Google Play ストアのアプリとレビュー¶
現在モバイルアプリはどこにでもあります。作成は簡単で、収益性が高く、これらの要因により、ますます多くのアプリが開発されています。
Google Play のさまざまなカテゴリにわたる 1 万以上のアプリを比較することにより、Android アプリ市場の包括的な分析を行います。
データから洞察を見つけて、成長と維持を促進する戦略を考案します。
現在モバイルアプリはどこにでもあります。作成は簡単で、収益性が高く、これらの要因により、ますます多くのアプリが開発されています。
Google Play のさまざまなカテゴリにわたる 1 万以上のアプリを比較することにより、Android アプリ市場の包括的な分析を行います。
データから洞察を見つけて、成長と維持を促進する戦略を考案します。
2 つのファイルで構成されるデータを見てみましょう。
apps.csv: Google Play 上のアプリケーションの詳細がすべて含まれています。特定のアプリを説明する 13 の機能があります。user_reviews.csv: 各アプリについて 100 件のレビューが含まれます。最も役立つものから順にセクションを使用すると、星評価で簡単にフィルタリングできます/)。各レビューのテキストは前処理され、感情 (肯定的、否定的、または中立)、感情の極性、感情の主観性という 3 つの新しい機能によって属性が付けられます。ライブラリをインポートします。
from zipfile import ZipFile
from io import BytesIO
import pandas as pd
import numpy as np
import plotly
plotly.offline.init_notebook_mode(connected=True)
import plotly.graph_objs as go
zipファイルからファイル名を取得し、pandasデータフレームとして読み込みます。
zf = ZipFile('datasets.zip')
zf.namelist()
['datasets/', 'datasets/apps.csv', 'datasets/Untitled Folder/', 'datasets/user_reviews.csv']
apps = pd.read_csv(BytesIO(zf.read(zf.namelist()[1])))
apps = apps.drop_duplicates()
print('データセット内のアプリの総数 = ', apps.shape[0])
apps.sample(5)
データセット内のアプリの総数 = 9659
| Unnamed: 0 | App | Category | Rating | Reviews | Size | Installs | Type | Price | Content Rating | Genres | Last Updated | Current Ver | Android Ver | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8714 | 9868 | myLPG.eu | TRAVEL_AND_LOCAL | 4.2 | 556 | 4.4 | 50,000+ | Free | 0 | Everyone | Travel & Local | July 25, 2018 | 1.95 | 4.0 and up |
| 573 | 700 | TED | EDUCATION | 4.6 | 181893 | 18.0 | 10,000,000+ | Free | 0 | Everyone 10+ | Education | July 27, 2018 | 3.2.5 | 4.1 and up |
| 3824 | 4754 | X Browser | COMMUNICATION | 4.0 | 142 | 2.5 | 50,000+ | Free | 0 | Everyone | Communication | December 31, 2017 | 1.1.1 | 4.0 and up |
| 1430 | 1769 | Woody Puzzle | GAME | 4.7 | 21262 | 29.0 | 1,000,000+ | Free | 0 | Everyone | Puzzle | August 3, 2018 | 1.0.9 | 4.4 and up |
| 2964 | 3723 | Wireless news | NEWS_AND_MAGAZINES | 3.5 | 6066 | 56.0 | 1,000,000+ | Free | 0 | Everyone | News & Magazines | April 16, 2018 | 2.1.4 | 4.4 and up |
データクリーニングは、データ サイエンス プロジェクトの最も重要なプロセスの1つです。非常に面倒なプロセスですが、データ価値が損なわれていけません。
(上記のタスクからの) データセット行のランダム サンプルを確認すると、数値の表現方法により、Installs や Price などの列の一部のエントリにいくつかの特殊文字 (+ , $) が含まれていることがわかります。
これにより、列を純粋な数値にすることができなくなり、その後の数学的計算で列を使用することが困難になります。
理想的には、数値が計算できるように、これらの列には [0-9] の数字のみが含まれるようにする必要があります。
クリーニングの完了後に、データフレームの概要を出力して確認することも重要です。
これを実行するには info() メソッドを使用します。
""に置き換えるchars_to_remove = ['+', ',' ,'$']
cols_to_clean = ['Installs', 'Price']
for col in cols_to_clean:
for char in chars_to_remove:
apps[col] = apps[col].apply(lambda x: x.replace(char, ''))
apps.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 9659 entries, 0 to 9658 Data columns (total 14 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 Unnamed: 0 9659 non-null int64 1 App 9659 non-null object 2 Category 9659 non-null object 3 Rating 8196 non-null float64 4 Reviews 9659 non-null int64 5 Size 8432 non-null float64 6 Installs 9659 non-null object 7 Type 9659 non-null object 8 Price 9659 non-null object 9 Content Rating 9659 non-null object 10 Genres 9659 non-null object 11 Last Updated 9659 non-null object 12 Current Ver 9651 non-null object 13 Android Ver 9657 non-null object dtypes: float64(2), int64(2), object(10) memory usage: 1.1+ MB
Installを float データ型に変換Priceをfloatデータ型に変換import numpy as np
apps['Installs'] = apps['Installs'].astype(float)
apps['Price'] = apps['Price'].astype(float)
apps.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 9659 entries, 0 to 9658 Data columns (total 14 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 Unnamed: 0 9659 non-null int64 1 App 9659 non-null object 2 Category 9659 non-null object 3 Rating 8196 non-null float64 4 Reviews 9659 non-null int64 5 Size 8432 non-null float64 6 Installs 9659 non-null float64 7 Type 9659 non-null object 8 Price 9659 non-null float64 9 Content Rating 9659 non-null object 10 Genres 9659 non-null object 11 Last Updated 9659 non-null object 12 Current Ver 9651 non-null object 13 Android Ver 9657 non-null object dtypes: float64(4), int64(2), object(8) memory usage: 1.1+ MB
世界 190 か国に 10 億人を超えるアクティブ ユーザーがいる Google Play は、世界中の視聴者を構築するための重要な配信プラットフォームであり続けています。
企業がアプリをユーザーに提供するには、アプリを Google Play でより迅速かつ簡単に見つけられるようにすることが重要です。
全体的な検索エクスペリエンスを向上させるために、Google はアプリをカテゴリにグループ化する概念を導入しました。
これにより、次のような疑問が生じます。
カテゴリーごとのアプリ数をグラフで表示します。
num_categories = len(apps['Category'].unique())
print('カテゴリー数 = ', num_categories)
num_apps_in_category = apps['Category'].value_counts()
sorted_num_apps_in_category = num_apps_in_category.sort_values(ascending=False)
data = [go.Bar(
x = num_apps_in_category.index,
y = num_apps_in_category.values,
)]
plotly.offline.iplot(data)
カテゴリー数 = 33
データセットには 33 のカテゴリが存在することがわかります。
FAMILY が最も多く、続いて GAME 、 TOOLS が市場で普及しています。
BUSINESS 、MEDICAL アプリも上位にあります。
アプリの各カテゴリの市場シェアを確認した後、これらすべてのアプリが平均してどのようにパフォーマンスを発揮するかを見てみます。
アプリ評価 (1 から 5 のスケール) は、アプリの見つけやすさ、コンバージョン、そして会社全体のブランド イメージに影響を与えます。
評価はアプリの重要なパフォーマンス指標です。
アプリの評価をグラフに表示します。
avg_app_rating = apps['Rating'].mean()
print('アプリの平均評価 = ', avg_app_rating)
data = [go.Histogram(
x = apps['Rating']
)]
layout = {'shapes': [{
'type' :'line',
'x0': avg_app_rating,
'y0': 0,
'x1': avg_app_rating,
'y1': 1000,
'line': { 'dash': 'dashdot'}
}]
}
plotly.offline.iplot({'data': data, 'layout': layout})
アプリの平均評価 = 4.173243045387994
データから、すべてのアプリカテゴリにわたる評価の平均量は 4.17 であることがわかりました。
ヒストグラムでは一部のレートに偏りが見られます。
これは、低評価のアプリの少数の例外を除いて、大部分のアプリが高評価されていることを示しています。
次に、アプリのサイズとアプリの価格を調べてみます。
サイズに関しては、アプリのデータサイズが大きすぎると、ユーザーがダウンロードするのが難しくなったり、ダウンロードが高価になったりする可能性があります。
ダウンロード時間が長いと、モバイル アプリを体験する前にユーザーが離れてしまう可能性があります。
そして各ユーザーのデバイスの容量には限りがあります。
価格は、アプリが無料か安価であることを期待するユーザーもいます。
発展途上国がターゲット市場の一部である場合、これらの問題はさらに複雑になります。
特にインターネットの速度、収益力、為替レートによるものです。
アプリのサイズと価格を設定する戦略を効果的に考案するために以下を調査します。
Rating とSize の両方のデータが存在する行を選択Size とRating を出力Type が Paid (有料)のアプリを選択Priceと Rating を出力%matplotlib inline
import seaborn as sns
sns.set_style("darkgrid")
import warnings
warnings.filterwarnings("ignore")
apps_with_size_and_rating_present = apps[(~apps['Rating'].isnull()) & (~apps['Size'].isnull())]
large_categories = apps_with_size_and_rating_present.groupby("Category").filter(lambda x: len(x) >= 250)
plt1 = sns.jointplot(x = large_categories["Size"],
y = large_categories["Rating"],
height=8)
paid_apps = apps_with_size_and_rating_present[apps_with_size_and_rating_present['Type']=='Paid']
plt2 = sns.jointplot(x = paid_apps["Price"],
y = paid_apps["Rating"],
height=8)
最も評価の高いアプリ (評価 4 以上) の大半は 2 MB から 20 MB の範囲であることがわかります。
また、大多数のアプリの価格は 50 ドル未満であることもわかります。
ここで 50 ドル以下のアプリに限定したデータで価格の詳細を出力してみます。
sns.relplot(data = paid_apps[paid_apps.Price <= 50],
y = "Price",
x = "Rating",
hue = 'Size',
alpha = .5,
height = 6,
aspect = 1.6,
size = 'Size',
sizes=(100, 500),
palette ="muted",
legend = False
)
<seaborn.axisgrid.FacetGrid at 0x7f9d5ee05e80>
ほとんどが 5 ドル以下であることがわかりました。
企業や開発者はどうやって支出計画を立てるべきなのでしょうか。
企業は利益を最大化するためにどのような収益化戦略を使用できるにでしょうか。
アプリのコストは主に、機能、複雑さ、プラットフォームによって決まります。
モバイル アプリに適切な価格設定戦略を選択する際には、考慮すべき要素が数多くあります。顧客がアプリに対して支払いを行う意思があるかどうかを考慮することが重要です。
価格を間違えると、ダウンロードが行われる前に契約が破棄される可能性があります。
潜在的な顧客は、衝撃的な費用であると感じて離れてしまう可能性があります。
あるいは、あまりにも多くの広告を受信したり、単にお金の価値がなかったため、ダウンロードしたアプリを削除したりする可能性があります。
import matplotlib.pyplot as plt
import japanize_matplotlib
sns.set(font="IPAexGothic")
fig, ax = plt.subplots()
fig.set_size_inches(14, 6)
popular_app_cats = apps[apps.Category.isin(['GAME', 'FAMILY', 'PHOTOGRAPHY',
'MEDICAL', 'TOOLS', 'FINANCE',
'LIFESTYLE','BUSINESS'])]
ax = sns.stripplot(data = popular_app_cats,
x = popular_app_cats['Price'],
y = popular_app_cats["Category"],
jitter=True,
linewidth=1,
alpha = .5,
hue = "Category",
legend=False
)
ax.set_title('カテゴリ別のアプリ価格の傾向', size=20)
plt.xlabel('Price', labelpad=15, size=14)
plt.ylabel("カ\nテ\nゴ\nリ", labelpad=18, size=14, rotation=0, va='center')
plt.show()
apps_above_200 = popular_app_cats[popular_app_cats['Price'] > 200]
apps_above_200[['Category', 'App', 'Price']]
| Category | App | Price | |
|---|---|---|---|
| 3327 | FAMILY | most expensive app (H) | 399.99 |
| 3465 | LIFESTYLE | 💎 I'm rich | 399.99 |
| 3469 | LIFESTYLE | I'm Rich - Trump Edition | 400.00 |
| 4396 | LIFESTYLE | I am rich | 399.99 |
| 4398 | FAMILY | I am Rich Plus | 399.99 |
| 4399 | LIFESTYLE | I am rich VIP | 299.99 |
| 4400 | FINANCE | I Am Rich Premium | 399.99 |
| 4401 | LIFESTYLE | I am extremely Rich | 379.99 |
| 4402 | FINANCE | I am Rich! | 399.99 |
| 4403 | FINANCE | I am rich(premium) | 399.99 |
| 4406 | FAMILY | I Am Rich Pro | 399.99 |
| 4408 | FINANCE | I am rich (Most expensive app) | 399.99 |
| 4410 | FAMILY | I Am Rich | 389.99 |
| 4413 | FINANCE | I am Rich | 399.99 |
| 4417 | FINANCE | I AM RICH PRO PLUS | 399.99 |
| 8763 | FINANCE | Eu Sou Rico | 394.99 |
| 8780 | LIFESTYLE | I'm Rich/Eu sou Rico/أنا غني/我很有錢 | 399.99 |
カテゴリーが異なれば、求められる価格帯も異なります。
電卓アプリなど、シンプルで毎日使用する一部のアプリは、おそらく無料にしておくべきでしょう。
しかし、糖尿病患者を診断する高度に専門化された医療アプリに課金するのは理にかなっています。
以下では、MEDICAL および FAMILY アプリが最も高価であることがわかります。
すべてのゲーム アプリは 20 ドル以下の手頃な価格です。
本当に高価なアプリの多くは「ジャンク」アプリのようです。つまり、実際には目的を持たないアプリです。
アプリ開発者によっては、冗談のため、またはアプリ開発スキルをテストするためだけに、I Am Rich Premium または most expensive app (H) という名前のアプリを作成する場合があります。
一部の開発者は悪意を持ってこれを実行し、ユーザーがストアでアプリの購入を誤ってクリックすることを期待してお金を稼ごうとします。
これらの迷惑アプリをフィルタリングして除外し、視覚化をやり直してみます。
# Select apps priced below $100
apps_under_100 = popular_app_cats[popular_app_cats['Price'] < 100]
fig, ax = plt.subplots()
fig.set_size_inches(14, 6)
# Examine price vs category with the authentic apps (apps_under_100)
ax = sns.stripplot(x = "Price",
y = 'Category',
data = apps_under_100,
jitter = True,
linewidth = 1,
alpha = .5,
hue = "Category",
legend=False
)
ax.set_title('ジャンクアプリ排除後のカテゴリ別のアプリ価格傾向', size=20)
plt.xlabel('Price', labelpad=15, size=14)
plt.ylabel("カ\nテ\nゴ\nリ", labelpad=18, size=14, rotation=0, va='center')
plt.show()
現在、Play ストアのアプリには、無料、フリーミアム、有料、ペイミアム、サブスクリプションの 5 種類の価格設定戦略があります。
無料アプリと有料アプリのみに焦点を当てます。
無料アプリには次のような特徴があります。
有料アプリには次のような特徴があります。
有料アプリは無料アプリと同じくらいインストールされているのか視覚化します。
trace0 = go.Box(
y = apps[apps['Type'] == "Paid"]['Installs'],
name = 'Paid'
)
trace1 = go.Box(
y = apps[apps['Type'] == "Free"]['Installs'],
name = 'Free'
)
layout = go.Layout(
title = "有料アプリと無料アプリのダウンロード数",
yaxis = dict(title = "ダウンロード数のログ",
type = 'log',
autorange = True)
)
data = [trace0, trace1]
plotly.offline.iplot({'data': data, 'layout': layout})
有料アプリのインストール数は無料アプリよりも相対的に低いことがわかりましたが、さほど顕著ではありませんでした。
ユーザー レビュー データをマイニングして、製品、ブランド、サービスについて人々がどのように感じているかを判断するには、センチメント分析を使用します。
アプリのユーザー レビューを分析して、そのアプリに対する雰囲気が肯定的か否定的か、中立的かを特定できます。
たとえば、アプリのレビューの肯定的な言葉には、「素晴らしい」、「フレンドリー」、「良い」、「素晴らしい」、「愛」などの言葉が含まれる場合があります。
否定的な言葉としては、「マルウェア」、「嫌い」、「問題」、「返金」、「無能」などの言葉が考えられます。
Sentiment を使用するために2 つのデータフレームを結合merged_df[merged_df['Type'] == "Paid"]['Sentiment_Polarity']
30241 -0.209091
30242 0.552000
30243 0.215238
30244 -0.094805
30245 0.300000
...
52822 0.600000
52823 0.811111
52824 0.250000
52825 0.016667
52826 0.220833
Name: Sentiment_Polarity, Length: 416, dtype: float64
trace0 = go.Box(y = merged_df[merged_df['Type'] == "Paid"]['Sentiment_Polarity'],
name = 'Paid')
trace1 = go.Box(y = merged_df[merged_df['Type'] == "Free"]['Sentiment_Polarity'],
name = 'Free')
layout = go.Layout(
title = "センチメント極性分布",
yaxis=dict(
title=dict(text='ー ネガティブ ──── ポジティブ ＋'),
autorange=True,
color = "gray",
dtick=0,
gridcolor='white',
gridwidth=1,
zerolinecolor='yellow',
zerolinewidth=3,
),
plot_bgcolor='rgba(64, 222, 69, .2)',
)
data = [trace0, trace1]
fig = go.Figure(data=data, layout=layout)
fig.update_yaxes(tickangle=0)
fig.add_hrect(y0=0, y1=-1.15, line_width=0, fillcolor="pink", opacity=0.5)
fig.show()
有料アプリと無料アプリのユーザー レビューのセンチメント極性スコアをプロットすると、負の Y 軸の外れ値が示すように、無料アプリが多くの厳しいコメントを受けていることがわかります。
有料アプリのレビューが極端に否定的になることはないようです。
これは、アプリの品質に関する何かを示している可能性があります。つまり、有料アプリは平均して無料アプリよりも高品質です。
有料アプリの極性スコアの中央値は無料アプリよりもわずかに高く、以前の観察と同期しています。
以上、Google Play ストアの 1 万以上のアプリを分析しました。
アプリを作成する場合、分析結果を使用して意思決定に役立てることができます。