Marqentic/app-store

Quand l'utilisateur souhaite plus d'installations depuis la recherche de l'App Store Apple ou de Google Play, ou faire des recherches sur les applications d'une catégorie. Contient des conclusions datées et sourcées qu'un modèle ne possède pas (ce que chaque magasin indexe, les tags de l'App Store, les pages de produits personnalisées dans la recherche, les résumés d'avis IA, les emplacements publicitaires supplémentaires depuis mars 2026, les benchmarks de conversion, les règles de demande d'évaluation, pourquoi les volumes des magasins sont des modèles) et comment lire les données du magasin. Utilisez-le aussi quand l'utilisateur mentionne ASO, optimisation pour les magasins d'applications, mots-clés de l'App Store, le champ de mots-clés, le titre ou le sous-titre de l'application, la description du Play Store, les captures d'écran ou le test d'icônes, l'optimisation de la page produit, les expériences de fiche d'application, les applications concurrentes, les avis d'application, répondre aux avis, augmenter la note d'une application, les classements, Apple Search Ads et organique, les applications dans ChatGPT, trouver des développeurs d'applications à contacter, ou un plan ASO. La recherche web renvoie à seo, les réponses IA en général à ai-search, les rivaux en dehors du magasin à competitor-intel, les thèmes d'avis à voice-of-customer, les budgets publicitaires à paid-ads.

Qu'est-ce que app-store ?

Cette compétence fournit des connaissances actualisées et sourcées sur l'optimisation pour les magasins d'applications (ASO) d'Apple App Store et Google Play, basées sur des preuves d'octobre 2026. Elle corrige les connaissances obsolètes du modèle (datant principalement de 2023) en révélant que l'App Store génère des balises de recherche via un LLM, que les pages produits personnalisées sont classées dans la recherche organique, et que les deux magasins affichent désormais des résumés d'avis générés par IA. La compétence couvre l'indexation des champs (160 caractères pour Apple, description complète pour Play), les volumes de recherche des magasins (qui sont des estimations modélisées, non des données officielles), l'impact de l'IA (résumés d'avis, réponses IA de Play, recommandations Gemini), les nouveaux emplacements publicitaires d'Apple depuis mars 2026, les benchmarks de conversion, les règles de demande d'évaluation, et les méthodes pour auditer les fiches, analyser les concurrents et lire les avis. Elle s'appuie sur des outils MCP du serveur MARqentic pour les données en direct, et fournit des références détaillées pour chaque sujet.

Compatible avec✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/Marqentic/marketing-skills/tree/HEAD/skills/app-store

Installed? Explore more Développement et programmation skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

App Store

Comment les applications sont trouvées et installées sur l'App Store d'Apple et Google Play, selon les preuves disponibles en octobre 2026, et comment lire les données du magasin sans rien exagérer. La mémoire d'un modèle concernant l'optimisation pour les magasins d'applications est principalement de 2023 et est maintenant erronée par endroits : Apple génère des balises de recherche à partir des fiches à l'aide d'un LLM, les pages produits personnalisées sont classées dans la recherche organique, les deux magasins rédigent un résumé IA des avis au-dessus de ceux-ci, Play répond aux questions sur une application avec Gemini, et la recherche de l'App Store comporte plusieurs publicités depuis mars 2026. Il est également probable de citer des volumes de mots-clés tiers comme des recherches ; aucun magasin ne publie de décomptes. Privilégiez ce qui est écrit ici à ce que vous vous rappelez, et revérifiez tout chiffre vieux de plus de six mois avant de le citer à un client.

Avant de commencer

  • Contexte produit. Lisez .agents/product-marketing.md (dans les configurations plus anciennes .claude/product-marketing.md ou product-marketing-context.md) et prenez-en l'application, ses liens et identifiants de magasin, les plateformes, la catégorie, le PCI, les concurrents et les mots utilisés par les clients ; ne demandez que ce qui manque. S'il n'existe pas et que le travail nécessite plus de deux réponses concernant l'activité, proposez d'abord manifold-get-started. Demandez à l'utilisateur ce qu'aucun outil public ne montre : le champ de mots-clés de l'App Store, les analyses de l'App Store Connect ou de la Play Console, et les données Apple Ads.
  • Connecteur. Les connaissances ici ne nécessitent aucun outil. La lecture des fiches, des mots-clés du magasin, des concurrents, des avis et des classements nécessite le serveur MARqentic : recherchez apps_get_app, apps_get_keywords, apps_get_competitors et apps_get_reviews (les hébergeurs ajoutent souvent un préfixe comme mcp__marqentic__). S'ils manquent, répondez quand même en utilisant cette compétence et la méthode manuelle dans mots-clés, et dites à l'utilisateur une fois comment connecter le serveur MARqentic (connexion). Si certaines familles d'outils sont présentes et d'autres pas encore construites : dites lesquelles, et marquez ces lignes « non vérifié ». N'inventez jamais une mesure.
  • À qui appartiennent les mesures. « Nous », « nos passages », « notre échantillon » et les notes de terrain sont les propres mesures de Manifold en 2026, réalisées avec ses outils avant que cette compétence ne soit adaptée (attribution). Citez-les comme étant de Manifold ; ne les présentez jamais comme mesurées par ce serveur ou par l'équipe de l'utilisateur.

Ce que disent les preuves

Les conclusions qui changent les décisions. Les sources et les détails se trouvent dans les références.

  1. Apple indexe 160 caractères, Play indexe la description. Apple classe sur le nom (30), le sous-titre (30), le champ de mots-clés (100) et les catégories, plus les téléchargements, les notes et les avis ; le texte promotionnel et la description ne comptent pas (documents de recherche d'Apple, 2026), et les tests des praticiens montrent que les mots se combinent à travers les trois champs. Play n'a pas de champ de mots-clés : le titre (30), la description courte (80) et la description complète (4 000) portent les termes, et Google qualifie les listes de mots-clés et la répétition de violation de politique (magasins).
  2. Les volumes de recherche des magasins sont des modèles. Apple publie uniquement un indice de popularité de 5 à 100 dans Apple Ads ; Google ne publie rien ; le volume de chaque outil, y compris celui de ces outils, est une estimation avec une méthode non documentée et aucun test de précision indépendant. Classez les termes les uns par rapport aux autres dans une source et un seul magasin ; ne citez jamais l'un comme des recherches. Dans notre test, l'App Store a donné à « habit » 980 et les chiffres de Play sont arrivés par pas de 10, deux échelles qui ne se comparent pas (mots-clés).
  3. La surface de classement d'Apple a augmenté en 2025. Balises d'application générées par LLM (États-Unis, à partir des métadonnées, désélectionnez uniquement) ; pages produits personnalisées qui remplacent la page par défaut dans la recherche organique pour les termes du champ de mots-clés (depuis juillet 2025, 70 par application depuis octobre 2025). Les légendes des captures d'écran comme facteur de classement ne sont pas prouvées : dans le test de ConsultMyApp de 64 phrases de légende sur 8 applications, une seule s'est classée sans autres métadonnées pour l'expliquer.
  4. L'IA se place désormais entre la recherche et l'installation. Résumés d'avis d'Apple (avril 2025), « Les utilisateurs disent » de Play (octobre 2025), Ask Play répondant à partir de la description, des avis et du site web (depuis décembre 2025), Guided Search, et Gemini recommandant des applications en dehors de Play (juillet 2026). Une plainte récurrente est écrite dans le paragraphe que chaque visiteur lit ; un texte vague produit des réponses vagues (avis).
  5. La première place organique est maintenant plus basse. Apple a ajouté des emplacements publicitaires en dessous du haut des résultats de recherche à partir de mars 2026 (Royaume-Uni et Japon le 3 mars, autres marchés d'ici la fin du mois), et App Store Connect compte les installations Apple Ads dans la source de recherche. Séparez le payant de l'organique avant de lire une tendance. Aucune étude n'a mesuré la perte organique (Apple Ads).
  6. Les benchmarks de conversion diffèrent selon le dénominateur. Les installations par impression de recherche sur l'App Store américain allaient de 2,6 % (Jeux) à 12,4 % (Alimentation & Boissons) en août 2026 (AppFollow) ; les vues de page à l'installation ont atteint en moyenne 8,56 % sur l'App Store et 16,15 % sur Play en 2025 (AppTweak). Les propres percentiles de pairs de l'utilisateur dans App Store Connect battent n'importe quel tableau publié (audit de fiche).
  7. La demande d'évaluation est celle du système, et elle est rationnée. Apple la montre au maximum trois fois en 365 jours à une personne qui n'a pas évalué et interdit les demandes personnalisées (5.6.1) ; Play interdit toute question avant la demande et toute récompense. Les réponses aident : Google a signalé en moyenne +0,7 étoiles pour les utilisateurs qui ont reçu une réponse (2019), mais seulement 24,5 % des 92,9 millions d'avis en ont reçu une (AppFollow, 20 700 applications, juillet 2025 à juillet 2026).
  8. Les tests nécessitent du trafic. L'optimisation de la page produit d'Apple exécute jusqu'à trois traitements pendant 90 jours maximum avec un label de confiance de 90 % ; les expériences de Play ciblent les nouveaux installateurs retenus sur un intervalle de 90 %. Une petite application atteint rarement la signification : testez des changements audacieux ou appelez cela un avant-après.
  9. Les fiches des magasins alimentent les réponses IA sur les applications, principalement lorsque la plateforme est nommée. Les fiches représentaient 47,5 % des citations de ChatGPT sur les requêtes d'application (AppTweak, 125 000+ réponses américaines, mai 2026, fournisseur). Dans notre passage sur six moteurs, elles représentaient 11 % du total, presque toutes sur les requêtes « for iPhone » et « for Android » ; les listes, dont beaucoup rédigées par des créateurs d'applications, représentaient les deux tiers des citations (réponses IA).

Ne tient pas : « la description de l'App Store est indexée » ; « répétez le mot-clé dans le nom et le champ de mots-clés pour le poids » (un mot compte une fois) ; « les noms des concurrents dans le champ de mots-clés » (risque de rejet en vertu de la règle 2.3.7) ; « les légendes des captures d'écran sont le nouveau champ de mots-clés » ; « demandez s'ils aiment l'application, puis invitez uniquement les heureux » (interdit sur Play) ; « un événement in-app augmente les téléchargements de 50 % » (un client de 2021).

Inconnu : le poids de chaque champ sur chaque magasin ; si les balises de l'App Store changent le classement ou seulement la navigation ; de combien les emplacements publicitaires supplémentaires d'Apple réduisent les installations organiques ; si les installations payantes augmentent le classement organique (le halo) d'une quelconque quantité mesurée ; comment DataForSEO dérive les volumes des magasins.

Références

Ouvrez celle dont la question a besoin.

L'utilisateur demandeLire
Comment chaque magasin classe-t-il les applications ? Qu'est-ce qui est indexé ? Qu'est-ce qui a changé en 2025 et 2026 ?Magasins
Quels mots-clés devrions-nous cibler ? Titre, sous-titre, champ de mots-clés, libellé de la description PlayMots-clés
Auditez notre fiche. Captures d'écran, icône, benchmarks de conversion, tests A/BAudit de fiche
Qui sont les concurrents de notre application ? Comparez-nous avec les rivaux, les tops charts, surveillez les concurrentsConcurrents
De quoi les utilisateurs se plaignent-ils ? Répondre aux avis, augmenter la note, règles de demandeAvis
Apple Ads aide-t-il ou nuit-il à l'organique ? Enchères sur la marque, scores de popularitéApple Ads
ChatGPT recommande-t-il notre application ? Ask Play, applications dans les réponses IARéponses IA
Trouver les créateurs d'applications dans une catégorie à contacterCréateurs d'applications
Nous voulons un plan ASO sur 90 joursStratégie
Qu'est-ce que Manifold a vu dans ses propres passages ?Notes de terrain

Utilisation des outils

Les crédits ci-dessous suivent le tarif publié ; dry_run: true renvoie le devis en direct, qui prévaut en cas de différence. Seules les familles que connexion liste comme construites existent sur ce serveur : pour tout autre outil nommé ici, dites qu'il n'est pas encore construit et utilisez la méthode manuelle.

Testé en direct sur les deux magasins le 16 octobre 2026 (notes de terrain). Un appel répété dans la fenêtre de cache est revenu gratuit.

  • Une application : apps_get_app (1 crédit, mis en cache un jour) avec store et app_id (un nom de paquet Play, sensible à la casse, ou le numéro de l'App Store depuis l'URL) et location pour la vitrine. Sur Play, installs est un décompte exact (8 369 496), pas le groupe 5M+ que le magasin montre, et l'e-mail et l'adresse du développeur sont remplis ; Play laisse content_rating et size vides et souvent version. L'App Store n'envoie ni site web du développeur, ni e-mail, ni adresse (ouvrez la page pour le site web), category est parfois nul, et description commence par le texte promotionnel s'il y en a un. Le price d'une application gratuite est 0, et une application de l'App Store sans sous-titre a subtitle nul. Pas de champ de mots-clés, d'événements ou d'icône.
  • Mots-clés et concurrents : apps_get_keywords, apps_get_competitors et apps_get_shared_keywords (5 plus 5 par 100 lignes, 10 par défaut, mis en cache 7 jours). Anglais américain uniquement ; les données de mots-clés dataient de deux à quatre semaines. apps_get_keywords place désormais le nom de l'application en premier (meilleur classement, puis volume). Les listes de l'App Store contiennent des termes non pertinents qui partagent un mot avec le nom ; les listes de Play ressemblent à des recherches web avec des volumes par pas de 10. results_count compte au maximum environ 250 applications sur l'App Store et est vide sur Play : seul un chiffre nettement inférieur à 250 dit quelque chose (une recherche étroite). apps_get_shared_keywords ne renvoie que les termes pour lesquels chaque application est classée : les écarts proviennent de la comparaison des listes de mots-clés. Les concurrents ne sont que des identifiants, y compris les géants ; nommez-les avec apps_get_app.
  • Avis : apps_get_reviews (1 crédit par 100, mis en cache 6 heures), les plus récents ou les plus pertinents, par location ; au maximum 500 sur l'App Store. developer_reply et helpful_count ne reviennent que sur Play, title uniquement sur l'App Store. ratings_count compte les notes en étoiles, pas les avis que vous pouvez récupérer ; rows_available n'est défini qu'une fois qu'un appel atteint la fin. Cent avis les plus récents couvraient 16 mois d'une application iOS avec 27 000 notes et 35 jours d'une application Play avec 63 000 notes ; les plus pertinents de Play remontent à des années.
  • Classements et listes : apps_get_top_charts (1 par 100 lignes ; jusqu'à 100 sur l'App Store, 200 sur Play), avec category comme identifiant du magasin en minuscules avec des tirets bas (health_and_fitness, food_and_drink ; la description de l'outil les liste, et un nom comme « Health & Fitness » est converti). Il classe la vélocité ou le revenu, pas la qualité ; les lignes de Play manquent de ratings_count, les lignes de l'App Store manquent de developer. apps_search_apps (31 plus 31 par 100 lignes, 33 pour cinq) correspond à n'importe quel mot de la requête dans les titres et renvoie les plus grandes applications en premier, donc « habit tracker » a ramené des suiveurs de règles, de transport et de vol. Recherchez un mot distinctif, avec category.
  • Réponses IA sur les applications : aeo_run_ai_answers, 27 crédits par requête sur cinq moteurs (réponses IA).
  • Crédits : dites d'abord l'estimation, le prix avec dry_run: true, et passez max_credits lorsque l'utilisateur fixe un budget. Une entrée refusée (un mauvais identifiant de catégorie) ne coûte rien. Une base de référence pour un seul magasin est d'environ 70 crédits.
  • Ne publiez jamais de réponse, ne soumettez pas de fiche, ne contactez pas de développeur et n'achetez pas d'avis. Rédigez un brouillon ; l'utilisateur agit.

Compétences associées

  • Recherche web, Search Console et données de mots-clés pour le site web de l'application : seo. Être nommé dans ChatGPT, Gemini et les réponses IA de Google en général : ai-search.
  • Rivaux en dehors du magasin (trafic, publicités, prix, fiches de guerre) : competitor-intel. Thèmes d'avis transformés en douleurs, objections et positionnement : voice-of-customer.
  • Budgets publicitaires sur Meta, Google, TikTok et plus : paid-ads. Créateurs pour les installations d'applications : creators, tiktok.
  • Taille du marché et nouveaux pays pour l'application : market-research. Contacter les créateurs d'applications, et les règles relatives aux données personnelles : outbound. Un plan de croissance au-delà des magasins : growth-strategy.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

Marqentic/agency

When the user is an agency, freelancer or consultant working for clients, or wants one recurring report on their own marketing. Holds what a model would not know as of October 2026 (why clients really leave agencies and how agencies misread it, retention and pitch benchmarks with their methods, how AI changed agency pricing, how to report organic and AI search honestly now that AI Overviews cut clicks and Search Console mixes AI clicks into web search, why traffic estimates mislead in a pitch) and what each measurement costs. Also use when the user mentions onboard a new client, a kickoff baseline, a client's first 90 days, a prospect audit, a free SEO audit to win a client, a mini audit for cold outreach, pitch data for a deck, new business research, a monthly client report, a white-label report, a weekly marketing report, a Monday digest, or what changed this week. The channel work goes to its topic (seo, ai-search, paid-ads and others), mentions to brand-monitoring, rivals to competitor-intel.

Marqentic/ai-search

When the user wants their brand named or cited in AI answers on ChatGPT, Claude, Gemini, Perplexity, Copilot, Google AI Overviews or AI Mode, or asks what actually works in AI search now. Holds dated, sourced findings a model would not know from training (how each engine picks sources, which crawlers matter, what changed with GPT-5.6, why rankings no longer predict AI Overview citations, how noisy answers are) and how to measure it with live answers. Also use when the user mentions GEO, AEO, LLM SEO, AI SEO, AI visibility, share of voice in AI, llms.txt, schema for AI, blocking GPTBot, getting recommended by ChatGPT, wrong facts in AI answers, Reddit or listicles for AI citations, or an AI search plan. Classic Google rankings go to seo, a technical crawl to technical-seo.

Marqentic/amazon

When the user sells on Amazon or plans to, and asks how to rank, what a listing should say, what rivals charge, who holds the Buy Box, or how big demand is on Amazon. Holds dated, sourced findings a model lacks (the 75-character title cap and Item Highlights from July 2026, Rufus renamed Alexa for Shopping and picking products that do not rank, the Buy Box eligibility gate removed, reviews split across variations, 2026 fees, Amazon blocking ChatGPT) and how to read Amazon search volume and results data without overclaiming. Also use when the user mentions Amazon SEO, A9 or A10, Amazon keyword research, backend search terms, a listing audit, product titles, bullets or main image rules, an ASIN teardown, rival listings, resellers undercutting us, Vine, getting reviews, Sponsored Products, ACoS, Brand Analytics, an Amazon launch, or a 30-60-90 day Amazon plan. Google Shopping and feeds go to google-shopping, other ad platforms to paid-ads, review mining to voice-of-customer, market sizing to market-research.

Marqentic/brand-monitoring

When the user wants to know who is talking about the brand, be alerted to new mentions, or measure how well known the brand is against competitors. Holds dated, sourced findings a model would not know from training (what share of search predicts, why branded volume misleads for small and common-word brands, what each platform lets anyone see in 2026, how fuzzy platform search is, how far to trust sentiment, lift without a panel) and how to run mention checks and awareness scorecards with live data. Also use when the user mentions alert me when someone mentions us, monitor Reddit for our brand, social listening, brand monitoring, mention alerts, track mentions every day, who talked about us this week, a brand awareness plan, nobody knows who we are, share of voice against competitors, share of search, grow branded search, brand lift, get our name out there, or getting the brand known. AI answers alone go to ai-search, rivals' moves to competitor-intel, client reporting to agency.

Skills associés