Remote Config のパーソナライズにより、各ユーザーの Remote Config パラメーターを自動的に選択して、目的に合わせて最適化できます。パラメータをパーソナライズすることは、自動化され、個別化され、継続的に改善され、永続的な A/B テストを実行するようなものです。
アプリで Remote Config のパーソナライゼーションを使用すると、いくつかの代替ユーザー エクスペリエンスの 1 つ (選択した目的に合わせて最適化する代替手段) を自動的に提供することで、各ユーザーにより魅力的なエクスペリエンスを作成できます。 Remote Config ターゲティング条件を使用して、パーソナライズされた Remote Config パラメーターを特定のユーザー グループにターゲティングできます。
Google アナリティクスを使用して測定可能な任意の目標に対して最適化し、イベント数またはイベント パラメータの集計値 (合計) によって最適化できます。これには、次の組み込みメトリックが含まれます。
- ユーザー エンゲージメント時間によって最適化されるユーザー エンゲージメント時間
- 広告クリック数。広告クリック イベントの総数によって最適化されます
- 広告のインプレッション数によって最適化される広告のインプレッション
または、任意の Analytics イベントに基づいてカスタム メトリックを最適化できます。いくつかの可能性は次のとおりです。
- Play ストアまたは App Store の評価の送信
- ゲーム レベルの完了など、特定のタスクでのユーザーの成功
- アプリ内購入イベント
- カートへのアイテムの追加、チェックアウトの開始または完了などの e コマース イベント
- アプリ内課金と広告収入
- 仮想通貨の支出
- リンクとコンテンツの共有とソーシャル ネットワーキング活動
パーソナライゼーションの使用例の詳細については、「 Remote Config のパーソナライゼーションで何ができますか?」を参照してください。
それはどのように機能しますか？
パーソナライゼーションでは、機械学習を使用して、各ユーザーに最適なエクスペリエンスを決定します。このアルゴリズムは、さまざまなタイプのユーザーに最適なエクスペリエンスを学習することと、その知識を利用して客観的な指標を最大化することとを効率的にトレードオフします。パーソナライゼーションの結果は、提供された選択肢から引き出された永続的なランダム エクスペリエンスを受け取るホールドアウト グループのユーザーと自動的に比較されます。この比較は、パーソナライゼーション システムによって生成された「リフト」(増分値) の量を示します。
Remote Config のパーソナライズ アルゴリズムと概念の詳細については、Remote Config のパーソナライズについてを参照してください。
実装パス
- 一部のユーザーにとって最適であると予想される代替ユーザー エクスペリエンスを 2 つ以上実装します。
- Remote Config パラメータを使用して、これらの代替をリモートで構成できるようにします。 「Remote Config の使用を開始する」および「 Remote Config の読み込み戦略」を参照してください。
- パラメータのパーソナライズを有効にします。 Remote Config は、各ユーザーに最適なエクスペリエンスを割り当てます。入門ガイドを参照してください。
パーソナライゼーション vs. A/B テスト
最高のパフォーマンスを発揮する単一のユーザー エクスペリエンスを見つけるように設計されている A/B テストとは異なり、パーソナライゼーションでは、各ユーザーに最適なユーザー エクスペリエンスを動的に選択することで、目標を最大化しようとします。多くのタイプの問題では、パーソナライゼーションが最良の結果をもたらしますが、A/B テストにはまだ用途があります。
| パーソナライゼーション優先 | A/B テストが望ましい |
|---|---|
| 各ユーザーがパーソナライズされたユーザー エクスペリエンスからメリットを得られる場合 | すべてのユーザーまたは定義されたユーザーのサブセットに対して単一の最適なエクスペリエンスが必要な場合 |
| パーソナライゼーション モデルを継続的に最適化したい場合 | 一定の時間枠で試験を行いたい場合 |
| 最適化の目標が、分析イベントの加重合計として単純に表現できる場合 | 最適化の目標が競合するいくつかの異なる指標を慎重に評価する必要がある場合 |
| トレードオフに関係なく目的を最適化したい場合 | 展開する前に、あるバリアントが別のバリアントよりも統計的に有意な改善を示しているかどうかを判断したい場合 |
| 結果の手動レビューが不要または望まれない場合 | 結果の手動レビューが望ましい場合 |
たとえば、Play ストアでアプリを評価するよう促したときに、そのアプリを評価するユーザーの数を最大化するとします。成功に寄与する要因の 1 つは、プロンプトのタイミングです。ユーザーがアプリを 1 回目、2 回目、または 3 回目に開いたときに表示しますか?それとも、特定のタスクを正常に完了したときにプロンプトを表示しますか?理想的なタイミングは、個々のユーザーによって異なる可能性があります。アプリをすぐに評価する準備ができているユーザーもいれば、もっと時間が必要なユーザーもいます。
フィードバック プロンプトのタイミングを最適化することは、パーソナライゼーションの理想的な使用例です。
- 最適な設定は、ユーザーごとに異なる可能性があります。
- 成功は、アナリティクスを使用して簡単に測定できます。
- 問題の UX の変更はリスクが低いため、おそらくトレードオフを検討したり、手動でレビューを行ったりする必要はありません。