好好生活21 - AI ASO 失败总结，K3 值得尝试

#好好生活

好久不见，甚是想念

Sorter 的日均下载量从原来的 30 次降到了 10 次不到，直接原因是近期曝光量下降了百分之四十左右，但如果继续深问曝光量为什么下降，目前还无从得知。之前数据之所以比较坚挺，是因为大部分用户都来自国内。这样即使国外的曝光一直在降，但对国内的影响比较小。但现在国内的曝光也在下降，影响就非常明显了。近期有看到不少有名独立开发项目的流量都有在下降，并且下降得非常厉害，我也就很难再抱怨什么，但如果我的这种情况不是个例，那么之后的独立开发可能就更难了。

这周做了一些关键词的修改，原来都不敢动国内的关键词，现在因为流量本来就不怎么好，反而给我了更多的胆量，我也打算利用这次机会好好地研究 ASO，死马当活马医了，之前也尝试让 AI 帮我分析下载量下降的原因，但始终没有什么更好的效果，这种偷懒的方式还是做不好这个工作，我必须对这部分知识有充分的了解才能让 AI 产出更有效的结果，否则很难判断 AI 生成的建议是否有效。

但我利用 AI 之后，在学习这方面上有着比之前更高的效率，针对一些知识点可以更细节地去问了，这些原来都只能查询很多文章之后运气好才可能得到结果，现在有了 AI，在这方面的体验真是非常好。就像我直接将近期升级后流量降低的现象跟 Kimi 描述了一遍，让他给出可能的原因，Kimi 给出的分析是：新版本上线后多了两个差评，可能导致整体下载量回落。

tMemo 收到了一条 3 星评价，有点心痛，本来平均一周只有两个下载而已，但我自己用起来还是比较满意的，干净且无负担。目前只是这个赛道的 ASO 非常不好做。我一直在尝试借助 AI 摸索出一条优化 ASO 的路径，但到现在也没有成功，除了前面提到的原因之外，另外一个原因是缺少数据支撑。这类 ASO 平台应该出一个适合大模型调用的 CLI 工具，感觉应该会有不小的市场。

Sorter 近期也收到的这几个差评，都与 Core Data 相关。这方面的问题，主要是因为我想利用 TCA 做自动化测试，但 Core Data 对象本质上是引用类型，无法满足 TCA 测试对 Equatable 的要求，所以我在 Core Data 和 reducer 之间增加了 adapter。这样，Core Data 用于同步和保存，reducer 和自动化测试都使用 adapter。本来是个挺好的方案，但在实际实现过程中仍有一些地方没有处理好，导致近期出了比较多的问题。这两天我一直在思考这个问题，还需要跟 Kimi 一起深入了解这部分架构，哪成想 Kimi 本月的额度已经用完了，只能先缓两天了。

多说一句，这两天 K3 用得还是挺带劲的，智商明显上去了，从各种评分来看，它已经基本接近 Anthropic 和 OpenAI 的顶尖模型，而且就从体验上感觉也进步非常明显，这就非常舒服，虽然额度消耗也快了不少，但还是非常值得推荐。而且我发现，199 元的套餐如果只在官网使用，其实不怎么划算，Kimi Code 渠道的额度可是比官网抗用得多。我之前的预测也对了，但他们升级订阅方案后，发现用户反馈太激烈，又把调整撤销了。希望他们是真的能听到用户的反馈，给出一个更合理的用量方案。

我目前有 2 款产品已经在 App Store 上发布了。一款是帮助你管理物品的应用 Sorter，另外一款是追求极致简约克制的笔记应用 tMemo。如有任何想法也欢迎给我留言，当然，即便只是想与我联系，也非常欢迎。