با مجموعهها، منظم بمانید
ذخیره و طبقهبندی محتوا براساس اولویتهای شما.
با شخصی سازی Remote Config ، می توانید به طور خودکار پارامترهای Remote Config را برای هر کاربر انتخاب کنید تا برای یک هدف بهینه شود. شخصی سازی یک پارامتر مانند انجام یک تست A/B خودکار، فردی، در حال بهبود مستمر و دائمی است.
وقتی از شخصی‌سازی Remote Config در برنامه‌های خود استفاده می‌کنید، با ارائه خودکار یکی از چندین تجربه کاربری جایگزین - جایگزینی که برای هدفی که انتخاب می‌کنید بهینه می‌شود، برای هر یک از کاربران تجربه‌های جذاب‌تری ایجاد می‌کنید. می‌توانید پارامترهای Remote Config شخصی‌شده خود را با استفاده از شرایط هدف‌یابی Remote Config برای گروه‌های کاربری خاص هدف‌گیری کنید.
می‌توانید برای هر هدفی که با استفاده از Google Analytics قابل اندازه‌گیری است، بهینه‌سازی کنید، و بر اساس تعداد رویدادها یا مقدار مجموع (مجموع) یک پارامتر رویداد بهینه‌سازی کنید. این شامل معیارهای داخلی زیر است:
زمان تعامل کاربر، که بر اساس زمان تعامل کاربر بهینه می شود
کلیک‌های تبلیغاتی، که بر اساس تعداد کل رویدادهای کلیک روی آگهی بهینه می‌شوند
نمایش‌های آگهی، که با تعداد نمایش‌های آگهی بهینه می‌شود
یا، می توانید معیارهای سفارشی را بر اساس هر رویداد Analytics بهینه کنید. برخی از احتمالات عبارتند از:
موارد ارسالی رتبه بندی Play Store یا App Store
موفقیت کاربر در کارهای خاص، مانند تکمیل سطوح بازی
رویدادهای خرید درون برنامه ای
رویدادهای تجارت الکترونیک، مانند افزودن موارد به سبد خرید، یا شروع یا تکمیل تسویه حساب
خرید درون برنامه ای و درآمد تبلیغات
صرف ارز مجازی
به اشتراک گذاری لینک و محتوا و فعالیت در شبکه های اجتماعی
شخصی‌سازی از یادگیری ماشینی برای تعیین تجربه بهینه برای هر یک از کاربران شما استفاده می‌کند. این الگوریتم به طور موثر بین یادگیری بهترین تجربه برای انواع مختلف کاربران و استفاده از آن دانش برای به حداکثر رساندن معیار هدف شما معامله می کند. نتایج شخصی‌سازی به‌طور خودکار با گروهی از کاربرانی مقایسه می‌شود که تجربه‌ای تصادفی مداوم را از گزینه‌های ارائه‌شده شما دریافت می‌کنند - این مقایسه نشان می‌دهد که چقدر «بالا» (مقدار افزایشی) توسط سیستم شخصی‌سازی ایجاد می‌شود.
شخصی‌سازی را برای پارامتر فعال کنید. Remote Config به هر یک از کاربران شما تجربه ای را که برای آنها بهینه است اختصاص می دهد. راهنمای شروع کار را ببینید.
شخصی سازی در مقابل تست A/B
برخلاف تست‌های A/B که برای یافتن بهترین تجربه کاربری طراحی شده‌اند، شخصی‌سازی تلاش می‌کند تا با انتخاب پویا یک تجربه کاربری بهینه برای هر کاربر، یک هدف را به حداکثر برساند. برای بسیاری از انواع مشکلات، شخصی‌سازی بهترین نتایج را ایجاد می‌کند، اما تست A/B هنوز کاربردهای خود را دارد:
شخصی سازی ترجیح داده می شود
تست A/B ترجیح داده می شود
زمانی که هر کاربر می تواند از یک تجربه کاربری شخصی بهره مند شود
زمانی که می خواهید یک تجربه بهینه برای همه کاربران یا یک زیرمجموعه تعریف شده از کاربران داشته باشید
زمانی که می خواهید مدل شخصی سازی را به طور مداوم بهینه کنید
زمانی که می خواهید آزمایش هایی را در یک پنجره زمانی ثابت انجام دهید
زمانی که هدف بهینه سازی شما را می توان به سادگی به صورت مجموع وزنی از رویدادهای تحلیلی بیان کرد
زمانی که هدف بهینه سازی شما نیاز به ارزیابی متفکرانه چندین معیار رقیب مختلف دارد
زمانی که می خواهید برای یک هدف بدون در نظر گرفتن هر گونه معامله بهینه سازی کنید
هنگامی که می خواهید تعیین کنید که آیا یک نوع قبل از عرضه، پیشرفت آماری قابل توجهی را نسبت به دیگری نشان می دهد یا خیر
زمانی که بررسی دستی نتایج مورد نیاز یا مطلوب نیست
زمانی که بررسی دستی نتایج مطلوب است
به عنوان مثال، فرض کنید می خواهید تعداد کاربرانی را که به برنامه شما در Play Store رتبه می دهند، زمانی که از آنها درخواست می کنید، به حداکثر برسانید. یکی از عواملی که ممکن است به موفقیت کمک کند، زمان بندی درخواست شما است: آیا زمانی که کاربر برنامه شما را برای بار اول، دوم یا سوم باز می کند، آن را نشان می دهید؟ یا هنگامی که وظایف خاصی را با موفقیت انجام می دهند از آنها درخواست می کنید؟ زمان‌بندی ایده‌آل احتمالاً به هر کاربر بستگی دارد: برخی از کاربران ممکن است فوراً آماده رتبه‌بندی برنامه شما باشند، در حالی که برخی دیگر ممکن است به زمان بیشتری نیاز داشته باشند.
بهینه سازی زمان بازخورد شما یک مورد ایده آل برای شخصی سازی است:
تنظیمات بهینه احتمالا برای هر کاربر متفاوت است.
موفقیت با استفاده از Analytics به راحتی قابل اندازه گیری است.
تغییر UX مورد بحث به اندازه کافی کم خطر است که احتمالاً نیازی به در نظر گرفتن معاوضه یا بررسی دستی ندارید.
تاریخ آخرین بهروزرسانی 2025-08-22 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین بهروزرسانی 2025-08-22 بهوقت ساعت هماهنگ جهانی."],[],[],null,["\u003cbr /\u003e\n\nWith Remote Config personalization, you can automatically select\nRemote Config parameters for each user to optimize for an objective.\nPersonalizing a parameter is like performing an automatic, individualized,\ncontinuously-improving, and perpetual A/B test.\n\nWhen you use Remote Config personalization in your apps, you create more\nengaging experiences for each of your users by automatically providing them with\none of several alternative user experiences---the alternative that optimizes\nfor the objective you choose. You can target your personalized Remote Config\nparameters to specific user groups using\n[Remote Config targeting conditions](/docs/remote-config/parameters#conditions_rules_and_conditional_values).\n\nYou can optimize for any objective that's measurable using\nGoogle Analytics, and optimize by number of events or by the aggregated\nvalue (sum) of an event parameter. This includes the following built-in metrics:\n\n- User engagement time, which optimizes by user engagement time\n- Ad clicks, which optimizes by total number of ad click events\n- Ad impressions, which optimizes by the number of ad impressions\n\nOr, you can optimize for custom metrics based on any Analytics event. Some\npossibilities include:\n\n- Play Store or App Store rating submissions\n- User success at particular tasks, like completing game levels\n- In-app purchase events\n- E-commerce events, like adding items to a cart, or beginning or completing checkout\n- In-app purchase and ad revenue\n- Virtual currency spend\n- Link and content sharing and social networking activity\n\nFor more information about potential personalization use cases, see\n[What can I do with Remote Config personalization?](/docs/remote-config/personalization/use-cases)\n\n[Get started](/docs/remote-config/personalization/get-started)\n\nHow does it work?\n\nPersonalization uses machine learning to determine the optimal experience for\neach of your users. The algorithm efficiently trades off between learning the\nbest experience for different types of users and making use of that knowledge to\nmaximize your objective metric. Personalization results are automatically\ncompared to a holdout group of users who receive a persistent random experience\ndrawn from your provided alternatives---this comparison shows how much\n\"lift\" (incremental value) is generated by the personalization system.\n\nFor more information about Remote Config personalization algorithm and concepts,\nsee\n[About Remote Config personalization](/docs/remote-config/personalization/about).\n\nImplementation path\n\n1. Implement two or more alternative user experiences that you expect will be optimal for some users but not others.\n2. Make these alternatives remotely configurable with a Remote Config parameter. See [Get started with Remote Config](/docs/remote-config/get-started) and [Remote Config loading strategies](/docs/remote-config/loading).\n3. Enable personalization for the parameter. Remote Config will assign each of your users the experience that's optimal for them. See the [Getting started](/docs/remote-config/personalization/get-started) guide.\n\nPersonalization vs. A/B testing\n\nUnlike A/B tests, which are designed to find a single best performing user\nexperience, personalization attempts to maximize an objective by dynamically\nchoosing an optimal user experience for each user. For many types of problems,\npersonalization produces the best results, but A/B testing still has its uses:\n\n| Personalization preferred | A/B testing preferred |\n|-------------------------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------------------------------|\n| When each user could benefit from a personalized user experience | When you want a single optimum experience for all users or a defined subset of users |\n| When you want to continuously optimize the personalization model | When you want to conduct tests during a fixed time window |\n| When your optimization goal can be expressed simply as a weighted sum of analytics events | When your optimization goal requires thoughtful evaluation of several different competing metrics |\n| When you want to optimize for an objective regardless of any trade-offs | When you want to determine if one variant shows a statistically significant improvement over another before rolling it out |\n| When manual review of results is not required or desired | When manual review of results is desirable |\n\nFor example, suppose you want to maximize the number of users who rate your app\nin the Play Store when you prompt them to. One factor that might contribute to\nsuccess is the timing of your prompt: do you show it when the user opens your\napp for the first, second, or third time? Or do you prompt them when they\nsuccessfully complete certain tasks? The ideal timing likely depends on the\nindividual user: some users might be ready to rate your app right away, while\nothers might need more time.\n\nOptimizing the timing of your feedback prompt is an ideal use case for\npersonalization:\n\n- The optimal setting is likely different for each user.\n- Success is easily measurable using Analytics.\n- The UX change in question is low risk enough that you probably don't need to consider trade-offs or conduct a manual review.\n\nTry it\n\n[Get started](/docs/remote-config/personalization/get-started)"]]
