Community코딩 & 개발github.com

Marqentic/app-store

사용자가 Apple App Store나 Google Play에서 더 많은 설치 수를 원하거나, 특정 카테고리 앱을 조사할 때 사용합니다. 각 스토어의 인덱싱 방식, App Store 태그, 검색 내 Custom Product Page, AI 리뷰 요약, 2026년 3월 이후 증가한 Apple Ads 슬롯, 전환율 벤치마크, 평점 유도 규칙, 스토어 검색량 추정 모델 등 최신 근거와 함께 스토어 데이터를 올바르게 해석하는 방법을 제시합니다.

app-store란 무엇인가요?

이 스킬은 Apple App Store와 Google Play에서 앱이 발견되고 설치되는 방식에 대한 2026년 10월 기준 최신 증거를 제공합니다. 기존 모델이 기억하는 2023년 수준의 지식은 여러 부분에서 오래되었습니다. 예를 들어, Apple은 LLM을 사용해 리스팅에서 검색 태그를 생성하고, Custom Product Page가 유기 검색에 노출되며, 양대 스토어 모두 리뷰 위에 AI 요약을 표시하고, Play는 Gemini로 앱 관련 질문에 답하며, 2026년 3월부터 App Store 검색에 여러 광고 슬롯이 추가되었습니다. 또한 서드파티 키워드 볼륨을 실제 검색량으로 인용하는 실수를 피하도록 안내하며, 실제 스토어는 검색량을 공개하지 않음을 강조합니다. 이 스킬은 Marqentic MCP 서버(앱 정보, 키워드, 경쟁사, 리뷰 조회)를 사용하거나, 커넥터가 없는 경우 수동 방법을 안내합니다. 사용자는 이 스킬을 통해 ASO 전략, 키워드 연구, 리스팅 감사, 경쟁사 분석, 리뷰 관리, Apple Ads 전략, AI 답변에서의 앱 가시성 등 앱 스토어 최적화의 거의 모든 측면을 다룰 수 있습니다.

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

Installed? Explore more 코딩 & 개발 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

앱 스토어

Apple App Store와 Google Play에서 앱이 발견되고 설치되는 방식, 그리고 스토어 데이터를 과장 없이 읽는 방법(2026년 10월 기준). 모델의 앱 스토어 최적화 기억은 대부분 2023년 수준이며 일부는 현재 잘못되었습니다: Apple은 LLM으로 리스팅에서 검색 태그를 생성하고, Custom Product Page가 유기 검색에 순위를 매기며, 양쪽 스토어 모두 리뷰 위에 AI 요약을 작성하고, Play는 Gemini로 앱 관련 질문에 답하며, 2026년 3월 이후 App Store 검색에는 여러 광고가 게재됩니다. 또한 서드파티 키워드 볼륨을 검색량으로 인용할 가능성이 높지만, 어떤 스토어도 검색량을 공개하지 않습니다. 여러분의 기억보다 여기 쓰인 내용을 우선시하고, 고객에게 인용하기 전에 6개월 이상 된 수치는 다시 확인하세요.

시작하기 전

  • 제품 맥락. .agents/product-marketing.md (구버전에서는 .claude/product-marketing.md 또는 product-marketing-context.md)를 읽고 앱, 스토어 링크 및 ID, 플랫폼, 카테고리, ICP, 경쟁사, 고객이 사용하는 용어를 가져오세요. 문서에 없는 내용만 물어보세요. 파일이 존재하지 않고 업무에 비즈니스에 대한 두 개 이상의 답변이 필요하다면, 먼저 manifold-get-started를 제공하세요. 어떤 공개 도구도 보여주지 않는 정보(App Store 키워드 필드, App Store Connect 또는 Play Console 분석 데이터, Apple Ads 데이터)는 사용자에게 요청하세요.
  • 커넥터. 이 지식에는 도구가 필요하지 않습니다. 리스팅, 스토어 키워드, 경쟁사, 리뷰, 차트를 읽으려면 MARqentic 서버가 필요합니다: apps_get_app, apps_get_keywords, apps_get_competitors, apps_get_reviews를 찾으세요(호스트는 종종 mcp__marqentic__과 같은 접두사를 추가합니다). 이들이 없다면, 이 스킬을 바탕으로 답변하고 키워드의 수동 방법을 사용하되, MARqentic 서버 연결 방법을 사용자에게 한 번 알려주세요(연결). 일부 도구가 있고 다른 도구가 아직 구축되지 않은 경우: 어떤 것인지 말하고, 해당 행을 "확인되지 않음"으로 표시하세요. 측정값을 임의로 만들지 마세요.
  • 누구의 측정인가. "우리", "당사 실행", "당사 샘플" 및 현장 노트는 이 스킬이 개조되기 전 Manifold가 자체 도구로 만든 2026년 측정값입니다(출처 표기). Manifold의 측정값으로 인용하고, 이 서버나 사용자 팀이 측정한 것처럼 제시하지 마세요.

증거가 말하는 것

결정을 바꾸는 발견 사항들. 출처와 세부 내용은 참고 자료에 있습니다.

  1. Apple은 160자를, Play는 설명을 인덱싱합니다. Apple은 이름(30), 부제목(30), 키워드 필드(100) 및 카테고리, 다운로드, 평점, 리뷰를 기준으로 순위를 매깁니다. 프로모션 텍스트와 설명은 순위에 영향을 주지 않습니다(Apple 검색 문서, 2026). 실무자 테스트에 따르면 단어가 세 필드에 걸쳐 결합됩니다. Play에는 키워드 필드가 없습니다: 제목(30), 짧은 설명(80), 전체 설명(4,000)이 검색어를 전달하며, Google은 키워드 목록 작성과 반복을 정책 위반으로 간주합니다(스토어).
  2. 스토어 검색량은 모델입니다. Apple은 Apple Ads에서 5~100 범위의 인기 지수만 게시합니다. Google은 아무것도 게시하지 않습니다. 모든 도구의 볼륨(이 도구 포함)은 문서화되지 않은 방법과 독립적인 정확도 테스트가 없는 추정치입니다. 하나의 출처와 하나의 스토어 내에서 용어 간 순위를 비교하세요. 절대 검색량으로 인용하지 마세요. 당사 테스트에서 App Store는 "습관"에 980을 부여했고 Play 수치는 10 단위로 나왔는데, 이는 비교할 수 없는 두 개의 척도입니다(키워드).
  3. Apple의 순위 표면은 2025년에 확장되었습니다. LLM이 생성한 App Store 태그(미국, 메타데이터 기반, 선택 해제 불가), 유기 검색에서 기본 페이지를 대체하는 Custom Product Page(2025년 7월부터, 2025년 10월부터 앱당 70개). 스크린샷 캡션을 순위 요소로 보는 것은 입증되지 않았습니다: ConsultMyApp이 8개 앱에 대해 64개의 캡션 문구를 테스트했을 때, 하나는 이를 설명할 다른 메타데이터 없이 순위를 매겼습니다.
  4. AI는 이제 검색과 설치 사이에 위치합니다. Apple의 리뷰 요약(2025년 4월), Play의 "사용자들이 말하는 것"(2025년 10월), Ask Play가 설명, 리뷰 및 웹사이트에서 답변 제공(2025년 12월부터), Guided Search, Play 외부에서 앱을 추천하는 Gemini(2026년 7월). 반복되는 불만은 모든 방문자가 읽는 문단에 작성됩니다. 모호한 카피는 모호한 답변을 생성합니다(리뷰).
  5. 유기 검색 1위의 위치가 이제 낮아졌습니다. Apple은 2026년 3월부터 검색 결과 상단 아래에 광고 슬롯을 추가했습니다(영국과 일본 3월 3일, 다른 국가는 그달 말까지). App Store Connect는 Apple Ads 설치를 검색 소스 내에서 집계합니다. 트렌드를 읽기 전에 유료와 유기 검색을 분리하세요. 유기 검색 손실을 측정한 연구는 없습니다(Apple Ads).
  6. 전환율 벤치마크는 분모에 따라 다릅니다. 미국 App Store 검색 설치당 노출은 2.6%(게임)에서 12.4%(식음료)까지였습니다(AppFollow, 2026년 8월). 페이지 조회당 설치는 App Store에서 평균 8.56%, Play에서 16.15%였습니다(AppTweak, 2025년). 사용자 자신의 App Store Connect 내 동료 백분위수가 게시된 어떤 테이블보다 낫습니다(리스팅 감사).
  7. 평점 유도 프롬프트는 시스템의 것이며, 제한적으로 제공됩니다. Apple은 평가하지 않은 사용자에게 365일 동안 최대 3회 표시하며 사용자 정의 프롬프트를 허용하지 않습니다(5.6.1). Play는 프롬프트 전에 어떤 질문도, 보상도 금지합니다. 답변은 도움이 됩니다: Google은 답변을 받은 사용자의 평균 별점이 +0.7 상승했다고 보고했습니다(2019). 그러나 9,290만 개의 리뷰 중 24.5%만이 답변을 받았습니다(AppFollow, 20,700개 앱, 2025년 7월~2026년 7월).
  8. 테스트에는 트래픽이 필요합니다. Apple의 Product Page Optimization은 최대 3개의 처리군을 최대 90일 동안 90% 신뢰 수준으로 실행합니다. Play의 실험은 90% 신뢰 구간에서 유지되는 최초 설치자를 대상으로 합니다. 작은 앱은 거의 유의미한 결과에 도달하지 못합니다: 대담한 변경 사항을 테스트하거나 전후 비교로 간주하세요.
  9. 스토어 리스팅은 앱에 대한 AI 답변에 영향을 미치며, 주로 플랫폼이 언급될 때 그렇습니다. 리스팅은 앱 프롬프트에 대한 ChatGPT 인용의 47.5%를 차지했습니다(AppTweak, 125,000개 이상의 미국 응답, 2026년 5월, 공급업체). 당사의 6개 엔진 실행에서는 전체의 11%였으며, 거의 모두 "아이폰용" 및 "안드로이드용" 프롬프트에서 발생했습니다. 앱 제작자가 작성한 목록이 인용의 2/3를 차지했습니다(AI 답변).

지지되지 않음: "App Store 설명이 인덱싱된다"; "가중치를 위해 키워드를 이름과 키워드 필드에 반복한다"(단어는 한 번만 계산됨); "키워드 필드에 경쟁사 이름"(2.3.7 위반 위험); "스크린샷 캡션이 새로운 키워드 필드다"; "앱이 마음에 드는지 물어본 후, 만족한 사람에게만 프롬프트"(Play에서 금지됨); "인앱 이벤트가 다운로드를 50% 증가시킨다"(2021년 한 고객 사례).

알려지지 않음: 각 스토어에서 각 필드의 가중치; App Store 태그가 순위를 변경하는지 아니면 브라우징만 변경하는지; Apple의 추가 광고 슬롯이 유기 설치를 얼마나 줄이는지; 유료 설치가 유기 순위를 올리는지(헤일로 효과) 측정된 정도; DataForSEO가 스토어 볼륨을 도출하는 방법.

참고 자료

질문에 필요한 자료를 여세요.

사용자가 묻는 것읽을 자료
각 스토어는 어떻게 앱 순위를 매기나요? 무엇이 인덱싱되나요? 2025년과 2026년에 무엇이 바뀌었나요?스토어
어떤 키워드를 타겟팅해야 하나요? 제목, 부제목, 키워드 필드, Play 설명 문구키워드
리스팅을 감사하세요. 스크린샷, 아이콘, 전환율 벤치마크, A/B 테스트리스팅 감사
우리 앱과 경쟁하는 앱은 무엇인가요? 라이벌, 상위 차트, 경쟁사 모니터링과 비교경쟁사
사용자들은 무엇에 불평하나요? 리뷰에 답변, 평점 올리기, 프롬프트 규칙리뷰
Apple Ads가 유기 검색에 도움이 되나요, 해가 되나요? 브랜드 입찰, 인기 점수Apple Ads
ChatGPT가 우리 앱을 추천하나요? Ask Play, AI 답변 속 앱AI 답변
연락할 카테고리 내 앱 개발자 찾기앱 개발자
90일 ASO 계획을 원합니다전략
Manifold가 자체 실행에서 본 것은 무엇인가요?현장 노트

도구 사용하기

아래 크레딧은 게시된 요금표를 따릅니다. dry_run: true는 라이브 견적을 반환하며, 차이가 있을 경우 그것이 우선합니다. 이 서버에는 연결에 구축되었다고 나열된 도구군만 존재합니다. 여기에 이름이 있는 다른 도구에 대해서는 아직 구축되지 않았다고 말하고 수동 방법을 사용하세요.

2026년 10월 16일 양쪽 스토어에서 라이브 테스트 완료(현장 노트). 캐시 기간 내 반복 호출은 무료입니다.

  • 앱 하나: apps_get_app (1 크레딧, 하루 캐시) - store와 app_id (Play 패키지 이름, 대소문자 구분, 또는 URL의 App Store 번호) 및 location(스토어프론트) 필요. Play에서 installs는 정확한 숫자(8,369,496)이며, 스토어가 표시하는 500만+ 버킷이 아닙니다. 개발자 이메일과 주소가 채워져 있습니다. Play는 content_rating과 size를 비우고 종종 version도 비웁니다. App Store는 개발자 웹사이트, 이메일 또는 주소를 보내지 않습니다(웹사이트는 페이지를 열어야 함). category는 때때로 null이며, description은 프로모션 텍스트가 있을 경우 그것으로 시작합니다. 무료 앱의 price는 0이며, 부제목이 없는 App Store 앱의 subtitle은 null입니다. 키워드 필드, 이벤트 또는 아이콘은 제공되지 않습니다.
  • 키워드 및 경쟁사: apps_get_keywords, apps_get_competitors, apps_get_shared_keywords (100행당 각각 5 + 5, 기본 10개, 7일 캐시). 미국 영어만 가능합니다. 키워드 데이터는 2~4주 전 데이터입니다. apps_get_keywords는 이제 앱 자체 이름을 먼저 배치합니다(최고 순위, 그 다음 볼륨). App Store 목록에는 이름과 단어를 공유하는 관련 없는 용어가 포함됩니다. Play 목록은 10단위 볼륨의 웹 검색처럼 읽힙니다. results_count는 App Store에서 최대 약 250개 앱을 계산하며 Play에서는 비어 있습니다: 250 미만의 숫자만이 의미가 있습니다(희박한 검색). apps_get_shared_keywords는 모든 앱이 순위를 매기는 용어만 반환합니다: 차이는 키워드 목록을 비교할 때 발생합니다. 경쟁사는 ID일 뿐이며 대형 앱도 포함됩니다. apps_get_app으로 이름을 확인하세요.
  • 리뷰: apps_get_reviews (100개당 1 크레딧, 6시간 캐시), 최신 또는 가장 관련성 높은 순, location 기준. App Store에서 최대 500개. developer_reply와 helpful_count는 Play에서만, title은 App Store에서만 반환됩니다. ratings_count는 별점 개수를 계산하며 가져올 수 있는 리뷰 수가 아닙니다. rows_available은 호출이 끝에 도달했을 때만 설정됩니다. 최신 리뷰 100개는 27,000개 평점의 iOS 앱의 16개월, 63,000개 평점의 Play 앱의 35일을 포괄했습니다. Play의 가장 관련성 높은 리뷰는 수년 전까지 도달합니다.
  • 차트 및 목록: apps_get_top_charts (100행당 1, App Store 최대 100개, Play 최대 200개) - category는 스토어 ID를 소문자와 밑줄로 표시(health_and_fitness, food_and_drink; 도구 설명에 나열되어 있으며 "Health & Fitness" 같은 이름은 변환됨). 속도 또는 수익 순위를 매기며, 품질 순위가 아닙니다. Play 행은 ratings_count가 없고, App Store 행은 developer가 없습니다. apps_search_apps (100행당 31 + 31, 5개는 33)는 쿼리의 모든 단어를 제목에서 일치시키고 가장 큰 앱을 먼저 반환하므로, "습관 트래커"가 생리, 교통, 항공편 트래커를 가져왔습니다. category와 함께 독특한 단어 하나를 검색하세요.
  • 앱에 대한 AI 답변: aeo_run_ai_answers, 5개 엔진 프롬프트당 27 크레딧(AI 답변).
  • 크레딧: 먼저 예상치를 말하고, dry_run: true로 가격을 확인하고, 사용자가 예산을 설정하면 max_credits를 전달하세요. 거부된 입력(잘못된 카테고리 ID)은 비용이 들지 않습니다. 단일 스토어 기준선은 약 70 크레딧입니다.
  • 절대 답변을 게시하거나, 리스팅을 제출하거나, 개발자에게 연락하거나, 리뷰를 구매하지 마세요. 초안을 작성하고, 사용자가 직접 행동하게 하세요.

관련 스킬

  • 앱 웹사이트의 웹 검색, Search Console 및 키워드 데이터: seo. ChatGPT, Gemini 및 Google의 AI 답변에서 일반적으로 언급되는 것: ai-search.
  • 스토어 외부의 경쟁사(트래픽, 광고, 가격, 배틀카드): competitor-intel. 리뷰 테마를 불만, 반대 의견 및 포지셔닝으로 전환: voice-of-customer.
  • Meta, Google, TikTok 등의 유료 예산: paid-ads. 앱 설치를 위한 크리에이터: creators, tiktok.
  • 시장 규모 및 앱의 신규 국가: market-research. 앱 개발자에게 연락하기 및 개인정보 규칙: outbound. 스토어를 넘어선 성장 계획: 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.

관련 스킬