# 搜索第一名的评分数量：iOS 存档样本复核

URL: https://storelift.net/zh/guide/how-many-reviews-to-rank/
Language: zh
Updated: 2026-10-03
Data: 2026-08-26 (archived measurement; not refreshed)
最近一次成功测量: 2026-08-26

2026年8月26日的CSV包含19个商店的1,817条观测。在TR和US子样本中，153条第一名观测有64条记录的评分数不足100（41.8%）。但其中13条的零值也可能代表缺失数据。因此不能据此得出获得排名所需的最低评分数。

## 不同范围的结果

| 指标 | TR + US | 全部19个商店 |
| --- | --- | --- |
| 观测数 | 890 | 1817 |
| 第一名观测数 | 153 | 315 |
| 记录值小于100 | 64/153 | 182/315 |
| 第一名中的零值或缺失 | 13 | 91 |
| 第一名正值记录中为1–99的数量 | 51/140 | 91/224 |
| 排名与评分数的Pearson相关 | -0.129 | -0.089 |

## 方法与限制

关键词来自我们自有的六款应用。数据只保留排在自家应用前面的顶部和相邻区间，并非完整搜索结果。文件含312个不同的国家与关键词组合，以及24条完全相同的行。应用ID和逐条观测时间未保留。导出时缺失的评分数被转换为零。重复观测不是独立试验；这里的Pearson并非Spearman秩相关，也不能证明因果关系。该样本不代表整个App Store或新应用的成功概率。

先按cc筛选TR和US，再选择rakip_sira=1。将degerlendirme<100的行数除以同一子样本中第一名的行数。保留原有重复行。评分数不等于文字评论数。8月26日是导出日期；10月3日仅复核文字与计算，没有采集新的商店数据。

## 下载数据

wall-study-2026-08-26.csv · SHA-256: 4cfaa66647d98a9d54f709c3ad998b7d77055ae8a1d00cca058d2b0af262490b

## FAQ

Q: 低相关性是否证明评分不会影响排名？
A: 不能。这个经过选择的横截面样本无法确定因果效应，也无法分离商店算法中的各项因素。