通過遠程配置個性化，您可以為每個用戶自動選擇遠程配置參數以針對目標進行優化。個性化參數就像執行自動、個性化、持續改進的 A/B 測試。
當您在應用程序中使用遠程配置個性化時，您可以通過自動為每位用戶提供多種替代用戶體驗之一（針對您選擇的目標進行優化的替代方式），為他們創造更具吸引力的體驗。您可以使用遠程配置定位條件將您的個性化遠程配置參數定位到特定用戶組。
您可以針對任何可使用 Google Analytics（分析）衡量的目標進行優化。這包括以下內置指標：
- 用戶參與時間
- 廣告點擊
或者，您可以根據任何 Analytics 事件優化自定義指標。一些可能性是：
- Play Store 或 App Store 評分提交
- 用戶在特定任務上的成功
- 功能利用
它是如何工作的？
個性化使用機器學習來確定每個用戶的最佳體驗。該算法有效地在為不同類型的用戶學習最佳體驗和利用這些知識來最大化您的客觀指標之間進行權衡。個性化結果會自動與一組從您提供的替代方案中獲得持久隨機體驗的用戶進行比較——這種比較顯示了個性化系統產生了多少“提升”（增量值）。
實施路徑
- 實現兩個或多個您期望對某些用戶而非其他用戶最佳的替代用戶體驗。
- 使用 Remote Config 參數使這些備選方案遠程可配置。請參閱遠程配置入門和遠程配置加載策略。
- 啟用參數的個性化。遠程配置將為您的每個用戶分配最適合他們的體驗。請參閱入門指南。
個性化與 A/B 測試
與旨在尋找單一最佳用戶體驗的 A/B 測試不同，個性化嘗試通過為每個用戶動態選擇最佳用戶體驗來最大化目標。對於許多類型的問題，個性化會產生最好的結果，但 A/B 測試仍然有它的用途：
| 個性化首選 | 首選 A/B 測試 |
|---|---|
| 當每個用戶都可以從個性化的用戶體驗中受益時 | 當您希望為所有用戶或定義的用戶子集提供單一的最佳體驗時 |
| 當您想要持續優化個性化模型時 | 當您想在固定時間窗口內進行測試時 |
| 當您的優化目標可以簡單地表示為分析事件的加權總和時 | 當您的優化目標需要對幾個不同的競爭指標進行深思熟慮的評估時 |
| 當您想要優化目標而不考慮任何權衡時 | 當您想在推出之前確定一個變體是否比另一個變體顯示出統計學上顯著的改進 |
| 當不需要或不需要手動查看結果時 | 當需要人工審查結果時 |
例如，假設您希望在您提示時最大化在 Play 商店中對您的應用進行評分的用戶數量。可能有助於成功的一個因素是提示的時機：當用戶第一次、第二次或第三次打開您的應用程序時，您會顯示它嗎？還是在他們成功完成某些任務時提示他們？理想的時機可能取決於個人用戶：一些用戶可能已經準備好立即對您的應用進行評分，而另一些用戶可能需要更多時間。
優化反饋提示的時間是個性化的理想用例：
- 每個用戶的最佳設置可能不同。
- 使用分析很容易衡量成功。
- 有問題的 UX 更改風險足夠低，您可能不需要考慮權衡或進行手動審查。