Tetr College of Business

产品线高度集中在「Education」，品牌心智清晰。

Education

1 款 · 100%

• 主品类「Education」占比 100%，品类结构相对单一
• 品类分散度指数约 0.00（0=极度集中，1=极度分散），便于横向对比其他开发者。

公开数据中评分样本较少，以下口碑分析仅供参考。

应用数

1

累计评分数

—

免费 / 付费

1 / 0

• 按评论量，头部应用包括：《Tetr》。
• 当前列表均为免费应用（或价格为 0），变现可能依赖订阅/广告/内购（需结合商店页）。

多数应用缺少足够评分样本，整体星级仅供参考。

• 加权分与算术分接近：各应用口碑相对均衡。
• 约 1 款应用暂无评分数据，在分析「尾部表现」时会被弱化。

iTunes Search API 不提供用户评论原文，此处用「低星 + 足够评论量」近似标出需重点关注的应用；并列出评论样本偏少的应用。

• 未发现「低星且评论量充足」的应用，或样本门槛未触发。
• 多数应用已有一定评论基数，星级相对稳定。

最早上架《Tetr》，最近更新/上架节奏以《Tetr》为参考；时间跨度反映团队持续迭代能力。

跨度

1 年+

• 库中最早记录：2026 年（Tetr）。
• 较新应用：2026 年（Tetr）。

以下基于公开元数据，便于你做竞品研究或产品线规划；深入结论需结合下载量、收入与评论原文。

• 研究品类组合：共 1 个品类，可复制其「主品类 + 延伸」结构是否匹配你的资源。
• 对比口碑结构：加权 — 星 vs 头部应用《Tetr》的评分与评论量。
• 若做同类工具：优先阅读低分应用中用户提到的功能缺口（需商店评论或第三方数据）。