С помощью персонализации Remote Config вы можете автоматически выбирать параметры Remote Config для каждого пользователя, чтобы оптимизировать их для достижения поставленной цели. Персонализация параметра подобна проведению автоматического, индивидуального, постоянно улучшающегося и непрерывного A/B-тестирования.
При использовании персонализации Remote Config в ваших приложениях вы создаете более привлекательный пользовательский опыт для каждого из ваших пользователей, автоматически предоставляя им один из нескольких альтернативных вариантов взаимодействия — тот, который оптимизирован для выбранной вами цели. Вы можете настраивать параметры Remote Config для конкретных групп пользователей, используя условия таргетинга Remote Config .
С помощью Google Analytics можно оптимизировать любые измеримые показатели, используя количество событий или агрегированное значение (сумму) параметра события. Это включает в себя следующие встроенные метрики:
- Время взаимодействия пользователя с пользователем, которое оптимизируется за счет времени взаимодействия пользователя.
- Клики по объявлениям, оптимизация которой основана на общем количестве кликов по объявлениям.
- Показы рекламы, оптимизация которой осуществляется по количеству показов.
Или же вы можете оптимизировать показатели по пользовательским параметрам на основе любого события Analytics . Возможны следующие варианты:
- Отправка оценок в Play Store или App Store
- Успех пользователя в выполнении определенных задач, например, прохождении уровней игры.
- События внутриигровых покупок
- События в электронной коммерции, такие как добавление товаров в корзину или начало или завершение оформления заказа.
- Доход от внутриигровых покупок и рекламы
- Расходы в виртуальной валюте
- Обмен ссылками и контентом, а также активность в социальных сетях.
Для получения дополнительной информации о потенциальных сценариях использования персонализации см. раздел «Что я могу делать с персонализацией Remote Config ?».
Как это работает?
Персонализация использует машинное обучение для определения оптимального пользовательского опыта для каждого из ваших пользователей. Алгоритм эффективно балансирует между изучением наилучшего опыта для разных типов пользователей и использованием этих знаний для максимизации целевого показателя. Результаты персонализации автоматически сравниваются с контрольной группой пользователей, которые получают постоянный случайный опыт, выбранный из предложенных вами альтернатив — это сравнение показывает, насколько «прирост» (дополнительная ценность) генерируется системой персонализации.
Для получения дополнительной информации об алгоритме и концепциях персонализации удаленной конфигурации см. раздел «О персонализации удаленной конфигурации» .
Путь реализации
- Реализуйте два или более альтернативных варианта пользовательского интерфейса, которые, по вашему мнению, будут оптимальными для одних пользователей, но не для других.
- Настройте эти параметры удаленно с помощью параметра Remote Config . См. разделы «Начало работы Remote Config и «Стратегии загрузки Remote Config .
- Включите персонализацию для этого параметра. Remote Config назначит каждому пользователю оптимальный для него вариант работы. См. руководство по началу работы .
Персонализация против A/B-тестирования
В отличие от A/B-тестирования, целью которого является поиск наилучшего пользовательского опыта, персонализация стремится максимизировать результат, динамически выбирая оптимальный пользовательский опыт для каждого пользователя. Для многих типов задач персонализация дает наилучшие результаты, но A/B-тестирование также имеет свои преимущества:
| Предпочтительна персонализация. | Предпочтительно A/B-тестирование. |
|---|---|
| Когда каждый пользователь может извлечь выгоду из персонализированного пользовательского опыта | Когда вам необходимо обеспечить оптимальный пользовательский опыт для всех пользователей или для определенной группы пользователей. |
| Когда вы хотите постоянно оптимизировать модель персонализации | Когда вам необходимо провести тестирование в течение фиксированного временного интервала. |
| Когда вашу цель оптимизации можно выразить просто как взвешенную сумму аналитических событий | Когда ваша цель оптимизации требует тщательной оценки нескольких различных конкурирующих показателей. |
| Когда вы стремитесь оптимизировать результат, невзирая ни на какие компромиссы. | Когда вы хотите определить, демонстрирует ли один вариант статистически значимое улучшение по сравнению с другим, прежде чем внедрять его. |
| Когда ручная проверка результатов не требуется или нежелательна | Когда предпочтительна ручная проверка результатов. |
Например, предположим, вы хотите максимизировать количество пользователей, которые оценят ваше приложение в Play Store, когда вы им это предложите. Одним из факторов, способствующих успеху, может быть время показа запроса: показываете ли вы его при первом, втором или третьем открытии приложения пользователем? Или же вы предлагаете им оценить приложение после успешного выполнения определенных задач? Идеальное время, вероятно, зависит от конкретного пользователя: некоторые пользователи могут быть готовы оценить ваше приложение сразу, в то время как другим может потребоваться больше времени.
Оптимизация времени отправки запроса на обратную связь — идеальный пример персонализации:
- Оптимальные настройки, вероятно, будут разными для каждого пользователя.
- Успех легко измерить с помощью Analytics .
- Предлагаемое изменение пользовательского интерфейса сопряжено с низким уровнем риска, поэтому вам, вероятно, не потребуется рассматривать компромиссы или проводить ручную проверку.