Con la personalizzazione di Remote Config, puoi selezionare automaticamente Remote Config parametri per ciascun utente in modo da ottimizzare per un obiettivo. La personalizzazione di un parametro è come eseguire un test A/B automatico, individualizzato, in continuo miglioramento e perpetuo.
Quando utilizzi la personalizzazione Remote Config nelle tue app, crei esperienze più coinvolgenti per ciascuno dei tuoi utenti fornendo loro automaticamente una delle diverse esperienze utente alternative, quella che ottimizza per l'obiettivo che scegli. Puoi scegliere come target i tuoi Remote Config parametri personalizzati per gruppi di utenti specifici utilizzando Remote Config le condizioni di targeting.
Puoi ottimizzare per qualsiasi obiettivo misurabile utilizzando Google Analytics, e ottimizzare in base al numero di eventi o al valore aggregato (somma) di un parametro evento. Sono incluse le seguenti metriche integrate:
- Durata del coinvolgimento dell'utente, che ottimizza in base alla durata del coinvolgimento dell'utente
- Clic sugli annunci, che ottimizza in base al numero totale di eventi di clic sugli annunci
- Impressioni degli annunci, che ottimizza in base al numero di impressioni degli annunci
In alternativa, puoi ottimizzare per le metriche personalizzate in base a qualsiasi evento Analytics. Ecco alcune possibilità:
- Invii di valutazioni del Play Store o dell'App Store
- Riuscita dell'utente in attività specifiche, ad esempio il completamento dei livelli di gioco
- Eventi di acquisto in-app
- Eventi di e-commerce, ad esempio l'aggiunta di articoli a un carrello o l'inizio o il completamento del pagamento
- Entrate da acquisti in-app e annunci
- Spesa di valuta virtuale
- Attività di condivisione di link e contenuti e di social network
Per ulteriori informazioni sui potenziali casi d'uso della personalizzazione, consulta Cosa posso fare con la personalizzazione Remote Config?
Come funziona?
La personalizzazione utilizza il machine learning per determinare l'esperienza ottimale per ciascuno dei tuoi utenti. L'algoritmo bilancia in modo efficiente l'apprendimento dell'esperienza migliore per i diversi tipi di utenti e l'utilizzo di queste conoscenze per massimizzare la metrica dell'obiettivo. I risultati della personalizzazione vengono confrontati automaticamente con un gruppo di utenti di controllo che riceve un'esperienza casuale persistente tratta dalle alternative fornite. Questo confronto mostra il "lift" (valore incrementale) generato dal sistema di personalizzazione.
Per ulteriori informazioni sull'algoritmo e sui concetti di personalizzazione di Remote Config, consulta Informazioni sulla personalizzazione di Remote Config.
Percorso di implementazione
- Implementa due o più esperienze utente alternative che prevedi saranno ottimali per alcuni utenti, ma non per altri.
- Rendi queste alternative configurabili da remoto con un Remote Config parametro. Consulta Inizia a utilizzare Remote Config e Remote Config strategie di caricamento.
- Attiva la personalizzazione per il parametro. Remote Config assegnerà a ogni utente l'esperienza ottimale per lui. Consulta la Guida introduttiva guide.
Personalizzazione e test A/B a confronto
A differenza dei test A/B, progettati per trovare una singola esperienza utente con il rendimento migliore, la personalizzazione tenta di massimizzare un obiettivo scegliendo in modo dinamico un'esperienza utente ottimale per ciascun utente. Per molti tipi di problemi, la personalizzazione produce i risultati migliori, ma i test A/B hanno ancora i loro utilizzi:
| Personalizzazione preferita | Test A/B preferiti |
|---|---|
| Quando ogni utente potrebbe trarre vantaggio da un'esperienza utente personalizzata | Quando vuoi un'unica esperienza ottimale per tutti gli utenti o per un sottoinsieme definito di utenti |
| Quando vuoi ottimizzare continuamente il modello di personalizzazione | Quando vuoi eseguire test durante una finestra di tempo fissa |
| Quando l'obiettivo di ottimizzazione può essere espresso semplicemente come una somma ponderata di eventi di Analytics | Quando l'obiettivo di ottimizzazione richiede una valutazione ponderata di diverse metriche concorrenti |
| Quando vuoi ottimizzare per un obiettivo indipendentemente da eventuali compromessi | Quando vuoi determinare se una variante mostra un miglioramento statisticamente significativo rispetto a un'altra prima di implementarla |
| Quando la revisione manuale dei risultati non è richiesta o desiderata | Quando la revisione manuale dei risultati è auspicabile |
Supponiamo, ad esempio, che tu voglia massimizzare il numero di utenti che valutano la tua app nel Play Store quando gli viene richiesto. Un fattore che potrebbe contribuire al successo è la tempistica del prompt: lo mostri quando l'utente apre l'app per la prima, la seconda o la terza volta? Oppure gli chiedi di valutare l'app quando completa correttamente determinate attività? La tempistica ideale dipende probabilmente dal singolo utente: alcuni utenti potrebbero essere pronti a valutare la tua app immediatamente, mentre altri potrebbero aver bisogno di più tempo.
L'ottimizzazione della tempistica del prompt di feedback è un caso d'uso ideale per la personalizzazione:
- L'impostazione ottimale è probabilmente diversa per ogni utente.
- Il successo è facilmente misurabile utilizzando Analytics.
- La modifica dell'esperienza utente in questione è a basso rischio, quindi probabilmente non devi considerare compromessi o eseguire una revisione manuale.