با شخصی‌سازی Remote Config، می‌توانید به طور خودکار پارامترهای Remote Config را برای هر کاربر انتخاب کنید تا برای یک هدف بهینه شود. شخصی سازی یک پارامتر مانند انجام یک تست A/B خودکار، فردی، در حال بهبود مستمر است.
وقتی از شخصی‌سازی Remote Config در برنامه‌های خود استفاده می‌کنید، با ارائه خودکار یکی از چندین تجربه کاربری جایگزین - جایگزینی که برای هدفی که انتخاب می‌کنید بهینه می‌شود، برای هر یک از کاربران تجربه‌های جذاب‌تری ایجاد می‌کنید. می‌توانید پارامترهای پیکربندی از راه دور شخصی‌شده خود را با استفاده از شرایط هدف‌یابی Remote Config برای گروه‌های کاربری خاص هدف‌گیری کنید.
می توانید برای هر هدفی که قابل اندازه گیری است با استفاده از Google Analytics بهینه سازی کنید. این شامل معیارهای داخلی زیر است:
- زمان تعامل کاربر
- کلیک های تبلیغاتی
یا، می توانید معیارهای سفارشی را بر اساس هر رویداد Analytics بهینه کنید. برخی از احتمالات عبارتند از:
- موارد ارسالی رتبه بندی Play Store یا App Store
- موفقیت کاربر در کارهای خاص
- استفاده از ویژگی
چگونه کار می کند؟
شخصی‌سازی از یادگیری ماشینی برای تعیین تجربه بهینه برای هر یک از کاربران شما استفاده می‌کند. این الگوریتم به طور موثر بین یادگیری بهترین تجربه برای انواع مختلف کاربران و استفاده از آن دانش برای به حداکثر رساندن معیار هدف شما معامله می کند. نتایج شخصی‌سازی به‌طور خودکار با گروهی از کاربرانی مقایسه می‌شود که تجربه‌ای تصادفی مداوم را از گزینه‌های ارائه‌شده شما دریافت می‌کنند - این مقایسه نشان می‌دهد که چقدر «بالا» (مقدار افزایشی) توسط سیستم شخصی‌سازی ایجاد می‌شود.
مسیر پیاده سازی
- دو یا چند تجربه کاربری جایگزین را اجرا کنید که انتظار دارید برای برخی از کاربران بهینه باشد اما برای برخی دیگر نه.
- این گزینه ها را با پارامتر Remote Config از راه دور قابل تنظیم کنید. به راهبردهای بارگیری Remote Config و Remote Config مراجعه کنید.
- شخصی‌سازی را برای پارامتر فعال کنید. Remote Config به هر یک از کاربران شما تجربه ای را که برای آنها بهینه است اختصاص می دهد. راهنمای شروع کار را ببینید.
شخصی سازی در مقابل تست A/B
برخلاف تست‌های A/B، که برای یافتن بهترین تجربه کاربری طراحی شده‌اند، شخصی‌سازی تلاش می‌کند تا با انتخاب پویا یک تجربه کاربری بهینه برای هر کاربر، یک هدف را به حداکثر برساند. برای بسیاری از انواع مشکلات، شخصی‌سازی بهترین نتایج را ایجاد می‌کند، اما تست A/B همچنان کاربرد دارد:
| شخصی سازی ترجیح داده می شود | تست A/B ترجیح داده می شود |
|---|---|
| زمانی که هر کاربر می تواند از یک تجربه کاربری شخصی بهره مند شود | وقتی می خواهید یک تجربه بهینه برای همه کاربران یا زیرمجموعه مشخصی از کاربران داشته باشید |
| زمانی که می خواهید مدل شخصی سازی را به طور مداوم بهینه کنید | زمانی که می خواهید آزمایش ها را در یک پنجره زمانی ثابت انجام دهید |
| زمانی که هدف بهینه سازی شما را می توان به سادگی به صورت مجموع وزنی از رویدادهای تحلیلی بیان کرد | زمانی که هدف بهینه سازی شما نیازمند ارزیابی متفکرانه چندین معیار رقیب مختلف است |
| زمانی که می خواهید برای یک هدف بدون در نظر گرفتن هر گونه معامله بهینه سازی کنید | هنگامی که می خواهید تعیین کنید که آیا یک نوع قبل از عرضه، پیشرفت آماری قابل توجهی را نسبت به دیگری نشان می دهد یا خیر |
| زمانی که بررسی دستی نتایج مورد نیاز یا مطلوب نیست | زمانی که بررسی دستی نتایج مطلوب است |
به عنوان مثال، فرض کنید می خواهید تعداد کاربرانی را که به برنامه شما در Play Store رتبه می دهند، زمانی که از آنها درخواست می کنید، به حداکثر برسانید. یکی از عواملی که ممکن است به موفقیت کمک کند، زمان درخواست شماست: آیا زمانی که کاربر برنامه شما را برای بار اول، دوم یا سوم باز می کند، آن را نشان می دهید؟ یا هنگامی که وظایف خاصی را با موفقیت انجام می دهند از آنها درخواست می کنید؟ زمان‌بندی ایده‌آل احتمالاً به هر کاربر بستگی دارد: برخی از کاربران ممکن است فوراً آماده رتبه‌بندی برنامه شما باشند، در حالی که برخی دیگر ممکن است به زمان بیشتری نیاز داشته باشند.
بهینه سازی زمان بازخورد شما یک مورد ایده آل برای شخصی سازی است:
- تنظیمات بهینه احتمالا برای هر کاربر متفاوت است.
- موفقیت به راحتی با استفاده از تجزیه و تحلیل قابل اندازه گیری است.
- تغییر UX مورد بحث به اندازه کافی کم خطر است که احتمالاً نیازی به در نظر گرفتن معاوضه یا بررسی دستی ندارید.