Mit der Remote Config-Personalisierung können Sie automatisch Remote Config-Parameter für jeden Benutzer auswählen, um sie für ein Ziel zu optimieren. Die Personalisierung eines Parameters ist wie die Durchführung eines automatischen, individuellen, sich kontinuierlich verbessernden und fortlaufenden A/B-Tests.
Wenn Sie die Remote Config-Personalisierung in Ihren Apps verwenden, schaffen Sie für jeden Ihrer Benutzer ansprechendere Erfahrungen, indem Sie ihnen automatisch eine von mehreren alternativen Benutzererfahrungen bieten – die Alternative, die für das von Ihnen gewählte Ziel optimiert wird. Sie können Ihre personalisierten Remote Config-Parameter mithilfe von Remote Config-Targeting-Bedingungen auf bestimmte Benutzergruppen ausrichten.
Sie können für jedes mit Google Analytics messbare Ziel optimieren und nach Anzahl der Ereignisse oder nach dem aggregierten Wert (Summe) eines Ereignisparameters optimieren. Dazu gehören die folgenden integrierten Metriken:
- Benutzereingriffszeit, die durch die Benutzereingriffszeit optimiert wird
- Anzeigenklicks, die anhand der Gesamtzahl der Anzeigenklickereignisse optimiert werden
- Anzeigenimpressionen, die anhand der Anzahl der Anzeigenimpressionen optimiert werden
Oder Sie können die Optimierung für benutzerdefinierte Metriken basierend auf einem beliebigen Analytics-Ereignis durchführen. Einige Möglichkeiten umfassen:
- Einreichung von Play Store- oder App Store-Bewertungen
- Benutzererfolg bei bestimmten Aufgaben, wie z. B. dem Abschließen von Spielebenen
- In-App-Kaufereignisse
- E-Commerce-Ereignisse, wie das Hinzufügen von Artikeln zu einem Warenkorb oder das Starten oder Abschließen des Bezahlvorgangs
- In-App-Käufe und Werbeeinnahmen
- Ausgaben in virtueller Währung
- Link- und Content-Sharing sowie Social-Networking-Aktivitäten
Weitere Informationen zu möglichen Anwendungsfällen für die Personalisierung finden Sie unter „Was kann ich mit der Remote Config-Personalisierung tun?“
Wie funktioniert es?
Die Personalisierung nutzt maschinelles Lernen, um das optimale Erlebnis für jeden Ihrer Benutzer zu ermitteln. Der Algorithmus schafft einen effizienten Kompromiss zwischen dem Erlernen der besten Erfahrung für verschiedene Benutzertypen und der Nutzung dieses Wissens zur Maximierung Ihrer objektiven Metrik. Die Personalisierungsergebnisse werden automatisch mit denen einer zurückhaltenden Gruppe von Benutzern verglichen, die ein dauerhaftes, zufälliges Erlebnis erhalten, das sich aus den von Ihnen bereitgestellten Alternativen ergibt. Dieser Vergleich zeigt, wie viel „Lift“ (Inkrementalwert) durch das Personalisierungssystem generiert wird.
Weitere Informationen zum Remote Config-Personalisierungsalgorithmus und zu den Konzepten finden Sie unter Informationen zur Remote Config-Personalisierung .
Implementierungspfad
- Implementieren Sie zwei oder mehr alternative Benutzererlebnisse, von denen Sie erwarten, dass sie für einige Benutzer optimal sind, für andere jedoch nicht.
- Machen Sie diese Alternativen mit einem Remote Config-Parameter aus der Ferne konfigurierbar. Siehe Erste Schritte mit Remote Config und Remote Config-Ladestrategien .
- Aktivieren Sie die Personalisierung für den Parameter. Remote Config weist jedem Ihrer Benutzer das für ihn optimale Erlebnis zu. Weitere Informationen finden Sie im Leitfaden „Erste Schritte“ .
Personalisierung vs. A/B-Tests
Im Gegensatz zu A/B-Tests, bei denen es darum geht, ein einzelnes Benutzererlebnis mit der besten Leistung zu ermitteln, versucht die Personalisierung, ein Ziel zu maximieren, indem für jeden Benutzer dynamisch ein optimales Benutzererlebnis ausgewählt wird. Bei vielen Arten von Problemen liefert die Personalisierung die besten Ergebnisse, aber A/B-Tests haben immer noch ihren Nutzen:
| Personalisierung bevorzugt | A/B-Tests bevorzugt |
|---|---|
| Wenn jeder Benutzer von einer personalisierten Benutzererfahrung profitieren könnte | Wenn Sie ein einziges optimales Erlebnis für alle Benutzer oder eine definierte Untergruppe von Benutzern wünschen |
| Wenn Sie das Personalisierungsmodell kontinuierlich optimieren möchten | Wenn Sie Tests in einem festen Zeitfenster durchführen möchten |
| Wenn Ihr Optimierungsziel einfach als gewichtete Summe von Analyseereignissen ausgedrückt werden kann | Wenn Ihr Optimierungsziel eine sorgfältige Bewertung mehrerer verschiedener konkurrierender Metriken erfordert |
| Wenn Sie unabhängig von etwaigen Kompromissen ein Ziel optimieren möchten | Wenn Sie vor der Einführung feststellen möchten, ob eine Variante eine statistisch signifikante Verbesserung gegenüber einer anderen aufweist |
| Wenn eine manuelle Überprüfung der Ergebnisse nicht erforderlich oder erwünscht ist | Wenn eine manuelle Überprüfung der Ergebnisse wünschenswert ist |
Angenommen, Sie möchten die Anzahl der Benutzer maximieren, die Ihre App im Play Store bewerten, wenn Sie sie dazu auffordern. Ein Faktor, der zum Erfolg beitragen könnte, ist der Zeitpunkt Ihrer Aufforderung: Zeigen Sie sie an, wenn der Benutzer Ihre App zum ersten, zweiten oder dritten Mal öffnet? Oder fordern Sie sie auf, wenn sie bestimmte Aufgaben erfolgreich abschließen? Der ideale Zeitpunkt hängt wahrscheinlich vom einzelnen Benutzer ab: Einige Benutzer sind möglicherweise sofort bereit, Ihre App zu bewerten, während andere möglicherweise mehr Zeit benötigen.
Die Optimierung des Timings Ihrer Feedback-Eingabeaufforderung ist ein idealer Anwendungsfall für die Personalisierung:
- Die optimale Einstellung ist wahrscheinlich für jeden Benutzer unterschiedlich.
- Mit Analytics ist der Erfolg leicht messbar.
- Die betreffende UX-Änderung ist risikoarm genug, sodass Sie wahrscheinlich keine Kompromisse in Betracht ziehen oder eine manuelle Überprüfung durchführen müssen.