“Memory games” tiene un score de popularidad de 97 en la App Store US. Pi Digits no rankea por él.
Eso no es un fracaso. Son los datos diciéndote dónde está la oportunidad real.
La mayoría de apps iOS pequeñas están optimizando por el target equivocado. Añaden términos de alta popularidad a sus metadatos, ven los rankings quedarse planos durante semanas y concluyen que ASO no funciona. El problema real es que están compitiendo por términos donde el algoritmo de Apple ya tiene opiniones fuertes. Lumosity y Elevate tienen años de ratings, installs y señales de engagement bloqueando los resultados top para “memory games for adults” y “brain training”. Una app pequeña no puede comprar ni atajar esa autoridad.
Pero las apps pequeñas sí rankean por algo. Y casi nunca es el término con el número de popularidad más grande.
Por qué rankea Pi Digits, y por qué no
Aquí están los head terms que Pi Digits trackea en la App Store US, extraídos de Marteso hoy:
- “memory test”, popularidad 97, dificultad 78, rank actual: ninguno
- “memory games for adults”, popularidad 97, dificultad 95, rank actual: ninguno
- “math games”, popularidad 93, dificultad 89, rank actual: ninguno
- “brain exercise”, popularidad 92, dificultad 98, rank actual: ninguno
Ninguno rankea. Estos términos tienen volumen de búsqueda real y competencia atrincherada. Apple ya decidió quién pertenece en los resultados top para cada uno.
Ahora aquí está por qué rankea Pi Digits realmente:
- “pi test” (US), popularidad 74, dificultad 100, rank: #7
- “memorize pi” (US), popularidad 72, dificultad 33, rank: #16
- “number memory challenge” (US), popularidad 79, dificultad 48, rank: #27
- “learn pi” (UK), popularidad 74, dificultad 26, rank: #19
- “numero pi” (España), popularidad 86, dificultad 71, rank: #3
- “memoria numérica” (México), popularidad 81, dificultad 49, rank: #23
Estos rankings existen hoy. Generan impresiones. Pertenecen a Pi Digits, y ninguna app establecida de brain-training está compitiendo por ellos.
Por qué la dificultad es el número que realmente importa
La popularidad te dice cuán a menudo los usuarios buscan un término. La dificultad te dice cuán fuerte es la competencia existente. Para una app pequeña, la señal que importa es la brecha entre las dos.
Mira “memorize pi”: popularidad 72, dificultad 33. Esa brecha — suficiente volumen de búsqueda para impresiones reales, dificultad suficientemente baja para que una app pequeña pueda ganar — es exactamente donde viven los keywords específicos.
Compara eso con “brain exercise”: popularidad 92, dificultad 98. La demanda es real pero cada app establecida de brain-training en la store está compitiendo por él. Una app pequeña sin autoridad de ratings y sin historial de browse no aparecerá en el top 30. No esta semana, y probablemente no este año.
El error común es ordenar listas de keywords por popularidad descendente. Esa vista te muestra una lista de términos que no puedes ganar. Cuando filtras en su lugar por términos donde la dificultad está significativamente por debajo de la popularidad, empiezas a ver los términos donde una app pequeña realmente puede colocarse.
Lo que significa el rank #7 en “pi test” en la práctica
“Pi test” tiene un score de popularidad de 74 y un score de dificultad de 100. Pi Digits rankea #7 por él.
Eso parece una contradicción. ¿Por qué una app pequeña rankea #7 por un término con dificultad máxima?
Porque la dificultad refleja la fuerza competitiva de un pool amplio de apps que plausiblemente podrían ser relevantes. Pi Digits es la app más específicamente relevante para esta intención de búsqueda en particular. Cuando un usuario escribe “pi test”, quiere testear cuántos dígitos de pi conoce. Pi Digits hace exactamente eso y nada más. El modelo de relevancia de Apple no puede argumentar contra ese match.
Esa especificidad crea una moat. Lumosity no rankea por “pi test” porque Lumosity no es una app de pi. La misma estrechez que hace el término de menor tráfico también lo hace ganable y defendible. Un rank #7 en un término de popularidad 74 es un driver real de impresiones, y establece que Apple ha conectado esta app con este trabajo específico. Esas son las dos primeras condiciones para construir una escalera de keywords hacia arriba con el tiempo.
Cómo encontrar tu versión de “memorize pi”
Cada app tiene una versión de esto: un set de términos específicos a su trabajo core, donde es inequívocamente el mejor resultado, y donde la competencia es delgada porque la query es estrecha. El proceso para encontrarlos es repetible.
- Empieza desde el trabajo core exacto de tu app. ¿Qué hace, en una sola frase verbo-objeto? Para Pi Digits: “memorize pi digits.”
- Genera variantes. Diferente fraseo, diferentes ángulos de intención. “memorize pi”, “pi digits trainer”, “learn pi”, “pi test”, “number memory challenge.”
- Comprueba popularidad y dificultad para cada variante. Buscas términos donde la popularidad está sobre 50 y la dificultad está al menos 20 puntos debajo de la popularidad.
- Comprueba si ya rankeas. Si apareces en el top 30 y la app genuinamente matchea la intención, tienes un proof keyword. Protégelo en tus metadatos.
- Construye desde ahí. Una vez que rankees por términos proof, los términos bridge a categorías más amplias se vuelven accesibles. Te ganas el camino a la escalera en vez de forzarlo.
Los términos proof que encuentras hoy no son un techo. Son la fundación.
Un audit de keywords que puedes hacer hoy
Extrae tus keywords rankeados actuales. Ordena por rank ascendente, tus mejores rankings primero. Para cada término en el top 30, pregunta: ¿está este término explícitamente en mi título, subtítulo o keyword field actual?
Si no lo está, tienes una brecha de alineación. La app está rankeando por algo que Apple infirió sin soporte explícito de metadatos. Añadir ese término a tu keyword field refuerza el ranking en vez de construir desde cero.
Después mira términos donde rankeas entre 30 y 80. Estos son oportunidades bridge. Tienes señal parcial. Una mención directa en el subtítulo o keyword field podría ser suficiente para moverte al top 20.
Los términos rankeados son tu set proof. No añadas nuevos head terms antes de haber reforzado completamente los términos donde ya tienes evidencia.