Когда бюджет на платный трафик заканчивается, остаётся только одно оружие — данные и тексты, которые эти данные превращают в установки. Я собрал набор промтов, которыми пользуюсь сам, когда нужно быстро разобраться в воронке, вытащить инсайты из отзывов и переписать метаданные так, чтобы приложение находили в поиске. Это не теория — каждый промт я прогонял на реальных приложениях, и ниже разберу, как именно.
Важно понимать базу. ASO (App Store Optimization) — это оптимизация страницы приложения в магазинах (App Store, Google Play) под поисковые запросы и конверсию в установку. Мобильная аналитика — это данные о поведении: установки, удержание, воронка, события. Без второго первое превращается в гадание. Все промты ниже — это способ ускорить рутину, а не замена аналитику. И да, все факты о метриках и инструментах можно проверить в официальной документации App Store Connect, Google Play Console и Firebase — я даю ссылки по ходу текста.
Промт 1. Разбор воронки из сырых данных
Проблема: выгрузка событий выглядит как каша, непонятно, где отваливаются пользователи.
Промт:
Ты — продуктовый аналитик мобильного приложения. Ниже — воронка по шагам за последние 30 дней в формате: шаг, количество пользователей. Посчитай конверсию между каждым шагом, найди самый проблемный переход, предложи 3 гипотезы почему и метрику, которой это проверить.
Данные:
1. Установка — 10000
2. Открытие онбординга — 8200
3. Завершение онбординга — 4100
4. Первое ключевое действие — 1900
5. Повторный вход на 2-й день — 1200
Результат: модель мгновенно считает drop-off (онбординг теряет половину) и предлагает конкретные гипотезы. В моём кейсе с приложением-трекером привычек это выявило, что 4-й экран онбординга с запросом регистрации убивает конверсию — его убрали, и завершение онбординга выросло заметно.
Промт 2. Генерация списка ключевых слов для ASO
Промт:
Ты — ASO-специалист. Приложение: [название и суть]. Целевая аудитория: [описание]. Магазины: App Store и Google Play, регион: Россия.
Составь 40 ключевых слов и фраз, разделив на группы: высокочастотные (общие), среднечастотные (по функции), низкочастотные (по боли пользователя). Для каждой группы объясни, почему она важна, и приведи пример, как встроить в название, подзаголовок и описание без переспама.
Главный лайфхак: не давайте модели выдумывать частотность — её нужно проверять в инструментах вроде App Store Connect (раздел «Источники трафика») или Google Play Console. Модель генерирует семантику, цифры — ваша работа.
Промт 3. Аудит текста страницы приложения
Проблема: описание написано «для людей», но поиск его не видит.
Промт:
Проверь текст страницы приложения на соответствие правилам ASO. Текущий текст: [вставить].
Оцени по критериям:
1. Есть ли ключевые слова в первых 3 строках описания
2. Не переспамлено ли (одно слово больше 3-4 раз)
3. Читается ли текст человеком или это набор слов
4. Соответствует ли текст правилам App Store Review Guidelines (ссылка: developer.apple.com/app-store/review/guidelines)
Выдай таблицу: проблема — как исправить — пример новой формулировки.
Промт 4. Анализ отзывов конкурентов
Промт:
Ниже — 50 отзывов приложения-конкурента. Сгруппируй их по темам (баги, фичи, UX, цена), определи топ-3 жалобы и топ-3 похвалы. На основе этого предложи, что стоит подчеркнуть в нашем описании и какие фичи добавить в роадмап.
Отзывы: [вставить]
Это даёт вам бесплатное исследование рынка. Отзывы конкурентов — публичные данные, их можно собирать вручную или через API магазинов.
Промт 5. Калькулятор удержания и когорт
Промт:
Ты — аналитик. Ниже — данные по когортам пользователей (дата установки, день жизни, процент активных).
1. Построй таблицу удержания по дням (Day 1, Day 7, Day 30)
2. Сравни когорты между собой: какая держится лучше и почему это может быть
3. Дай формулу расчёта retention в SQL для моего случая
Данные: [вставить]
SQL-запрос модель напишет корректно, если вы дадите структуру таблицы: например, события с полями user_id, event_date, install_date. Проверьте логику перед запуском на проде.
Промт 6. Генерация A/B-теста
Промт:
Предложи A/B-тест для страницы приложения в App Store. Что тестируем: иконку / скриншоты / подзаголовок / описание.
Для выбранного элемента:
1. Сформулируй гипотезу
2. Опиши варианты A и B
3. Укажи метрику успеха (CTR в установку, конверсия)
4. Посчитай минимальный размер выборки для статистической значимости
5. Предупреди, какие внешние факторы могут исказить результат
Важно: в App Store есть встроенный инструмент Product Page Optimization, в Google Play — Store Listing Experiments. Оба позволяют тестировать элементы страницы без внешних сервисов.
Промт 7. Перевод и локализация описания
Промт:
Переведи описание приложения на английский и немецкий для App Store. Сохрани ключевые слова, но адаптируй под культурные особенности рынка. Не используй дословный перевод — передай смысл. Для каждой локали укажи 5 локальных ключевых слов, которых нет в русской версии.
Локализация — самый недооценённый канал бесплатного трафика. Apple и Google индексируют страницы по локалям, и правильный перевод открывает поиск в новых странах.
Промт 8. Диагностика падения метрик
Промт:
У нас упали установки на 30% за неделю. Ниже — данные по каналам, конверсии страницы и рейтингу.
Проведи анализ: какие каналы просели сильнее всего, могло ли падение рейтинга повлиять на органику, какие ещё гипотезы стоит проверить. Дай чек-лист из 5 шагов для диагностики.
Данные: [вставить]
Промт 9. Скрипт для сбора данных из Google Play
Промт:
Напиши Python-скрипт, который собирает публичную информацию о приложении из Google Play: название, рейтинг, количество отзывов, дату последнего обновления. Используй библиотеку google-play-scraper. Добавь обработку ошибок и сохранение в CSV.
Библиотека google-play-scraper — реальная и рабочая. Аналогично существует app-store-scraper для App Store. Проверяйте условия использования магазинов перед массовым сбором.
Промт 10. Составление семантического ядра из поисковых подсказок
Промт:
На основе списка поисковых подсказок из App Store (ниже) собери семантическое ядро для приложения [описание].
1. Кластеризуй запросы по смыслу
2. Выдели те, что релевантны нашей функции
3. Предложи приоритет: какие в первую очередь встроить в название и подзаголовок
Подсказки: [вставить]
Промт 11. Идеи для скриншотов и иконки
Промт:
Предложи концепцию для иконки и 6 скриншотов приложения [описание].
Для иконки: цветовая схема, символ, что транслирует пользователю.
Для скриншотов: порядок, какой первый экран, какие подписи. Учти, что первые 2 скриншота видны без прокрутки.
Промт 12. Отчёт для стейкхолдеров на естественном языке
Промт:
Преобразуй эти цифры в короткий отчёт для инвестора: что выросло, что упало, что делаем дальше. Без технического жаргона, но с конкретными числами. Максимум 200 слов.
Данные: [вставить]
Промт 13. Проверка описания на соответствие политикам
Промт:
Проверь текст описания приложения на риск отклонения модерацией. Сверься с ключевыми требованиями App Store Review Guidelines и Google Play Policies. Укажи фразы, которые могут вызвать вопросы: обещания результатов, медицинские заявления, упоминание конкурентов, сбор данных.
Текст: [вставить]
Промт 14. Сравнение с топ-3 конкурентами
Промт:
Ниже — описания трёх конкурентов из топа выдачи. Сравни их с нашим описанием: по каким запросам они сильнее, какие приёмы используют (эмодзи, структура, ключи), что мы можем перенять без копирования. Выдай таблицу: конкурент — сильные стороны — что взять.
Наше описание: [вставить]
Конкуренты: [вставить]
Промт 15. Прогноз влияния изменений
Промт:
Мы планируем переписать подзаголовок и первые 3 скриншота. Оцени риски: может ли это ухудшить конверсию, стоит ли тестировать поэтапно, какие метрики смотреть в первую неделю после релиза. Дай план поэтапного внедрения.
Промт 16. Постановка задач команде на основе данных
Промт:
На основе этих метрик приложения сформируй список из 5 задач для команды на следующий спринт: 2 по продукту, 2 по ASO, 1 по аналитике. Каждая задача — с обоснованием из данных и метрикой успеха.
Метрики: [вставить]
Что реально работает, а что нет
По своему опыту: промты не заменяют аналитика, но снимают 80% рутины. Самые полезные — те, что превращают сырые данные в гипотезы (промты 1, 5, 8). Самые переоценённые — генерация ключевых слов без проверки частотности: модель придумает красивые фразы, но реальный спрос нужно смотреть в App Store Connect и Google Play Console.
Ещё один важный момент — приватность. Не загружайте в сторонние LLM персональные данные пользователей. Обезличивайте выгрузки: уберите ID, email, телефоны. Для этого в промт можно добавить: «Данные анонимизированы, работай с агрегатами».
Если хотите системно прокачать навык работы с данными и AI-инструментами, начните с малого: возьмите одно приложение, одну метрику и один промт из списка. Прогоните, посмотрите результат, итерируйте. Через неделю рутина аналитики будет занимать в разы меньше времени, а решения станут опираться на цифры, а не на интуицию. Именно так приложения без бюджета на маркетинг и выходят в топ — за счёт скорости обучения и точности гипотез.
Комментарии