它们都是我积极使用的应用程序（这是准，但不会影响美国应用商店的排名）。
它们排名进入了前 500 名（但没有进入前 25 名，因为我认为 App Store 排名会排在前面——我将在研究 #2 中测试这个假设）。
他们在 Google Play 和 App Store 中都有几乎相同的应用程序版本，这意味着它们（理论上）应该有相似的评级。
它们涵盖了各种应用程序类别
我最终选择的应用程序是 Lyft、Venmo、Duolingo、Chase Mobile 和 LinkedIn。这五个应用程序代表旅游、金融、教育银行和社交网络类别。
假设
在进行这项分析时，我根据以下两个统计数据预测苹果应用商店排名的波动性会略高一些：
Android 应用程序获得的评分明显高于 iOS 应用程序，因此我认为每个小评级权重对 Google Play 评级的影响低于 App Store 评级。
Google Play 不会记录应用
当前版本的特定平均评分，这意味着每次更 委内瑞拉电话号码数据 新后它们都不会被重置。因此，我认为低波动性的 Android 评级等同于低波动性的 Google Play 排名。
这两个假设都将在后续分析中得到检验。
结果
App Store 和 Google Play 7 天内的 App Store 排名波动
在这五款应用中，Google Play 评分的波动性确实明显低于 App Store 评分。在记录的 35 个数据点中，Google Play 中的排名每天增加 23 个位 丽塔·奥尼尔 美国国家篮球队高级总监 – 全球营销合作伙伴 置/等级，而 App Store 排名每天增加 89 个位置/等级。 App Store评级波动的标准差是Google Play的4.45倍。
当然，同一款应用在两个应用商
店的排名差别很大，因此我随后以百分比变化的形式对排名波动进行了标准化，以控制数字排名对波动的影响。从这个角度来看，App Store 评级在 24 小时内变化了 72%，而 Google Play 评级变化不超过 9%。
还值得注意的是，大约三分之二的时间里，这两家应用商店的每日评分趋势一致，这表明这两家商店及其用户可能比我们想象的有更多共同点。
研究 2：App Store 热门应用排名波动
在研究 1 中，我们测试了标准化数据 whatsapp 号码 中的隐含假设，旨在查看应用商店评级的波动是否与应用程序的当前排名有关。本研究的样本包括 Google Play 和 App Store 中排名前 500 的应用程序，特别关注排名范围的两端（排名 1-100 和 401-500）。
假设
我预计应用程序的排名越高，其排名就越不稳定 – 这意味着排名第 450 位的应用程序在任何一天的排名都应该比排名第 50 位的应用程序上升得更高。该假设基于这样的假设：排名靠前的应用程序具有更高的安装量、活跃用户和评分，而排名靠后的应用程序的评分较低。因素
结果
App Store 500 强应用排名波动
从上面的图表可以看出，两个商店中应用程序的排名在其所在列表下的波动性越来越大（基于过去 24 小时内应用程序的排名变动次数）。
当比较频谱的两端时尤其如此——Google Play 上排名前 100 的应用程序似乎呈现直线波动，而 App Store 上排名前 100 的应用程序则很少有波动。将这一部分与较低的 401-)500 部分进行比较，这两家商店的排名都经历了很大的动荡。纵观所有方面，我发现 Play Store 中的评级与评级波动之间的相关性为 24%，App Store 中的相关性为 28%。