Với tính năng cá nhân hoá Remote Config, bạn có thể tự động chọn các tham số Remote Config cho từng người dùng để tối ưu hoá cho một mục tiêu. Việc cá nhân hoá một thông số cũng giống như việc thực hiện một thử nghiệm A/B tự động, cá nhân hoá, liên tục cải thiện và vĩnh viễn.
Khi sử dụng tính năng cá nhân hoá Remote Config trong ứng dụng, bạn sẽ tạo ra trải nghiệm hấp dẫn hơn cho từng người dùng bằng cách tự động cung cấp cho họ một trong nhiều trải nghiệm người dùng thay thế – trải nghiệm thay thế giúp tối ưu hoá cho mục tiêu mà bạn chọn. Bạn có thể nhắm các tham số Remote Config được cá nhân hoá đến các nhóm người dùng cụ thể bằng cách sử dụng các điều kiện nhắm mục tiêu Remote Config.
Bạn có thể tối ưu hoá cho bất kỳ mục tiêu nào có thể đo lường được bằng cách sử dụng Google Analytics, đồng thời tối ưu hoá theo số lượng sự kiện hoặc theo giá trị tổng hợp (tổng) của một thông số sự kiện. Báo cáo này bao gồm các chỉ số tích hợp sau:
- Thời gian tương tác của người dùng, tối ưu hoá theo thời gian tương tác của người dùng
- Số lượt nhấp vào quảng cáo, tối ưu hoá theo tổng số sự kiện lượt nhấp vào quảng cáo
- Lượt hiển thị quảng cáo, tối ưu hoá theo số lượt hiển thị quảng cáo
Ngoài ra, bạn có thể tối ưu hoá cho các chỉ số tuỳ chỉnh dựa trên bất kỳ sự kiện Analytics nào. Một số khả năng có thể xảy ra bao gồm:
- Nội dung gửi về điểm xếp hạng trên Cửa hàng Play hoặc App Store
- Người dùng thành công trong các nhiệm vụ cụ thể, chẳng hạn như hoàn thành các cấp độ trong trò chơi
- Sự kiện mua hàng trong ứng dụng
- Sự kiện thương mại điện tử, chẳng hạn như thêm mặt hàng vào giỏ hàng hoặc bắt đầu hoặc hoàn tất quy trình thanh toán
- Doanh thu từ quảng cáo và giao dịch mua hàng trong ứng dụng
- Chi tiêu bằng tiền ảo
- Đường liên kết và hoạt động chia sẻ nội dung cũng như hoạt động trên mạng xã hội
Để biết thêm thông tin về các trường hợp sử dụng tiềm năng của tính năng cá nhân hoá, hãy xem bài viết Tôi có thể làm gì với tính năng cá nhân hoá Remote Config?
Tính năng này hoạt động như thế nào?
Tính năng cá nhân hoá sử dụng công nghệ học máy để xác định trải nghiệm tối ưu cho từng người dùng. Thuật toán này đánh đổi hiệu quả giữa việc tìm hiểu trải nghiệm tốt nhất cho nhiều loại người dùng và sử dụng kiến thức đó để tối đa hoá chỉ số mục tiêu của bạn. Kết quả cá nhân hoá được tự động so sánh với một nhóm người dùng giữ lại nhận được trải nghiệm ngẫu nhiên liên tục được lấy từ các lựa chọn thay thế mà bạn cung cấp. Việc so sánh này cho biết mức độ "tăng" (giá trị gia tăng) mà hệ thống cá nhân hoá tạo ra.
Để biết thêm thông tin về thuật toán và khái niệm cá nhân hoá trong Remote Config, hãy xem bài viết Giới thiệu về tính năng cá nhân hoá trong Remote Config.
Đường dẫn triển khai
- Triển khai hai hoặc nhiều trải nghiệm người dùng thay thế mà bạn cho là tối ưu cho một số người dùng nhưng không phải người dùng khác.
- Hãy thiết lập các phương án thay thế này để có thể định cấu hình từ xa bằng tham số Remote Config. Xem bài viết Bắt đầu sử dụng Remote Config và chiến lược tải Remote Config.
- Bật tính năng cá nhân hoá cho thông số. Remote Config sẽ chỉ định cho từng người dùng trải nghiệm tối ưu cho họ. Xem hướng dẫn Bắt đầu sử dụng.
Hoạt động cá nhân hoá so với thử nghiệm A/B
Không giống như thử nghiệm A/B được thiết kế để tìm ra một trải nghiệm hiệu quả nhất cho người dùng, hoạt động cá nhân hoá sẽ linh hoạt lựa chọn một trải nghiệm tối ưu cho từng người dùng để giúp bạn tăng tối đa khả năng đạt được mục tiêu. Đối với nhiều loại vấn đề, tính năng cá nhân hoá sẽ mang lại kết quả tốt nhất, nhưng thử nghiệm A/B vẫn có những lợi ích riêng:
| Ưu tiên cá nhân hoá | Ưu tiên thử nghiệm A/B |
|---|---|
| Khi mỗi người dùng đều có thể hưởng lợi từ trải nghiệm được cá nhân hoá cho người dùng | Khi bạn muốn mang đến một trải nghiệm tối ưu cho tất cả người dùng hoặc một số ít người dùng nhất định |
| Khi bạn muốn liên tục tối ưu hoá mô hình cá nhân hoá | Khi bạn muốn tiến hành thử nghiệm trong một khoảng thời gian cố định |
| Khi mục tiêu tối ưu hoá của bạn có thể được thể hiện dưới dạng tổng số sự kiện Analytics được tính trọng số | Khi mục tiêu tối ưu hoá của bạn đòi hỏi việc đánh giá kỹ lưỡng một vài chỉ số cạnh tranh riêng biệt |
| Khi bạn muốn tối ưu hoá cho một mục tiêu bằng mọi giá | Khi bạn muốn xác định xem liệu một biến thể có mang đến sự cải thiện đáng kể về mặt thống kê so với một biến thể khác hay không trước khi triển khai |
| Trường hợp không bắt buộc hoặc không cần thiết phải xem xét thủ công các kết quả | Trường hợp cần xem xét thủ công các kết quả |
Ví dụ: giả sử bạn muốn tối đa hoá số người dùng xếp hạng ứng dụng của bạn trong Cửa hàng Play khi bạn nhắc họ. Một yếu tố có thể góp phần vào sự thành công là thời điểm của lời nhắc: bạn hiển thị lời nhắc đó khi người dùng mở ứng dụng lần đầu, lần thứ hai hay lần thứ ba? Hay bạn nhắc họ khi họ hoàn thành thành công một số nhiệm vụ nhất định? Thời điểm lý tưởng có thể phụ thuộc vào từng người dùng: một số người dùng có thể sẵn sàng đánh giá ứng dụng của bạn ngay lập tức, trong khi một số người dùng khác có thể cần thêm thời gian.
Tối ưu hoá thời điểm đưa ra lời nhắc phản hồi là một trường hợp sử dụng lý tưởng để cá nhân hoá:
- Chế độ cài đặt tối ưu có thể khác nhau tuỳ theo người dùng.
- Bạn có thể dễ dàng đo lường mức độ thành công bằng Analytics.
- Thay đổi về trải nghiệm người dùng có liên quan có mức độ rủi ro thấp đến mức bạn có thể không cần cân nhắc việc đánh đổi hoặc tiến hành xem xét thủ công.