Scraping delle classifiche di App Store e Google Play per un benchmark internazionale delle App di maggior successo

Nel 2007, l'industria mobile ha subito un forte sconvolgimento innescato dal lancio del primo iPhone, con la conseguente creazione del primo vero ecosistema delle app. Questo evento ha determinato una graduale ristrutturazione della catena del valore nel mobile ed una permanente modificazione dei pilastri della mobile economy, passando da un mercato Telcocentrico all'attuale mercato, dominato dagli Over The Top, rappresentati principalmente da Apple con iOS e Google con Android. Questa componente emergente della catena del valore viene chiamata "mobile app economy" e rappresenta, oggi e nel prossimo futuro, l'area più in rapida crescita della catena del valore mobile. Questo lavoro di tesi si va a collocare in questo contesto e l’obbiettivo che si pone è quello di analizzare le dinamiche dei due principali mobile application store, ovvero Apple App Store e Google Play. Allo scopo di comprenderne le caratteristiche e confrontarne i parametri a livello globale e di nazioni ponendo particolare attenzione al confronto tra mercati affermati e altri in evoluzione. L’analisi della letteratura introduce prima l’attuale ecosistema delle app, ne presenta gli strumenti disponibili per l’analisi, i modelli di revenue e le performance in termini di download e ricavi. L’analisi empirica si avvale invece di una massiccia quantità di dati proveniente da un progetto sviluppato all’interno del lavoro di tesi. Questo progetto denominato “Store Scraper” ha permesso di acquisire in due anni dal 2012 al 2013 i dati relativi alle classifiche top 500 di Apple App Store e Google Play in 14 stati per iPhone iPad e Android su tre tipologie di classifica: applicazioni gratuite, a pagamento e redditizie, contando a termine dell’acquisizione più 225 mila applicazioni monitorate e rilevando un totale di 40 milioni di posizionamenti. Le variabili monitorate sono state: • numerosità di applicazioni • numerosità di sviluppatori • distribuzione dei modelli di revenue • numerosità dei rating per ogni applicazione monitorata • valore medio dei rating. Incrociando i dati con il seguente set di variabili: • posizionamento • piattaforma • classifica • fascia di prezzo • nazione • categoria