Catch up on everything announced at Firebase Summit, and learn how Firebase can help you accelerate app development and run your app with confidence. Learn More

দূরবর্তী কনফিগার ব্যক্তিগতকরণ

সেভ করা পৃষ্ঠা গুছিয়ে রাখতে 'সংগ্রহ' ব্যবহার করুন আপনার পছন্দ অনুযায়ী কন্টেন্ট সেভ করুন ও সঠিক বিভাগে রাখুন।

দূরবর্তী কনফিগার ব্যক্তিগতকরণের সাথে, আপনি স্বয়ংক্রিয়ভাবে প্রতিটি ব্যবহারকারীর জন্য একটি উদ্দেশ্যের জন্য অপ্টিমাইজ করার জন্য দূরবর্তী কনফিগার পরামিতি নির্বাচন করতে পারেন। একটি প্যারামিটার ব্যক্তিগতকরণ একটি স্বয়ংক্রিয়, স্বতন্ত্র, ক্রমাগত-উন্নতি, এবং চিরস্থায়ী A/B পরীক্ষা করার মতো।

আপনি যখন আপনার অ্যাপ্লিকেশানগুলিতে রিমোট কনফিগ ব্যক্তিগতকরণ ব্যবহার করেন, তখন আপনি আপনার প্রতিটি ব্যবহারকারীকে স্বয়ংক্রিয়ভাবে বেশ কয়েকটি বিকল্প ব্যবহারকারীর অভিজ্ঞতার মধ্যে একটি প্রদান করে আরও আকর্ষক অভিজ্ঞতা তৈরি করেন—যে বিকল্পটি আপনার চয়ন করা উদ্দেশ্যের জন্য অপ্টিমাইজ করে৷ আপনি দূরবর্তী কনফিগ টার্গেটিং শর্তাবলী ব্যবহার করে নির্দিষ্ট ব্যবহারকারী গোষ্ঠীতে আপনার ব্যক্তিগতকৃত রিমোট কনফিগার প্যারামিটারগুলি লক্ষ্য করতে পারেন৷

আপনি Google Analytics ব্যবহার করে পরিমাপযোগ্য যেকোন উদ্দেশ্যের জন্য অপ্টিমাইজ করতে পারেন এবং ইভেন্টের সংখ্যা বা একটি ইভেন্ট প্যারামিটারের সমষ্টিগত মান (সমষ্টি) দ্বারা অপ্টিমাইজ করতে পারেন। এর মধ্যে নিম্নলিখিত বিল্ট-ইন মেট্রিক্স রয়েছে:

  • ব্যবহারকারীর ব্যস্ততার সময়, যা ব্যবহারকারীর ব্যস্ততার সময় অনুসারে অপ্টিমাইজ করে
  • বিজ্ঞাপন ক্লিক, যা বিজ্ঞাপন ক্লিক ইভেন্টের মোট সংখ্যা দ্বারা অপ্টিমাইজ করে
  • বিজ্ঞাপন ইম্প্রেশন, যা বিজ্ঞাপন ইম্প্রেশনের সংখ্যা দ্বারা অপ্টিমাইজ করে

অথবা, আপনি যেকোনো অ্যানালিটিক্স ইভেন্টের উপর ভিত্তি করে কাস্টম মেট্রিক্সের জন্য অপ্টিমাইজ করতে পারেন। কিছু সম্ভাবনার মধ্যে রয়েছে:

  • প্লে স্টোর বা অ্যাপ স্টোর রেটিং জমা
  • নির্দিষ্ট কাজে ব্যবহারকারীর সাফল্য, যেমন গেমের লেভেল সম্পূর্ণ করা
  • ইন-অ্যাপ ক্রয় ইভেন্ট
  • ই-কমার্স ইভেন্ট, যেমন একটি কার্টে আইটেম যোগ করা, বা চেকআউট শুরু করা বা সম্পূর্ণ করা
  • ইন-অ্যাপ ক্রয় এবং বিজ্ঞাপন আয়
  • ভার্চুয়াল মুদ্রা ব্যয়
  • লিঙ্ক এবং বিষয়বস্তু শেয়ারিং এবং সামাজিক নেটওয়ার্কিং কার্যকলাপ

সম্ভাব্য ব্যক্তিগতকরণ ব্যবহারের ক্ষেত্রে আরও তথ্যের জন্য, দূরবর্তী কনফিগার ব্যক্তিগতকরণের সাথে আমি কী করতে পারি?

এবার শুরু করা যাক

এটা কিভাবে কাজ করে?

ব্যক্তিগতকরণ আপনার প্রতিটি ব্যবহারকারীর জন্য সর্বোত্তম অভিজ্ঞতা নির্ধারণ করতে মেশিন লার্নিং ব্যবহার করে। অ্যালগরিদম দক্ষতার সাথে বিভিন্ন ধরণের ব্যবহারকারীদের জন্য সর্বোত্তম অভিজ্ঞতা শেখার এবং আপনার উদ্দেশ্য মেট্রিককে সর্বাধিক করার জন্য সেই জ্ঞান ব্যবহার করার মধ্যে ব্যবসা করে। ব্যক্তিগতকরণের ফলাফলগুলি স্বয়ংক্রিয়ভাবে ব্যবহারকারীদের একটি হোল্ডআউট গোষ্ঠীর সাথে তুলনা করা হয় যারা আপনার দেওয়া বিকল্পগুলি থেকে ক্রমাগত এলোমেলো অভিজ্ঞতা অর্জন করে—এই তুলনাটি দেখায় যে ব্যক্তিগতকরণ সিস্টেম দ্বারা কতটা "উত্থান" (ক্রমবর্ধমান মান) তৈরি হয়৷

রিমোট কনফিগ ব্যক্তিগতকরণ অ্যালগরিদম এবং ধারণা সম্পর্কে আরও তথ্যের জন্য, দূরবর্তী কনফিগার ব্যক্তিগতকরণ সম্পর্কে দেখুন।

বাস্তবায়নের পথ

  1. দুই বা ততোধিক বিকল্প ব্যবহারকারীর অভিজ্ঞতা প্রয়োগ করুন যা আপনি আশা করেন যে কিছু ব্যবহারকারীর জন্য সর্বোত্তম হবে কিন্তু অন্যদের জন্য নয়।
  2. একটি দূরবর্তী কনফিগার পরামিতি দিয়ে এই বিকল্পগুলিকে দূরবর্তীভাবে কনফিগারযোগ্য করুন। রিমোট কনফিগ এবং রিমোট কনফিগ লোডিং কৌশলগুলির সাথে শুরু করুন দেখুন।
  3. প্যারামিটারের জন্য ব্যক্তিগতকরণ সক্ষম করুন। রিমোট কনফিগ আপনার প্রত্যেক ব্যবহারকারীকে তাদের জন্য সর্বোত্তম অভিজ্ঞতা প্রদান করবে। শুরু করার নির্দেশিকা দেখুন।

ব্যক্তিগতকরণ বনাম A/B পরীক্ষা

A/B পরীক্ষার বিপরীতে, যা একটি একক সেরা পারফরম্যান্সকারী ব্যবহারকারীর অভিজ্ঞতা খুঁজে বের করার জন্য ডিজাইন করা হয়েছে, ব্যক্তিগতকরণ প্রতিটি ব্যবহারকারীর জন্য একটি সর্বোত্তম ব্যবহারকারীর অভিজ্ঞতাকে গতিশীলভাবে বেছে নেওয়ার মাধ্যমে একটি উদ্দেশ্যকে সর্বাধিক করার চেষ্টা করে। অনেক ধরনের সমস্যার জন্য, ব্যক্তিগতকরণ সর্বোত্তম ফলাফল দেয়, কিন্তু A/B পরীক্ষার এখনও এর ব্যবহার রয়েছে:

ব্যক্তিগতকরণ পছন্দ A/B পরীক্ষা পছন্দ
যখন প্রতিটি ব্যবহারকারী একটি ব্যক্তিগতকৃত ব্যবহারকারীর অভিজ্ঞতা থেকে উপকৃত হতে পারে আপনি যখন সমস্ত ব্যবহারকারী বা ব্যবহারকারীদের একটি সংজ্ঞায়িত উপসেটের জন্য একটি একক সর্বোত্তম অভিজ্ঞতা চান
যখন আপনি ক্রমাগত ব্যক্তিগতকরণ মডেল অপ্টিমাইজ করতে চান আপনি যখন একটি নির্দিষ্ট সময় উইন্ডোতে পরীক্ষা পরিচালনা করতে চান
যখন আপনার অপ্টিমাইজেশান লক্ষ্যকে বিশ্লেষণমূলক ইভেন্টের ওজনযুক্ত যোগফল হিসাবে প্রকাশ করা যেতে পারে যখন আপনার অপ্টিমাইজেশান লক্ষ্যের জন্য বিভিন্ন প্রতিযোগিতামূলক মেট্রিক্সের চিন্তাশীল মূল্যায়নের প্রয়োজন হয়
যখন আপনি কোন ট্রেড-অফ নির্বিশেষে একটি উদ্দেশ্যের জন্য অপ্টিমাইজ করতে চান যখন আপনি নির্ধারণ করতে চান যে একটি বৈকল্পিক অন্যটির তুলনায় পরিসংখ্যানগতভাবে উল্লেখযোগ্য উন্নতি দেখায় কিনা তা রোল আউট করার আগে
যখন ফলাফলের ম্যানুয়াল পর্যালোচনা প্রয়োজন বা কাঙ্ক্ষিত হয় না যখন ফলাফলের ম্যানুয়াল পর্যালোচনা বাঞ্ছনীয়

উদাহরণ স্বরূপ, ধরুন আপনি প্লে স্টোরে আপনার অ্যাপকে রেট দেওয়ার সময় ব্যবহারকারীদের সংখ্যা বাড়াতে চান। সাফল্যের জন্য অবদান রাখতে পারে এমন একটি বিষয় হল আপনার প্রম্পটের সময়: ব্যবহারকারী যখন প্রথম, দ্বিতীয় বা তৃতীয়বার আপনার অ্যাপটি খোলে আপনি কি এটি দেখান? অথবা যখন তারা সফলভাবে কিছু কাজ সম্পন্ন করে তখন আপনি কি তাদের অনুরোধ করেন? আদর্শ সময় সম্ভবত স্বতন্ত্র ব্যবহারকারীর উপর নির্ভর করে: কিছু ব্যবহারকারী আপনার অ্যাপকে এখনই রেট দিতে প্রস্তুত হতে পারে, অন্যদের আরও সময় লাগতে পারে।

আপনার প্রতিক্রিয়া প্রম্পটের সময় অপ্টিমাইজ করা ব্যক্তিগতকরণের জন্য একটি আদর্শ ব্যবহারের ক্ষেত্রে:

  • সর্বোত্তম সেটিং সম্ভবত প্রতিটি ব্যবহারকারীর জন্য ভিন্ন।
  • বিশ্লেষণ ব্যবহার করে সাফল্য সহজেই পরিমাপযোগ্য।
  • প্রশ্নে UX পরিবর্তনটি যথেষ্ট কম ঝুঁকিপূর্ণ যে আপনাকে সম্ভবত ট্রেড-অফ বিবেচনা করার বা ম্যানুয়াল পর্যালোচনা করার প্রয়োজন নেই।

চেষ্টা করে দেখুন

এবার শুরু করা যাক