选词整体流程   首先还是介绍下选词的一般流程，一般思路就是先“粗选”，后“细选”，逐步缩小选词范围。具体如图1所示：    图1 选词整体流程   第 一步，首先确定“有效关键词”，主要是进行基础的热度过滤。因为4605热度的词，平均一天有一次搜索，选词的时候，一般选大于等于4605的词，至于其 它热度更低的词，大部分都是关键词覆盖的长尾搜索词，不用刻意考虑。appstore中大于4605的词大约有4.6万个（注：7月中旬后，这个词数降到 了不到3万），等于4605的约有6万个，这些词一般称为“有效关键词”。    第二步，粗选。主要基于词的相关性，从“有效关键词”中抽取100到200个词。 粗选过程一般也称为“拓词”，常用的方法如图2所示的几种，获得关键词的相关性依次降低，但扩展性依次提高：   图2 常用拓词方法   1 ）介绍中抽取。就是分析App介绍中的关键词，找到热度>=4605的词，一般需要先对介绍进行分词，然后抽取热度较高的词。    2 ）类别词。就是看看一个类别下的，如“天气”下的关键词，一个关键词的类别，是由其搜索命中的第一个app主类别确定的。如果你的app量级非常高，那就只需选类别下最热门的词即可。有一些机刷的App，也是把类别热门词都选了，然后刷一遍。    图3 appbk中的类别热词   3） 竞品选词。这个相对比较好理解，就是看看竞品都使用了哪些关键词。    图4 appbk中的竞品选词   4）以词选词。熟悉百度广告平台的童靴可能都用过类似的工具。这类选词方法，一般就是先填写一批种子词，然后通过不同的方法进行扩展。常用的扩展方法有3类：   

• 相关app使用的词。该方法是一种最常用的推荐方法，类似于在亚马逊买本书，就会给你推荐，“购买此商品的顾客，也同时购买了***”。 相关App使用的词，也是类似的道理，就是“使用了这些种子词的App，也同时使用了关键词***”。 具体原理如下图所示：

  图5 相关app使用的词  

• 包含词。就是包含种子词的词，如种子词填写了“飞车”，通过这种方式就能扩展出“天天飞车”等词。
• 相 关词。典型的如同义词，如“搬家”的同义词“乔迁”。还有一些更泛扩展，如“美女”可以扩展出“帅哥”，“语文”可以扩展出“数学”，这些词之间具有一定 的关联关系。像苹果搜索广告中，就专门介绍了这种“相关词”扩展，如“photo filters”就能扩展出“picture editor”、“light right”等词。

  图6 appbk的以词选词服务   第三步，细选。主要是从粗选出来的一二百个词中，选出100个字符的最终关键词，选择范围小了很多，细选就可以根据自己对产品的认知，定义各特定规则来选词了。一般而言，首发选词可以根据热度区间来选词。更新选词，一般则需要预估一下新选词的排名，预测带量。   “粗选”对首发和更新选词来说，流程基本都是一致的，主要是“细选”策略有所不同，故本文后续主要介绍首发选词中的“细选”，更新选词会放到下一篇文章中。      首发选词“细选”策略：分区选词   App 首发时，没有任何线上信息，因此，选词的主要目标应该是测试App的选词定位，如果是冷门App，最好选一些热度低的词，但如果你是微信推荐的，那就堆热 门词好了。但上线之前，这些都是未知的，因此，最好是能试尽可能多的、不同热度的词，以达到“投石问路”的目的。    因 为只能选100个字符，大致30个左右的词，因此，最佳的策略就是根据关键词的热度分布，分区间选词，好比热度大于5000的只有3000左右词，而在 4605和5000之间就有约4.3万个词。因此，选词的时候，5000以上可以选10个词来测试，而5000以下，则可以多选一些，选词个数尽量与热度 分布一致，这样就能更容易找到选词定位。    这种根据热度分布选词的方法，可以简述为“分区选词”，我们Appbk做首发选词的时候，一般采用如下分区策略，仅供参考：    总共选出总共130个字符，分成G0到G5,总共6组词，具体分组如下表所示：   表1：分区选词   具体的选词的时候，按照如下步骤进行：    1 .从高热度区间到低热度区间(G5到G0)，依次选词，每个区间选取的字符数应当大于等于预设字符数，后续可以统一删减。    2 .每个热度区间内选词，主要按照竞争度，从低到高，依次从候选词中选择，直至超过预设字符数。如果区间内，没有足够多的词可选，选全部候选词即可。我们appbk的竞争度，主要是根据App评论数计算的。   3 .选完130个字符的词之后， 根据产品的特点，调整“竞品词”和“行业词”的比例。如果不做调整，选词中的“竞品词”和“行业词”的比例应该大致是15%:75%，就是大盘的比例，一般可以适当增加“行业词”的比例。    4. 根据组词情况，适当删减，保证100个字符。  结 合appbk或者相关的工具，就可以很容易按照上述流程进行首发选词。什么？还觉得太麻烦@#￥@#￥@#。因为这个流程规则比较清晰，大部分工作其实可 以由机器来完成，我们按照此规则，正在开发一套“一键选词”系统，目前主要是我们内部的ASO优化师在使用改进，后续这个系统也尽快开放出来：）   图7 开发中的“一键选词”功能