論文の概要: Understanding Incentivized Mobile App Installs on Google Play Store
- arxiv url: http://arxiv.org/abs/2010.01497v1
- Date: Sun, 4 Oct 2020 07:27:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-30 00:32:19.647136
- Title: Understanding Incentivized Mobile App Installs on Google Play Store
- Title（参考訳）: Google Play Storeでインセンティブ付モバイルアプリインストールを理解する
- Authors: Shehroze Farooqi, \'Alvaro Feal, Tobias Lauinger, Damon McCoy, Zubair
Shafiq, Narseo Vallina-Rodriguez
- Abstract要約: 広告プラットフォームにより、モバイルアプリ開発者は、モバイルアプリのインストールやエンゲージメントに直接課金することで、新しいユーザーを獲得することができる。
Apple App StoreとGoogle Play Storeは、アプリストアのメトリクスを操作できるため、インセンティブ付きインストールを妨げている。
本研究は,Androidにおけるインセンティブ付モバイルアプリインストールキャンペーンのエコシステムを理解するための最初の研究である。
- 参考スコア（独自算出の注目度）: 16.095843448016552
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: "Incentivized" advertising platforms allow mobile app developers to acquire
new users by directly paying users to install and engage with mobile apps
(e.g., create an account, make in-app purchases). Incentivized installs are
banned by the Apple App Store and discouraged by the Google Play Store because
they can manipulate app store metrics (e.g., install counts, appearance in top
charts). Yet, many organizations still offer incentivized install services for
Android apps. In this paper, we present the first study to understand the
ecosystem of incentivized mobile app install campaigns in Android and its
broader ramifications through a series of measurements. We identify
incentivized install campaigns that require users to install an app and perform
in-app tasks targeting manipulation of a wide variety of user engagement
metrics (e.g., daily active users, user session lengths) and revenue. Our
results suggest that these artificially inflated metrics can be effective in
improving app store metrics as well as helping mobile app developers to attract
funding from venture capitalists. Our study also indicates lax enforcement of
the Google Play Store's existing policies to prevent these behaviors. It
further motivates the need for stricter policing of incentivized install
campaigns. Our proposed measurements can also be leveraged by the Google Play
Store to identify potential policy violations.
- Abstract（参考訳）: インセンティブ付き(incentivized)”広告プラットフォームは、モバイルアプリ開発者に対して、直接有料ユーザによるモバイルアプリのインストールとエンゲージメント(アカウントの作成、アプリ内購入など)による新規ユーザ獲得を可能にする。
インセンティブ付きインストールはApple App Storeで禁止され、Google Play Storeではアプリストアのメトリクス(インストール数、トップチャートの表示など)を操作できないため禁止されている。
しかし、多くの企業がAndroidアプリのインセンティブ付きインストールサービスを提供している。
本稿では,Androidにおけるインセンティブ付モバイルアプリインストールキャンペーンのエコシステムと,その広範な影響を,一連の測定を通じて理解するための最初の研究について述べる。
ユーザがアプリをインストールし、さまざまなユーザエンゲージメント指標(日次アクティブユーザ、ユーザセッションの長さなど)や収益をターゲットとしたアプリ内タスクを実行するインセンティブ付きインストールキャンペーンを特定します。
我々の結果は、これらの人工的に膨らませられたメトリクスは、アプリストアのメトリクスを改善するだけでなく、モバイルアプリ開発者がベンチャーキャピタリストから資金を集めるのに役立つことを示唆している。
われわれの調査は、Google Play Storeの既存のポリシーがこうした行為を防いでいることも示している。
さらに、インセンティブ付きインストールキャンペーンの厳格な規制の必要性を動機付けている。
提案した測定値は、Google Play Storeでポリシー違反の可能性を識別するために利用することもできる。
関連論文リスト
- What Is an App Store? The Software Engineering Perspective [8.551225450507687]
アプリケーションストア」とは、エンドユーザーがソフトウェアアプリケーションを閲覧、購入、ダウンロード、インストールできるオンラインソフトウェアストアである。
今のところ、最もよく知られているアプリストアは、Google Play for AndroidやAppleのApp Store for iOSなど、モバイルプラットフォームに関連付けられている。
現在、多種多様なアプリストアがあり、これらのストアはほとんど研究者によって見過ごされている。
論文 参考訳（メタデータ） (2024-01-08T23:56:45Z) - To remove or not remove Mobile Apps? A data-driven predictive model
approach [4.853751680856816]
本稿では,各アプリが削除されるか,受理されるかを決定するデータ駆動型予測手法を提案する。
当社のアプローチは,削除される可能性の低いアプリをダウンロードする際の,アプリやユーザの改善を支援するものです。
論文 参考訳（メタデータ） (2022-06-08T14:00:53Z) - Erasing Labor with Labor: Dark Patterns and Lockstep Behaviors on Google
Play [13.658284581863839]
Google Playのポリシーは、アプリの配置を操作するためのインセンティブ付きインストール、評価、レビューの使用を禁止している。
社会技術レンズによるインストールインセンティブアプリについて検討し、レビューとパーミッションの混合メソッド分析を行う。
私たちのデータセットには、60以上のアプリから5ヶ月以上にわたって収集された319万のレビューが含まれています。
インストールインセンティブのアプリに対する不正なレビューの証拠を見つけ、それに続いて、アプリとレビュアーの動的二部グラフのエッジストリームとしてモデル化します。
論文 参考訳（メタデータ） (2022-02-09T16:54:27Z) - Analysis of Longitudinal Changes in Privacy Behavior of Android
Applications [79.71330613821037]
本稿では,プライバシに関して,Androidアプリが時間とともにどのように変化してきたかを検討する。
HTTPSの採用、アプリが他のインストール済みアプリのデバイスをスキャンするかどうか、プライバシに敏感なデータに対するパーミッションの使用、ユニークな識別子の使用について検討する。
アプリがアップデートを受け続けるにつれて、プライバシ関連の振る舞いは時間とともに改善され、アプリによって使用されるサードパーティライブラリが、プライバシに関するより多くの問題に責任を負っていることが分かっています。
論文 参考訳（メタデータ） (2021-12-28T16:21:31Z) - RacketStore: Measurements of ASO Deception in Google Play via Mobile and
App Usage [20.13310058856793]
ASOプロバイダとレギュラーユーザによって制御される803個のユニークなデバイス上で,RacketStoreの973個のインストールについて検討した。
ASOプロバイダとレギュラーユーザの間には,デバイスに登録されているユーザアカウントの数とタイプにおいて,大きな違いがみられた。
教師付き学習アルゴリズムをトレーニングして、有料アプリのインストールと偽レビューを99.72%のF1尺度で検出できることが示されている。
論文 参考訳（メタデータ） (2021-11-19T19:24:48Z) - Demystifying Removed Apps in iOS App Store [0.0]
本稿は,iOSアプリストアにおける削除アプリについて,大規模かつ縦断的な調査を行うことを目的としている。
私たちの分析によると、削除されたアプリのほとんどは低品質のアプリだが、その多くがとても人気がある。
論文 参考訳（メタデータ） (2021-01-13T14:34:26Z) - Context-Aware Target Apps Selection and Recommendation for Enhancing
Personal Mobile Assistants [42.25496752260081]
本論文では,効果的なパーソナルモバイルアシスタントの開発に不可欠な2つの研究課題について述べる。
ここでは,モバイルデバイスで利用可能なリッチなコンテキスト情報を活用するために,コンテキスト認識モデルに注目する。
本稿では,ユーザの逐次的,時間的,個人的行動を考慮した文脈認識型ニューラルモデル群を提案する。
論文 参考訳（メタデータ） (2021-01-09T17:07:47Z) - Emerging App Issue Identification via Online Joint Sentiment-Topic
Tracing [66.57888248681303]
本稿では,MERITという新しい問題検出手法を提案する。
AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。
Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
論文 参考訳（メタデータ） (2020-08-23T06:34:05Z) - An Empirical Study of In-App Advertising Issues Based on Large Scale App
Review Analysis [67.58267006314415]
われわれは,App StoreとGoogle Playの広告関連ユーザフィードバックに関する大規模分析を行った。
広告関連レビュー36,309件の統計分析から,利用者は使用中のユニーク広告数や広告表示頻度を最も気にしていることがわかった。
いくつかの広告イシュータイプは、他の広告イシューよりも開発者によって迅速に対処される。
論文 参考訳（メタデータ） (2020-08-22T05:38:24Z) - Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。
実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
論文 参考訳（メタデータ） (2020-06-10T16:05:05Z) - General-Purpose User Embeddings based on Mobile App Usage [46.343844014289246]
保留、インストール、アンインストールを含むモバイルアプリの利用行動は、ユーザの長期的な利益と短期的な利益の両方に良い指標となる。
伝統的に、モバイルアプリの使用によるユーザーモデリングは、手作りの機能工学に大きく依存している。
本稿では,これらの課題を克服し,手作業の削減と性能向上を目標とする,AutoEncoder-Coupled Transformer Network(AETN)を提案する。
論文 参考訳（メタデータ） (2020-05-27T12:01:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。