/O 2024 szerint a Play Store keresése a BERT modellen alapuló szemantikus lekérdezés-értelmezést használ.

Tokenizáció és stemming az áruházak keresésében

Tokenizáció — a szöveg egyes szavakra (tokenekre) bontásának folyamata az indexeléshez. Az App Store automatikusan egyesíti a szavakat a névből, az alcímből és a keywords-ből egyetlen indexbe. Ez azt jelenti, hogy a különböző mezőkből származó szó-kombinációk is részt vesznek a keresésben. Például, ha a névben "Photo Editor" szerepel, a keywords-ben pedig — "filter", az algoritmus megjelenítheti az alkalmazást a "photo filter" lekérdezésre.

A Google Play-ben a stemming lehetővé teszi az alkalmazások megtalálását különböző szóalakokra. A "photo editing" keresésére az algoritmus megtalálja azt az alkalmazást, amelynek leírásában "edit photos" szerepel. Ez csökkenti annak szükségességét, hogy a leírásban az összes lehetséges szóalakot szerepeltessük, és lehetővé teszi, hogy a kulcsfontosságú kifejezésekre összpontosítsunk természetes kontextusban.

Keyword Difficulty: a verseny értékelése egy lekérdezésre

Keyword Difficulty (KD) — egy mutató, amely megmutatja, mennyire nehéz bekerülni a keresési találatok top-10-ébe egy adott lekérdezésre. A KD figyelembe veszi az erre a lekérdezésre optimalizált alkalmazások számát, azok értékelését, a vélemények számát és a telepítések növekedési ütemét. A KD értékek 0-tól (nagyon könnyű) 100-ig (szinte lehetetlen) terjednek.

Új alkalmazásokhoz ajánlott 40 alatti KD-jű lekérdezéseket választani — ezeknél reális a top-10-be kerülés 2–4 héten belül. A 40–60 KD-jű lekérdezések komolyabb erőfeszítéseket és viselkedési jelek (értékelés, vélemények) meglétét igénylik. A 60 feletti KD-jű lekérdezések csak nagy számú telepítéssel és magas értékeléssel rendelkező alkalmazások számára elérhetőek. A Sensor Tower és App Radar eszközök automatikusan kiszámítják a KD-t minden lekérdezésre minden áruházban.

A szemantikai mag gyűjtésének módszerei az alkalmazáshoz

A szemantikai mag gyűjtése — a Keyword Optimization első és legfontosabb szakasza. Az összegyűjtött lekérdezések minőségétől függ, hogy az alkalmazás mennyire releváns forgalmat kap. A célzott lekérdezések maximális lefedettsége érdekében több módszer kombinációját használják.

Az első módszer — az automatikus kiegészítés elemzése az alkalmazásboltokban. Amikor lekérdezést ír be az App Store vagy a Google Play keresőmezőjébe, javaslatok jelennek meg — ezek valódi felhasználói lekérdezések. Az automatikus kiegészítés gyűjtése egy alap lekérdezésre (pl. "photo editor") 10–15 további kulcskifejezést ad. Ajánlott 3–5 alap lekérdezéshez automatikus kiegészítést gyűjteni a kezdeti mag kialakításához.

A második módszer — a versenytársak elemzése. Az ASOdesk vagy MobileAction eszközök segítségével lekérhető a versenytársak által rangsorolt kulcsszavak listája és azok pozíciói. Ez egy hatékony módja a már forgalommal megerősített lekérdezések megtalálásának. Különösen hasznos a célkategória top-10 alkalmazásának elemzése.

import requests
import json

# Példa az App Store keresési javaslatainak gyűjtésére
# az iTunes Search API-n keresztül
base_query = "photo editor"
url = (
    "https://itunes.apple.com/search"
    "?term=" + base_query.replace(" ", "+") +
    "&entity=software&limit=25"
)

response = requests.get(url)
data = response.json()

keywords = []
for app in data["results"]:
    name = app.get("trackName", "")
    if name:
        keywords.append(name.lower())

print(json.dumps({
    "base_query": base_query,
    "found_keywords": list(set(keywords))
}, ensure_ascii=False, indent=2))

Ez a szkript az iTunes Search API-t használja az alkalmazások listájának lekérésére egy alap lekérdezés alapján, és kulcsszavak kinyerésére azok neveiből. Az eredmény segít meghatározni, hogy a versenytársak mely kifejezéseket használják leggyakrabban a nevekben — ezek a szavak nagy valószínűséggel relevánsak a célzott lekérdezéshez.

Trend- és szezonális lekérdezések

Trend lekérdezések — olyan kulcsszavak, amelyek gyakorisága bizonyos időszakokban növekszik. Például a "fitness tracker" lekérdezés januárban éri el népszerűsége csúcsát (Újév után), a "photo editor for Christmas" pedig decemberben. A trendek elemzése lehetővé teszi a metaadatok időszerű frissítését a szezonális kereslethez és további forgalom szerzését a magas verseny időszakaiban.

A trendek nyomon követéséhez Google Trends ("App Store" vagy "Google Play" szűrő) és az App Annie lekérdezés-gyakorisági dinamikára vonatkozó adatai használhatók. Ajánlott a szezonális kulcsszavakat 2–3 héttel a szezon csúcsa előtt hozzáadni a metaadatokhoz — az algoritmusoknak időre van szükségük az újraindezéshez és a pozíciók frissítéséhez.

Negatív kulcsszavak

Az ASO kontextusában a negatív kulcsszavak olyan lekérdezések, amelyekre az alkalmazás nem jelenhet meg, mert nem felelnek meg a termék funkcionalitásának. Például egy ingyenes jegyzetelő alkalmazásnak nem szabad rangsorolnia a "premium notes app" lekérdezésre — a fizetős terméket kereső felhasználók csalódottak lesznek, és negatív véleményt hagynak.

Az App Store-ban nincs közvetlen mechanizmus a kulcsszavak kizárására. A negatív szelekció a nem célzott szavak keywords mezőből való kizárásával valósul meg. A Google Play-ben, ahol a leírás indexelődik, elegendő nem említeni a nem célzott kifejezéseket. Azonban a BERT-alapú szemantikus keresés összekapcsolhat témákat, ezért fontos ellenőrizni az említések kontextusát.

A kulcslekérdezések csoportosítása és rangsorolása

A lekérdezések elsődleges listájának (általában 100–300 kifejezés) összegyűjtése után azokat csoportosítani és rangsorolni kell, mielőtt bekerülnének a metaadatokba. A rangsorolás fő kritériumai: a lekérdezés gyakorisága, Keyword Difficulty, az alkalmazás funkcionalitásához való relevancia és a keresési szándéknak való megfelelés.

A lekérdezések három csoportra oszthatók: High Priority — magas gyakoriság, alacsony/közepes nehézség, magas relevancia; Medium Priority — közepes gyakoriság és nehézség; Long-tail — alacsony gyakoriság, alacsony nehézség, magas specificitás. Egy új alkalmazás stratégiája — a Medium Priority és Long-tail kifejezésekkel kezdeni, fokozatosan áttérve a High Priority-ra, ahogy a viselkedési jelek felhalmozódnak.

Az ASOdesk (2025) adatai szerint az App Store optimális aránya: a keywords mező karaktereinek 30%-a High Priority lekérdezésekre, 40%-a Medium Priority-ra, 30%-a Long-tail-re. A Google Play-ben, ahol több hely van, a felosztás 20/40/40 lehet, a Medium és Long-tail kifejezésekre összpontosítva a kulcsszavak természetes eloszlása érdekében a leírás szövegében.

• Magas gyakoriságú lekérdezések (HF) — havonta több mint 10 000 lekérdezés. Magas verseny, erős viselkedési jeleket igényel.
• Közepes gyakoriságú lekérdezések (MF) — havonta 1 000–10 000 lekérdezés. Optimális forgalom és verseny egyensúlya a legtöbb alkalmazás számára.
• Alacsony gyakoriságú lekérdezések (LF) — havonta kevesebb mint 1 000 lekérdezés. Alacsony verseny, gyors bejutás a topba, magas konverzió.
• Tranzakciós lekérdezések — "vásárlás", "letöltés", "ingyenes" szavakat tartalmaznak. Magas konverzió telepítésre.
• Információs lekérdezések — "hogyan kell csinálni", "mi az". Alacsony konverzió, de bővítik a lefedettséget.

A lekérdezések klaszterezése témák szerint

Klaszterezés — a lekérdezések tematikus klaszterekbe csoportosítása (alkalmazás funkciói, célközönség, használati forgatókönyvek). Például egy fotószerkesztő alkalmazás esetében a klaszterek lehetnek: "szűrők és effektek", "kollázsok", "retusálás", "vágás és forgatás". Minden klaszter egy adott funkciókészletnek felel meg, és segít strukturálni a metaadatokat.

Az App Store-ban a klaszterezés meghatározza a 100 karakteres keywords mező témák közötti elosztását. A Google Play-ben — a leírás struktúráját: minden klaszter kap egy külön bekezdést vagy szakaszt a kulcsszavak természetes beépítésével. Ez a megközelítés javítja a szemantikai relevanciát, és segít az algoritmusoknak pontosabban meghatározni az alkalmazás témáját.

A kulcsszavak elhelyezésének stratégiája a metaadatokban

A kulcsszavak elhelyezésének a metaadatokban egy meghatározott stratégiát kell követnie, amely figyelembe veszi az egyes mezők súlyát a keresési algoritmusokban. Hiba — az összes kulcsszó egyenletes elosztása a mező prioritásának figyelembevétele nélkül: a név maximális súllyal, az alcím közepes, a keywords alap súllyal rendelkezik.

A névben 1–3 legfontosabb kulcsszó szerepel. Ezeknek olvashatónak kell lenniük a felhasználó számára, és természetesen illeszkedniük a márkanévbe. Képlet: [Márka] — [Fő kulcsszó] [Kiegészítő szó]. Például: "SnapEdit — Photo Editor & Filter". Fontos emlékezni a hosszúsági korlátozásokra: 30 karakter az App Store-ban, 50 a Google Play-ben.

Az alcímben (App Store) vagy rövid leírásban (Google Play) további kulcsszavak szerepelnek, amelyek kiterjesztik a név szemantikai lefedettségét. Ez a mező is indexelődik és magas súllyal rendelkezik. Példa: "Retouch, Collage, Crop & Effects". A Google Play-ben a legfeljebb 80 karakteres rövid leírás a név alatt jelenik meg a találatokban, és konverzióorientáltnak kell lennie.

Az App Store keywords mezőjébe (100 karakter) az összes fennmaradó célzott lekérdezés kerül. Fontos szabályok: a szavakat vesszővel kell elválasztani szóköz nélkül (minden szó külön indexelődik), a névből és alcímből származó szavak ismétlése nem szükséges (már az indexben vannak), szó-kombinációk használhatók összetett lekérdezések létrehozásához.

A kulcsszavak kannibalizálásának elkerülése

Kannibalizáció — olyan helyzet, amikor egy alkalmazás több oldala (például a főoldal és a fejlesztői oldal) ugyanazért a lekérdezésért versenyez. Az ASO kontextusában kannibalizáció akkor lehetséges, ha ugyanazon fejlesztő több alkalmazása van ugyanabban a kategóriában. Ebben az esetben versenyezhetnek ugyanazokért a kulcsszavakért, csökkentve egymás hatékonyságát.

A kannibalizáció megelőzése érdekében minden alkalmazásnak egyedi szemantikai maggal kell rendelkeznie, minimális átfedéssel a kulcslekérdezésekben. Ha az átfedés elkerülhetetlen (például ugyanazon alkalmazás ingyenes és fizetős verziója), ajánlott különböző kulcsszavakat használni a nevekben és egyértelműen megkülönböztetni a pozicionálást a metaadatokban.

Nyelvtani alakok és szinonimák

A modern alkalmazásbolt-algoritmusok — különösen a BERT-tel rendelkező Google Play — megértik a szinonimákat és a szavak különböző nyelvtani alakjait. Ez azt jelenti, hogy nem szükséges az összes lehetséges alakot ("edit", "editing", "editor") szerepeltetni a leírásban. Elég a kontextusban legtermészetesebb formát használni.

Az App Store esetében a helyzet más — a stemming és a szinonímia gyengébben van megvalósítva. Ajánlott a névben és a keywords-ben a szó leggyakoribb alakját, valamint a kulcsfontosságú szinonimákat szerepeltetni, ha a hely engedi. Például, ha az alkalmazás fényképeket dolgoz fel, a keywords-ben megadható "photo,picture,image" a keresés különböző változatainak lefedésére.

Hogyan kövesse nyomon a kulcsszavak pozícióit

A pozíciók monitorozása — a Keyword Optimization kötelező eleme. Rendszeres pozícióellenőrzés nélkül nem lehet meghatározni, hogy mely kulcsszavak működnek és melyeket kell lecserélni. A monitorozási adatok lehetővé teszik a stratégia korrigálását és a piaci helyzet változásaira való időben történő reagálást.

A pozíciók nyomon követéséhez speciális eszközöket használnak: Sensor Tower (napi pozíciófrissítés, 155 ország), App Radar (legfeljebb 10 ország, integráció a boltokkal) és ASOdesk (fókusz az orosz nyelvű piacon, RU/FÁK régiók). Ingyenes alternatíva — manuális ellenőrzés az App Store Connect Analytics és a Google Play Console segítségével, de ez több mint 20 lekérdezés esetén munkaigényes.

Ajánlott hetente 30–50 kulcslekérdezés pozícióit nyomon követni. A kulcslekérdezések három kategóriába sorolhatók: Brand (márkanév), Category (kategória általános lekérdezései), Competitor (versenytársak nevei). A Category lekérdezések pozícióinak csökkenése — az első jelzés, hogy az ASO-stratégia frissítésre szorul.

• Napi monitorozás — a top-10 prioritási lekérdezéshez. Lehetővé teszi a pozíciócsökkenésre való gyors reagálást.
• Heti monitorozás — 30–50 lekérdezéshez. A fő nyomonkövetési mód, a legtöbb alkalmazás számára elegendő.
• Havi audit — a szemantikai mag teljes felülvizsgálata a versenytársak változásainak elemzésével.
• Trendelemzés — a pozíciók dinamikájának összehasonlítása egy hónap/negyedév alatt a stabil tendenciák azonosításához.

A monitorozási adatok értelmezése

A pozíciók növekedése egy lekérdezésre — nem az egyetlen sikerjelző. Fontos elemezni, hogy a pozíciók növekedése a telepítések számának növekedéséhez vezet-e. Előfordul, hogy az alkalmazás a top-5-be kerül egy lekérdezésre, de a konverziós arány alacsony — a felhasználók egy dolgot keresnek, de mást találnak. Ebben az esetben a lekérdezést relevánsabbra kell cserélni.

A Keyword Optimization hatékonyságának kulcsfontosságú mutatója — az Organic Install Lift (az organikus telepítések növekedése százalékban). Ez az optimalizálás utáni organikus keresésből származó telepítések és az optimalizálás előtti telepítések arányaként számítható ki egy összehasonlítható időszakra vonatkozóan. Célérték — legalább 50%-os növekedés 2 hónap alatt. Ha a növekedés alacsonyabb, a stratégiát felül kell vizsgálni: lehet, hogy rossz kulcsszavakat választottak, vagy a metaadatok nincsenek eléggé optimalizálva.