Check out what’s new from Firebase at Google I/O 2022. Learn more

Cá nhân hóa cấu hình từ xa

Với tính năng cá nhân hóa Cấu hình từ xa, bạn có thể tự động chọn các thông số Cấu hình từ xa cho từng người dùng để tối ưu hóa cho một mục tiêu. Cá nhân hóa một tham số giống như thực hiện một thử nghiệm A / B tự động, được cá nhân hóa, cải tiến liên tục.

Khi bạn sử dụng cá nhân hóa Cấu hình từ xa trong ứng dụng của mình, bạn sẽ tạo ra trải nghiệm hấp dẫn hơn cho từng người dùng của mình bằng cách tự động cung cấp cho họ một trong một số trải nghiệm người dùng thay thế — giải pháp thay thế tối ưu hóa cho mục tiêu bạn chọn. Bạn có thể nhắm mục tiêu các thông số Cấu hình từ xa được cá nhân hóa của mình đến các nhóm người dùng cụ thể bằng cách sử dụng các điều kiện nhắm mục tiêu Cấu hình từ xa .

Bạn có thể tối ưu hóa cho bất kỳ mục tiêu nào có thể đo lường được bằng Google Analytics. Điều này bao gồm các chỉ số tích hợp sau:

  • Thời gian tương tác của người dùng
  • Số lần nhấp chuột vào quảng cáo

Hoặc, bạn có thể tối ưu hóa cho các chỉ số tùy chỉnh dựa trên bất kỳ sự kiện Analytics nào. Một số khả năng là:

  • Gửi xếp hạng trên Cửa hàng Play hoặc Cửa hàng ứng dụng
  • Thành công của người dùng trong các tác vụ cụ thể
  • Sử dụng tính năng

Bắt đầu

Làm thế nào nó hoạt động?

Cá nhân hóa sử dụng công nghệ máy học để xác định trải nghiệm tối ưu cho từng người dùng của bạn. Thuật toán trao đổi hiệu quả giữa việc học hỏi trải nghiệm tốt nhất cho các kiểu người dùng khác nhau và sử dụng kiến ​​thức đó để tối đa hóa chỉ số mục tiêu của bạn. Kết quả cá nhân hóa được tự động so sánh với một nhóm người dùng cố định nhận được trải nghiệm ngẫu nhiên liên tục được rút ra từ các lựa chọn thay thế do bạn cung cấp — so sánh này cho biết mức độ "tăng" (giá trị gia tăng) được tạo ra bởi hệ thống cá nhân hóa.

Đường lối thực hiện

  1. Triển khai hai hoặc nhiều trải nghiệm người dùng thay thế mà bạn mong đợi sẽ tối ưu cho một số người dùng chứ không phải những người khác.
  2. Làm cho các lựa chọn thay thế này có thể định cấu hình từ xa bằng tham số Cấu hình từ xa. Xem Bắt đầu với cấu hình từ xa và chiến lược tải cấu hình từ xa .
  3. Bật tính năng cá nhân hóa cho tham số. Cấu hình từ xa sẽ chỉ định cho mỗi người dùng của bạn trải nghiệm tối ưu cho họ. Xem hướng dẫn Bắt đầu .

Cá nhân hóa so với thử nghiệm A / B

Không giống như thử nghiệm A / B, được thiết kế để tìm một trải nghiệm người dùng hoạt động tốt nhất, cá nhân hóa cố gắng tối đa hóa mục tiêu bằng cách chọn động trải nghiệm người dùng tối ưu cho từng người dùng. Đối với nhiều loại vấn đề, cá nhân hóa tạo ra kết quả tốt nhất, nhưng thử nghiệm A / B vẫn có những công dụng của nó:

Cá nhân hóa được ưu tiên Thử nghiệm A / B được ưu tiên
Khi mỗi người dùng có thể hưởng lợi từ trải nghiệm người dùng được cá nhân hóa Khi bạn muốn có một trải nghiệm tối ưu cho tất cả người dùng hoặc một nhóm nhỏ người dùng được xác định
Khi bạn muốn liên tục tối ưu hóa mô hình cá nhân hóa Khi bạn muốn tiến hành kiểm tra trong khoảng thời gian cố định
Khi mục tiêu tối ưu hóa của bạn có thể được thể hiện đơn giản dưới dạng tổng trọng số của các sự kiện phân tích Khi mục tiêu tối ưu hóa của bạn yêu cầu đánh giá kỹ lưỡng về một số chỉ số cạnh tranh khác nhau
Khi bạn muốn tối ưu hóa cho một mục tiêu bất kể sự đánh đổi nào Khi bạn muốn xác định xem một biến thể có cải thiện đáng kể về mặt thống kê so với biến thể khác hay không trước khi tung ra
Khi xem xét thủ công các kết quả không được yêu cầu hoặc mong muốn Khi xem xét thủ công các kết quả là mong muốn

Ví dụ: giả sử bạn muốn tối đa hóa số lượng người dùng xếp hạng ứng dụng của bạn trong Cửa hàng Play khi bạn nhắc họ. Một yếu tố có thể góp phần vào thành công là thời gian của lời nhắc: bạn có hiển thị lời nhắc khi người dùng mở ứng dụng của bạn lần đầu tiên, lần thứ hai hay thứ ba không? Hay bạn có nhắc họ khi họ hoàn thành xuất sắc nhiệm vụ nào đó không? Thời gian lý tưởng có thể phụ thuộc vào từng người dùng: một số người dùng có thể sẵn sàng xếp hạng ứng dụng của bạn ngay lập tức, trong khi những người khác có thể cần thêm thời gian.

Tối ưu hóa thời gian của lời nhắc phản hồi là một trường hợp sử dụng lý tưởng để cá nhân hóa:

  • Cài đặt tối ưu có thể khác nhau đối với mỗi người dùng.
  • Thành công có thể dễ dàng đo lường bằng cách sử dụng phân tích.
  • Thay đổi người dùng được đề cập có rủi ro thấp đến mức bạn có thể không cần cân nhắc đánh đổi hoặc tiến hành đánh giá thủ công.

Thử nó

Bắt đầu