Join us in person and online for Firebase Summit on October 18, 2022. Learn how Firebase can help you accelerate app development, release your app with confidence, and scale with ease. Register now

Personalizacja zdalnej konfiguracji

Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

Dzięki personalizacji Zdalnej konfiguracji możesz automatycznie wybrać parametry Zdalnej konfiguracji dla każdego użytkownika w celu optymalizacji pod kątem celu. Personalizacja parametru jest jak wykonywanie automatycznego, zindywidualizowanego, stale ulepszanego testu A/B.

Korzystając z personalizacji Zdalnej konfiguracji w swoich aplikacjach, tworzysz bardziej angażujące środowiska dla każdego użytkownika, automatycznie udostępniając im jedno z kilku alternatywnych środowisk użytkownika — alternatywę, która optymalizuje się pod kątem wybranego celu. Spersonalizowane parametry Zdalnej konfiguracji można kierować na określone grupy użytkowników, korzystając z warunków kierowania Zdalnej konfiguracji.

Możesz przeprowadzić optymalizację pod kątem dowolnego celu, który można zmierzyć za pomocą Google Analytics, i optymalizować według liczby zdarzeń lub łącznej wartości (sumy) parametru zdarzenia. Obejmuje to następujące wbudowane metryki:

  • Czas zaangażowania użytkownika, który optymalizuje czas zaangażowania użytkownika
  • Kliknięcia reklamy, która optymalizuje według łącznej liczby zdarzeń kliknięcia reklamy

Możesz też przeprowadzić optymalizację pod kątem niestandardowych danych na podstawie dowolnego zdarzenia Analytics. Niektóre możliwości to:

  • Zgłaszanie ocen w Sklepie Play lub App Store
  • Sukces użytkownika w poszczególnych zadaniach
  • Wykorzystanie funkcji
  • Przychody z zakupów w aplikacji
  • Przychody z reklam
  • Wydatki w wirtualnej walucie

Zaczynaj

Jak to działa?

Personalizacja wykorzystuje uczenie maszynowe, aby określić optymalne środowisko dla każdego z Twoich użytkowników. Algorytm skutecznie godzi się między uczeniem się najlepszego doświadczenia dla różnych typów użytkowników a wykorzystaniem tej wiedzy do maksymalizacji obiektywnej metryki. Wyniki personalizacji są automatycznie porównywane z grupą wstrzymanych użytkowników, którzy otrzymują trwałe losowe środowisko pochodzące z podanych alternatyw — to porównanie pokazuje, ile „wzrostu” (wartość przyrostowa) jest generowana przez system personalizacji.

Ścieżka wdrożenia

  1. Zaimplementuj co najmniej dwa alternatywne środowiska użytkownika, które według Ciebie będą optymalne dla niektórych użytkowników, ale nie dla innych.
  2. Te alternatywy można zdalnie konfigurować za pomocą parametru Remote Config. Zobacz Wprowadzenie do strategii ładowania Zdalnej konfiguracji i Zdalnej konfiguracji .
  3. Włącz personalizację parametru. Zdalna konfiguracja przypisze każdemu z Twoich użytkowników optymalne dla niego środowisko. Zobacz przewodnik Wprowadzenie .

Personalizacja a testy A/B

W przeciwieństwie do testów A/B, które mają na celu znalezienie jednego najlepiej działającego doświadczenia użytkownika, personalizacja próbuje zmaksymalizować cel poprzez dynamiczne wybieranie optymalnego doświadczenia użytkownika dla każdego użytkownika. W przypadku wielu rodzajów problemów personalizacja daje najlepsze wyniki, ale testy A/B nadal mają swoje zastosowanie:

Preferowana personalizacja Preferowane testy A/B
Kiedy każdy użytkownik może skorzystać ze spersonalizowanego doświadczenia użytkownika Gdy potrzebujesz jednego optymalnego środowiska dla wszystkich użytkowników lub zdefiniowanego podzbioru użytkowników
Gdy chcesz stale optymalizować model personalizacji Gdy chcesz przeprowadzić testy w ustalonym oknie czasowym
Kiedy cel optymalizacji można wyrazić po prostu jako ważoną sumę zdarzeń analitycznych Gdy cel optymalizacji wymaga przemyślanej oceny kilku różnych konkurencyjnych wskaźników
Gdy chcesz zoptymalizować pod kątem celu, niezależnie od jakichkolwiek kompromisów Gdy chcesz określić, czy jeden wariant wykazuje statystycznie istotną poprawę w stosunku do innego przed jego wdrożeniem
Gdy ręczny przegląd wyników nie jest wymagany lub pożądany Gdy pożądane jest ręczne przeglądanie wyników

Załóżmy na przykład, że chcesz zmaksymalizować liczbę użytkowników, którzy oceniają Twoją aplikację w Sklepie Play, gdy ich o to poprosisz. Jednym z czynników, który może przyczynić się do sukcesu, jest czas pojawienia się monitu: czy pokazujesz go, gdy użytkownik otwiera Twoją aplikację po raz pierwszy, drugi czy trzeci? A może podpowiadasz im, gdy pomyślnie wykonają określone zadania? Idealny czas prawdopodobnie zależy od konkretnego użytkownika: niektórzy użytkownicy mogą być gotowi do oceny Twojej aplikacji od razu, podczas gdy inni mogą potrzebować więcej czasu.

Optymalizacja czasu wyświetlania monitu o opinię to idealny przypadek użycia do personalizacji:

  • Optymalne ustawienie jest prawdopodobnie różne dla każdego użytkownika.
  • Sukces można łatwo zmierzyć za pomocą analityki.
  • Omawiana zmiana UX jest na tyle ryzykowna, że ​​prawdopodobnie nie musisz rozważać kompromisów ani przeprowadzać ręcznego przeglądu.

Spróbuj

Zaczynaj