Создание экспериментов с удаленной конфигурацией Firebase с помощью A/B-тестирования

При использовании Firebase Remote Config для развертывания настроек приложения с активной базой пользователей важно убедиться в правильности настроек. Для определения следующих параметров можно использовать A/B Testing :

• Лучший способ внедрить функцию — оптимизировать пользовательский опыт. Слишком часто разработчики приложений узнают о том, что пользователям не нравится новая функция или обновленный пользовательский интерфейс, только когда рейтинг их приложения в App Store падает. A/B Testing может помочь определить, нравятся ли пользователям новые варианты функций или они предпочитают приложение в его текущем виде. Кроме того, сохранение большинства пользователей в базовой группе гарантирует, что большая часть вашей пользовательской базы сможет продолжать использовать ваше приложение без каких-либо изменений в его поведении или внешнем виде до завершения эксперимента.
• Лучший способ оптимизировать пользовательский опыт для достижения бизнес-цели. Иногда вы вносите изменения в продукт, чтобы максимизировать такие показатели, как доход или удержание клиентов. С помощью A/B Testing вы устанавливаете свою бизнес-цель, а Firebase выполняет статистический анализ, чтобы определить, превосходит ли вариант базовый показатель по выбранной вами цели.

Для A/B-тестирования вариантов функций с использованием базового варианта выполните следующие действия:

1. Создайте свой эксперимент.
2. Управляйте своим экспериментом.

Создайте эксперимент

Эксперимент Remote Config позволяет оценить несколько вариантов одного или нескольких параметров Remote Config .

1. Убедитесь, что Google Analytics включен в вашем проекте, чтобы эксперимент имел доступ к данным Analytics .

   Если вы не включили Google Analytics при создании проекта, вы можете включить его в настройках проекта. settings > Вкладка «Интеграции» в консоли Firebase .

2. В консоли Firebase перейдите в раздел DevOps & Engagement > A/B Testing.

3. Нажмите «Создать эксперимент» , а затем, когда появится запрос на выбор службы, с которой вы хотите поэкспериментировать, выберите Remote Config .

4. В разделе «Варианты» выберите базовый вариант и как минимум один вариант для эксперимента. Вы можете добавить один или несколько параметров для эксперимента. Вы можете повторить этот шаг, чтобы добавить несколько параметров в свой эксперимент.

5. (Необязательно) Чтобы добавить в эксперимент более одного варианта, нажмите « Добавить еще один вариант» .

6. Измените один или несколько параметров для конкретных вариантов. Все неизмененные параметры останутся неизменными для пользователей, не участвовавших в эксперименте.

7. Разверните раздел «Вес вариантов» , чтобы просмотреть или изменить вес вариантов для эксперимента. По умолчанию каждый вариант имеет одинаковый вес. Обратите внимание, что неравные веса могут увеличить время сбора данных, и изменить их после начала эксперимента будет невозможно .

8. Определите критерии таргетинга для вашего эксперимента, используя условия Remote Config :

   • Повторное использование существующего условия: если существующее условие в вашем шаблоне Remote Config уже соответствует вашей целевой аудитории, выберите его из списка.

   • Проверьте порядок оценки условий: убедитесь, что условия на странице «Условия» расположены в правильном порядке приоритета. Поскольку Remote Config оценивает условия последовательно сверху вниз, другие условия с более высоким приоритетом могут помешать достаточному количеству пользователей достичь условия, связанного с вашим экспериментом.

   • Создайте новое условие: если ни одно из существующих условий не удовлетворяет вашим требованиям к таргетингу, или если вы предпочитаете продублировать существующее условие (например, если вы предпочитаете не использовать условие, которое уже используется другими параметрами), создайте новое условие, сначала выбрав приложение, которое использует ваш эксперимент. Если вы создаете отдельное или дублирующее условие для эксперимента, убедитесь, что новое условие имеет более высокий приоритет, чем существующее; в противном случае пользователи будут соответствовать существующему условию в первую очередь, и в эксперимент не будет поступать новых пользователей.

     Затем вы можете выбрать определенную подгруппу пользователей, нажав кнопку и выбрав один или несколько вариантов из следующего списка:

     • Версия: Одна или несколько версий вашего приложения
     • Номер сборки: номер сборки (Apple) или код версии (Android) вашего приложения.
     • Платформа: Одна или несколько платформ (iOS, Android или Web) для таргетирования.
     • Операционная система: Нацеливание на пользователей веб-приложения на основе их операционной системы и версии.
     • Браузер: Нацеливание на пользователей веб-приложения на основе их веб-браузера и версии браузера.
     • Категория устройства: Нацеливайте рекламу на пользователей веб-приложения в зависимости от того, мобильное у них устройство или нет.
     • Языки: Один или несколько языков и региональных настроек, используемых для отбора пользователей, которые могут быть включены в эксперимент.
     • Страна/Регион: Одна или несколько стран или регионов для отбора пользователей, которых следует включить в эксперимент.
     • Целевая аудитория пользователей: Analytics аудитории, используемые для таргетирования пользователей, которые могут быть включены в эксперимент.
     • Свойство пользователя: Одно или несколько свойств пользователя Analytics для выбора пользователей, которые могут быть включены в эксперимент.
     • Пользователь в случайном процентном соотношении: Нацелить случайный процент пользователей в заданном процентильном диапазоне.
     • Импортированный сегмент: Целевые пользователи, принадлежащие к пользовательским импортированным сегментам, загруженным в ваш проект.
     • Дата/время: Нацеливание на пользователей на основе указанного временного интервала и даты.
     • Первое открытие: Нацеливайте таргетинг на пользователей в зависимости от того, когда они впервые открыли ваше приложение.
     • Идентификатор установки: Укажите целевые тестовые устройства или экземпляры клиентов, используя их идентификаторы установки Firebase (FID).
     • Пользователь существует: Нацелить на всех пользователей во всех приложениях проекта.
     • Пользовательский сигнал: Нацеливание на пользователей на основе пользовательских сигналов ключ-значение на стороне клиента, передаваемых во время выполнения.

9. Установите охват: введите процент пользователей вашего приложения, соответствующих критериям, заданным в разделе «Целевые пользователи» , который вы хотите равномерно распределить между базовой группой и одним или несколькими вариантами в вашем эксперименте. Это может быть любой процент от 0% до 100%. Пользователи случайным образом назначаются каждому эксперименту, включая дублирующиеся эксперименты.

10. При желании можно задать событие активации, чтобы в эксперименте учитывались только данные пользователей, которые первыми инициировали какое-либо событие Analytics . Обратите внимание, что все пользователи, соответствующие вашим параметрам таргетинга, получат экспериментальные значения Remote Config , но в результаты эксперимента будут включены только те, кто инициировал событие активации.

    Для обеспечения корректности эксперимента убедитесь, что выбранное вами событие происходит после активации приложением полученных значений конфигурации. Кроме того, следующие события использовать нельзя, поскольку они всегда происходят до активации полученных значений:

    • app_install
    • app_remove
    • app_update

    Выбранное вами событие Analytics в качестве события активации не должно также использоваться в качестве основной метрики (или в качестве дополнительной метрики) в том же эксперименте. В противном случае в консоли Firebase возникнет ошибка проверки, и запуск эксперимента будет невозможен.

11. В разделе «Цели» эксперимента выберите основной показатель для отслеживания и добавьте из списка любые дополнительные показатели, которые вы хотите отслеживать. К ним относятся встроенные цели (покупки, доход, удержание пользователей, у которых не было сбоев и т. д.), события конверсии Analytics и другие события Analytics . После завершения нажмите «Далее» .

12. Нажмите «Сохранить» , чтобы сохранить эксперимент. Для начала проведения эксперимента необходимо опубликовать шаблон.

В рамках одного проекта разрешается проводить до 300 экспериментов (включая этапы внедрения), из которых до 24 могут быть текущими экспериментами и этапами внедрения, а остальные — завершенными.

Управляйте своим экспериментом

При создании эксперимента с помощью Remote Config вы можете запустить эксперимент, отслеживать его выполнение и увеличивать количество пользователей, участвующих в нем.

После завершения эксперимента вы можете зафиксировать настройки, использованные в варианте-победителе, а затем распространить эти настройки на всех пользователей. Или же вы можете провести еще один эксперимент.

Редактировать эксперимент

1. В разделе DevOps & Engagement навигационного меню консоли Firebase нажмите Remote Config .
2. Перейдите во вкладку «A/B-тесты» .
3. Нажмите «Запуск» , затем выберите эксперимент, который хотите отредактировать.
4. Щелкните контекстное меню ( more_vert ) и выберите «Редактировать запущенный эксперимент» .
5. Чтобы убедиться, что в вашем приложении есть пользователи, которые подойдут для вашего эксперимента, разверните подробную информацию и проверьте, не превышает ли число 0% в разделе «Таргетинг и распределение» (например, 1% пользователей, соответствующих критериям ).

Мониторинг эксперимента

После того как эксперимент продлится некоторое время, вы можете отслеживать его ход и видеть результаты для пользователей, которые уже приняли в нем участие.

1. В разделе DevOps & Engagement навигационного меню консоли Firebase нажмите Remote Config .
2. Перейдите во вкладку «A/B-тесты» .

3. Нажмите «Бег» , а затем выберите или найдите название вашего эксперимента. На этой странице вы можете просмотреть различные наблюдаемые и смоделированные статистические данные о вашем эксперименте по бегу, включая следующие:

   • Процентное отклонение от базового уровня : Показатель улучшения метрики для данного варианта по сравнению с базовым уровнем. Рассчитывается путем сравнения диапазона значений для варианта с диапазоном значений для базового уровня.
   • Вероятность превзойти базовый показатель : оценочная вероятность того, что данный вариант превзойдет базовый показатель по выбранной метрике.
   • observed_metric per user : На основе результатов эксперимента это прогнозируемый диапазон, в который будет попадать значение метрики с течением времени.
   • Total observed_metric : Накопленное значение для базового варианта или варианта. Это значение используется для оценки эффективности каждого варианта эксперимента и применяется для расчета показателей улучшения , диапазона значений , вероятности превзойти базовый вариант и вероятности стать лучшим вариантом . В зависимости от измеряемого показателя, этот столбец может быть обозначен как «Длительность на пользователя», «Доход на пользователя», «Коэффициент удержания» или «Коэффициент конверсии».

4. После того, как ваш эксперимент продлится некоторое время (14 дней для Remote Config ), данные на этой странице укажут, какой вариант, если таковой имеется, является «лидером». Некоторые измерения сопровождаются гистограммой, которая представляет данные в визуальном формате.

Провести эксперимент для всех пользователей.

После того, как эксперимент продлится достаточно долго и выявите «лидера», или выигрышный вариант, для целевого показателя, вы можете запустить эксперимент для 100% пользователей. Это позволит вам выбрать вариант, который будет доступен всем пользователям в дальнейшем. Даже если ваш эксперимент не выявил явного победителя, вы все равно можете выбрать вариант, доступный всем пользователям.

1. В разделе DevOps & Engagement навигационного меню консоли Firebase нажмите Remote Config .
2. Перейдите во вкладку «A/B-тесты» .
3. Нажмите «Завершено» или «Выполняется» , выберите эксперимент, который хотите запустить для всех пользователей, затем нажмите контекстное меню ( more_vert ) и выберите «Развернуть вариант» .
4. Для запуска эксперимента на всех пользователях выполните следующие действия:
   • Для эксперимента Remote Config выберите вариант, чтобы определить, какие значения параметров Remote Config следует обновить. Критерии таргетинга, определенные при создании эксперимента, добавляются в качестве нового условия в ваш шаблон, чтобы гарантировать, что развертывание затронет только пользователей, на которых направлен эксперимент. После нажатия кнопки «Просмотреть» в разделе «Удаленная конфигурация» для проверки изменений, нажмите кнопку «Опубликовать изменения» , чтобы завершить развертывание.

Расширить эксперимент

Если вы обнаружите, что эксперимент не привлекает достаточно пользователей для того, чтобы A/B Testing выявило лидера, вы можете расширить распространение эксперимента, чтобы охватить большую часть пользовательской базы приложения.

1. В разделе DevOps & Engagement навигационного меню консоли Firebase нажмите Remote Config .
2. Перейдите во вкладку «A/B-тесты» .
3. Выберите запущенный эксперимент, который хотите отредактировать.
4. В разделе «Обзор эксперимента» щелкните контекстное меню ( more_vert ), а затем выберите «Редактировать запущенный эксперимент» .
5. В диалоговом окне «Таргетинг» отображается возможность увеличить процент пользователей, участвующих в текущем эксперименте. Выберите число, превышающее текущий процент, и нажмите «Опубликовать» . Эксперимент будет запущен для указанного вами процента пользователей.

Повторите эксперимент

1. В разделе DevOps & Engagement навигационного меню консоли Firebase нажмите Remote Config .
2. Перейдите во вкладку «A/B-тесты» .
3. Выберите текущий или завершенный эксперимент, который вы хотите остановить.
4. Нажмите «Завершено» или «Выполняется» , наведите указатель мыши на свой эксперимент, щелкните контекстное меню ( more_vert ), а затем выберите «Дублировать эксперимент» или «Остановить эксперимент» .

Прекратите эксперимент

1. В разделе DevOps & Engagement навигационного меню консоли Firebase нажмите Remote Config .
2. Перейдите во вкладку «A/B-тесты» .
3. Выберите текущий или завершенный эксперимент, который вы хотите остановить.
4. Нажмите «Завершено» или «Выполняется» , наведите указатель мыши на эксперимент, щелкните контекстное меню ( more_vert ), а затем нажмите «Остановить эксперимент» .

Идентификация веб-клиента и сохранение результатов экспериментов

Когда пользователь впервые запускает веб-приложение с использованием Firebase A/B Testing в браузере, генерируется уникальный идентификатор установки Firebase (FID). Этот FID постоянно хранится в IndexedDB браузера для идентификации экземпляра приложения в разных сессиях.

Firebase A/B Testing идентификатор FID используется для распределения пользователей по вариантам эксперимента, а Google Analytics — для агрегации событий с целью измерения и анализа поведения пользователей в каждом варианте.

Поскольку идентификатор приложения (FID) хранится в IndexedDB, Firebase A/B Testing рассматривает пользователя как нового, если он заходит в ваше приложение из другого браузера или в режиме инкогнито, или если он очищает IndexedDB своего браузера. Это означает, что пользователь может быть включен в разные варианты эксперимента при использовании разных браузеров или сеансов просмотра.

Целевой пользователь

Вы можете выбрать пользователей для участия в эксперименте, используя следующие критерии таргетирования.

В консоли Firebase поддерживаются следующие типы правил. Аналогичные функции доступны в REST API Remote Config , как подробно описано в справочнике по условным выражениям .

Метрики A/B Testing

При создании эксперимента вы выбираете основной, или целевой , показатель, который используется для определения выигрышного варианта. Вам также следует отслеживать другие показатели, чтобы лучше понимать эффективность каждого варианта эксперимента и отслеживать важные тенденции, которые могут различаться для каждого варианта, такие как удержание пользователей, стабильность приложения и доход от внутриигровых покупок. В эксперименте можно отслеживать до пяти показателей, не являющихся целевыми.

Например, предположим, вы используете Remote Config для запуска двух разных игровых сценариев в вашем приложении и хотите оптимизировать их для внутриигровых покупок и дохода от рекламы, но также хотите отслеживать стабильность и удержание пользователей каждого варианта. В этом случае вы можете выбрать «Предполагаемый общий доход» в качестве целевого показателя, поскольку он включает доход от внутриигровых покупок и доход от рекламы, а затем в поле «Другие показатели для отслеживания » вы можете добавить следующее:

• Для отслеживания ежедневного и еженедельного удержания пользователей добавьте показатели «Удержание (2-3 дня)» и «Удержание (4-7 дней)» .
• Для сравнения стабильности работы двух игровых процессов добавьте пользователей, у которых не было сбоев .
• Для получения более подробной информации о каждом типе дохода добавьте доходы от покупок и предполагаемые доходы от рекламы .

В приведенных ниже таблицах подробно описано, как рассчитываются целевые показатели и другие метрики.

Целевые показатели

Другие показатели

экспорт данных BigQuery

Помимо просмотра данных экспериментов A/B Testing в консоли Firebase , вы можете проверять и анализировать данные экспериментов в BigQuery . Хотя для A/B Testing нет отдельной таблицы BigQuery , информация о принадлежности к экспериментам и вариантам хранится в таблицах событий Google Analytics Analytics .

Свойства пользователя, содержащие информацию об эксперименте, имеют вид userProperty.key like "firebase_exp_%" или userProperty.key = "firebase_exp_01" где 01 — идентификатор эксперимента, а userProperty.value.string_value содержит (начиная с нуля) индекс варианта эксперимента.

Вы можете использовать эти пользовательские свойства эксперимента для извлечения данных эксперимента. Это дает вам возможность анализировать результаты эксперимента различными способами и независимо проверять результаты A/B Testing .

Для начала выполните следующие действия, как описано в этом руководстве:

1. Включите экспорт BigQuery для Google Analytics в консоли Firebase.
2. Получите доступ к данным A/B Testing с помощью BigQuery
3. Изучите примеры запросов.

Включите экспорт BigQuery для Google Analytics в консоли Firebase.

Если вы используете тарифный план Spark, вы можете бесплатно использовать песочницу BigQuery для доступа к BigQuery , с учетом ограничений песочницы . Дополнительную информацию см. в разделах «Цены» и «Песочница BigQuery .

Во-первых, убедитесь, что вы экспортируете данные Analytics в BigQuery :

1. В консоли Firebase перейдите в... settings > Вкладка «Интеграции» .

2. В карточке BigQuery нажмите «Управление» и убедитесь, что ваш проект экспортирует данные Analytics в BigQuery .

   Если на карточке написано «Ссылка» , значит, вам нужно настроить экспорт (перейдите к следующему шагу).

3. Если вам необходимо настроить экспорт:

   1. Ознакомьтесь с информацией о подключении Firebase к BigQuery , затем нажмите «Далее» .

   2. В разделе «Настройка интеграции» включите Google Analytics .

   3. Выберите регион и укажите параметры экспорта.

   4. Перейдите по ссылке на BigQuery .

В зависимости от выбранного вами способа экспорта данных, доступность таблиц может занять до суток. Для получения дополнительной информации об экспорте проектных данных в BigQuery см. раздел «Экспорт проектных данных в BigQuery .

Доступ к данным A/B Testing в BigQuery

Перед тем как запрашивать данные для конкретного эксперимента, вам потребуется получить некоторые или все из следующих данных, которые вы сможете использовать в своем запросе:

• Идентификатор эксперимента: его можно получить из URL-адреса страницы обзора эксперимента . Например, если ваш URL-адрес выглядит так: https://console.firebase.google.com/project/my_firebase_project/config/experiment/results/25 , то идентификатор эксперимента равен 25 .
• Идентификатор ресурса Google Analytics : это ваш 9-значный идентификатор ресурса Google Analytics . Вы можете найти его в Google Analytics ; он также отображается в BigQuery когда вы разворачиваете название своего проекта, чтобы показать название вашей таблицы событий Google Analytics ( project_name.analytics_000000000.events ).
• Experiment date: To compose a faster and more efficient query, it's good practice to limit your queries to the Google Analytics daily event table partitions that contain your experiment data—tables identified with a YYYYMMDD suffix. So, if your experiment ran from February 2, 2024 through May 2, 2024, you'd specify a _TABLE_SUFFIX between '20240202' AND '20240502' . For an example, see Select a specific experiment's values .
• Event names: Typically, these correspond with your goal metrics that you configured in the experiment. For example, in_app_purchase events, ad_impression , or user_retention events.

After you gather the information you need to generate your query:

1. In the Google Cloud console, go to BigQuery .
2. Select your project, then select Create SQL query .
3. Add your query. For example queries to run, see Explore example queries .
4. Нажмите «Выполнить» .

Query experiment data using the Firebase console's auto-generated query

If you're using the Blaze plan, the Experiment overview page provides a sample query that returns the experiment name, variants, event names, and the number of events for the experiment you're viewing.

To obtain and run the auto-generated query:

1. In the Firebase console, go to DevOps & Engagement > A/B Testing .
2. Select the A/B Testing experiment you want to query to open the Experiment overview .
3. From the Options menu, beneath BigQuery integration , select Query experiment data . This opens your project in BigQuery within the Google Cloud console console and provides a basic query you can use to query your experiment data.

The following example shows a generated query for an experiment with three variants (including the baseline) named "Winter welcome experiment." It returns the active experiment name, variant name, unique event, and event count for each event. Note that the query builder doesn't specify your project name in the table name, as it opens directly within your project.

  /*
    This query is auto-generated by Firebase A/B Testing for your
    experiment "Winter welcome experiment".
    It demonstrates how you can get event counts for all Analytics
    events logged by each variant of this experiment's population.
  */
  SELECT
    'Winter welcome experiment' AS experimentName,
    CASE userProperty.value.string_value
      WHEN '0' THEN 'Baseline'
      WHEN '1' THEN 'Welcome message (1)'
      WHEN '2' THEN 'Welcome message (2)'
      END AS experimentVariant,
    event_name AS eventName,
    COUNT(*) AS count
  FROM
    `analytics_000000000.events_*`,
    UNNEST(user_properties) AS userProperty
  WHERE
    (_TABLE_SUFFIX BETWEEN '20240202' AND '20240502')
    AND userProperty.key = 'firebase_exp_25'
  GROUP BY
    experimentVariant, eventName

  /*
    This query returns all experiment variants, number of unique users,
    the average USD spent per user, and the standard deviation for all
    experiments within the date range specified for _TABLE_SUFFIX.
  */
  SELECT
    experimentNumber,
    experimentVariant,
    COUNT(*) AS unique_users,
    AVG(usd_value) AS usd_value_per_user,
    STDDEV(usd_value) AS std_dev
  FROM
    (
      SELECT
        userProperty.key AS experimentNumber,
        userProperty.value.string_value AS experimentVariant,
        user_pseudo_id,
        SUM(
          CASE
            WHEN event_name IN ('in_app_purchase', 'ecommerce_purchase')
              THEN event_value_in_usd
            ELSE 0
            END) AS usd_value
      FROM `PROJECT_NAME.analytics_ANALYTICS_ID.events_*`
      CROSS JOIN UNNEST(user_properties) AS userProperty
      WHERE
        userProperty.key LIKE 'firebase_exp_%'
        AND event_name IN ('in_app_purchase', 'ecommerce_purchase')
        AND (_TABLE_SUFFIX BETWEEN 'YYYYMMDD' AND 'YYYMMDD')
      GROUP BY 1, 2, 3
    )
  GROUP BY 1, 2
  ORDER BY 1, 2;

  SELECT
    'EXPERIMENT_NAME' AS experimentName,
    CASE userProperty.value.string_value
      WHEN '0' THEN 'Baseline'
      WHEN '1' THEN 'VARIANT_1_NAME'
      WHEN '2' THEN 'VARIANT_2_NAME'
      END AS experimentVariant,
    event_name AS eventName,
    COUNT(*) AS count
  FROM
    `analytics_ANALYTICS_PROPERTY.events_*`,
    UNNEST(user_properties) AS userProperty
  WHERE
    (_TABLE_SUFFIX BETWEEN 'YYYMMDD' AND 'YYYMMDD')
    AND userProperty.key = 'firebase_exp_EXPERIMENT_NUMBER'
  GROUP BY
    experimentVariant, eventName