为了更清楚地说明这一点，Google Play 上排名第 401-500 位的应用在过去 24 小时内平均上升了 12.1 个排名，而排名前 100 1.4 个排名。对于 App Store，这两个数字分别为 64.28 和 11.26，这使得评分较低的应用程序比较高评分的应用程序更具波动性。 （我之所以说“有点”，是因为这些“低级”应用程序的评级仍然高于 99.96% 的所有应用程序。）
在所有 App Store 排行榜中
排名和波动性之间的关系相当一致，而 越南电话号码数据 排名对 Google Play 排行榜低端波动性的影响（排名 1-100 的相关性为 35%）要比高端波动性的影响大得多（排名 401-500 的相关性为 1%）。
研究 #3：App Store 全明星评分
下一项研究将考察排名和星级评定之间的关系，以确定排名靠前的应用程序与其他应用程序之间的差异趋势，并探讨其与应用商店评级波动之间的关系。
假设
评分 = fn（评分，评分计数，安装量，趋势）
正如在介绍中所讨论的，这项研究与 孙露西 网上营销总监 普遍认为影响应用商店评级的因素之一直接相关：平均评分。
一开始，我假设更高的级别通常等
同于更高的评级，这强化了星级评定在排名算法中的作用。
至于波动性，我并不认为平均 whatsapp 号码 评分会在 App Store 评分波动性中发挥作用，因为我看不出评分较高的应用波动性会比评分较低的应用低，反之亦然。相反，我相信波动性将与评级量 相关（我们将在最后的研究中探讨）。
结果
App Store 上热门应用的平均评分
上图显示了各商店中排名前 100 的应用程序及其平均评分（App Store 应用程序的历史评分和当前评分）。如果这看起来有点混乱，这只是表明 Google Play 和 App Store 中的排名算法很复杂。
如果我们的假设正确，我们会看到排名呈下降趋势。我们期望看到排名第一的应用程序的评分明显高于排名第 100 的应用程序的评分。可是，没有商店有这个。相反，我们得到的是一个看似随机的图表，没有明显的趋势。
进一步研究并结合我们对应用商店的了解，我们发现了另外两个有趣的点：
排名前 100 的应用程序的平均星级评分明显高于平均应用程序的星级评分。 Android 应用程序的平均评分为 4.319，排名前 100 的 iOS 应用程序的平均评分为3.935. 这些评分分别比两家商店中所有已评级应用程序的平均评分高出 0.32分。排名前 401-500应用程序的平均评分大致相当于排名前列的应用程序的评分和平均均序分和平均应用程序致相
Google Play 中热门应用的评分分
布比 iOS 热门应用的评分分布要紧凑得多。Apple App Store热门榜单中的评分标准差高出 2.5 倍以上，这可能意味着评分在 Google Play 的算法中占有應。
App Store 评分波动和平均评分
接下来，评分和应用商店排名波动之间的关系，可以发现两个应用商店的相关-15%；这意味着应用的评分越高，其排名在 24 小时内变动的可能性就越小。 ایپل سٹور对应用当前评分的计算,我没有发现统计上显著的相关性.