Personalizacja zdalnej konfiguracji

Dzięki personalizacji Remote Config możesz automatycznie wybrać parametry Remote Config dla każdego użytkownika, aby zoptymalizować je pod kątem celu. Personalizacja parametru jest jak przeprowadzanie automatycznego, zindywidualizowanego, stale ulepszanego i ciągłego testu A/B.

Korzystając z personalizacji zdalnej konfiguracji w swoich aplikacjach, tworzysz bardziej atrakcyjne środowiska dla każdego ze swoich użytkowników, automatycznie udostępniając im jedno z kilku alternatywnych środowisk użytkownika — alternatywę, która optymalizuje wybrany przez Ciebie cel. Spersonalizowane parametry zdalnej konfiguracji można kierować do określonych grup użytkowników, korzystając z warunków kierowania zdalnej konfiguracji .

Możesz optymalizować pod kątem dowolnego celu, który można zmierzyć za pomocą Google Analytics, i optymalizować według liczby zdarzeń lub zagregowanej wartości (sumy) parametru zdarzenia. Obejmuje to następujące wbudowane dane:

  • Czas zaangażowania użytkownika, który optymalizuje czas zaangażowania użytkownika
  • Kliknięcia reklam, które są optymalizowane na podstawie łącznej liczby zdarzeń kliknięć reklam
  • Wyświetlenia reklam, które są optymalizowane pod kątem liczby wyświetleń reklam

Możesz też zoptymalizować dane pod kątem niestandardowych danych na podstawie dowolnego zdarzenia Analytics. Niektóre możliwości obejmują:

  • Przesłane oceny w Sklepie Play lub App Store
  • Sukces użytkownika w określonych zadaniach, takich jak ukończenie poziomów gry
  • Zdarzenia zakupu w aplikacji
  • Zdarzenia e-commerce, takie jak dodawanie produktów do koszyka lub rozpoczęcie lub zakończenie realizacji zakupu
  • Zakupy w aplikacji i przychody z reklam
  • Wydatki na wirtualną walutę
  • Udostępnianie linków i treści oraz aktywność w sieciach społecznościowych

Aby uzyskać więcej informacji na temat potencjalnych przypadków użycia personalizacji, zobacz Co mogę zrobić z personalizacją Remote Config?

Zaczynaj

Jak to działa?

Personalizacja wykorzystuje uczenie maszynowe do określenia optymalnego doświadczenia dla każdego użytkownika. Algorytm skutecznie dokonuje kompromisu między poznaniem najlepszego doświadczenia dla różnych typów użytkowników a wykorzystaniem tej wiedzy do maksymalizacji celu. Wyniki personalizacji są automatycznie porównywane z wstrzymaną grupą użytkowników, którzy otrzymują trwałe, losowe wrażenia pochodzące z dostarczonych przez Ciebie alternatyw — to porównanie pokazuje, jak duży „wzrost” (wartość przyrostowa) jest generowany przez system personalizacji.

Aby uzyskać więcej informacji na temat algorytmu i koncepcji personalizacji Remote Config, zobacz Informacje o personalizacji Remote Config .

Ścieżka wdrożenia

  1. Zaimplementuj dwa lub więcej alternatywnych środowisk użytkownika, które według Ciebie będą optymalne dla niektórych użytkowników, ale nie dla innych.
  2. Spraw, aby te alternatywy były konfigurowane zdalnie za pomocą parametru Remote Config. Zobacz Rozpoczęcie pracy ze zdalną konfiguracją i strategiami ładowania Zdalnej konfiguracji .
  3. Włącz personalizację parametru. Zdalna konfiguracja przypisze każdemu użytkownikowi optymalne dla niego doświadczenie. Zobacz przewodnik Pierwsze kroki .

Personalizacja a testy A/B

W przeciwieństwie do testów A/B, które mają na celu znalezienie pojedynczego, najlepiej działającego doświadczenia użytkownika, personalizacja ma na celu maksymalizację celu poprzez dynamiczny wybór optymalnego doświadczenia użytkownika dla każdego użytkownika. W przypadku wielu rodzajów problemów personalizacja daje najlepsze wyniki, ale testy A/B wciąż mają swoje zastosowania:

Preferowana personalizacja Preferowane testy A/B
Kiedy każdy użytkownik może skorzystać ze spersonalizowanego doświadczenia użytkownika Gdy potrzebujesz jednego optymalnego doświadczenia dla wszystkich użytkowników lub określonej podgrupy użytkowników
Gdy chcesz stale optymalizować model personalizacji Gdy chcesz przeprowadzić testy w ustalonym przedziale czasowym
Gdy cel optymalizacji można wyrazić po prostu jako sumę ważoną zdarzeń analitycznych Gdy Twój cel optymalizacji wymaga przemyślanej oceny kilku różnych konkurencyjnych wskaźników
Gdy chcesz zoptymalizować pod kątem celu bez względu na kompromisy Gdy chcesz określić, czy jeden wariant wykazuje statystycznie istotną poprawę w stosunku do innego, zanim go wdrożysz
Gdy ręczny przegląd wyników nie jest wymagany ani pożądany Gdy pożądany jest ręczny przegląd wyników

Załóżmy na przykład, że chcesz zmaksymalizować liczbę użytkowników oceniających Twoją aplikację w Sklepie Play, gdy ich o to poprosisz. Jednym z czynników, które mogą przyczynić się do sukcesu, jest czas wyświetlenia monitu: czy wyświetlasz go, gdy użytkownik otwiera aplikację po raz pierwszy, drugi lub trzeci? A może podpowiadasz im, kiedy pomyślnie wykonują określone zadania? Idealny czas prawdopodobnie zależy od indywidualnego użytkownika: niektórzy użytkownicy mogą od razu ocenić Twoją aplikację, podczas gdy inni mogą potrzebować więcej czasu.

Optymalizacja czasu wyświetlania monitu o informację zwrotną jest idealnym przykładem zastosowania w przypadku personalizacji:

  • Optymalne ustawienie jest prawdopodobnie inne dla każdego użytkownika.
  • Sukces można łatwo zmierzyć za pomocą Analytics.
  • Omawiana zmiana UX jest na tyle ryzykowna, że ​​prawdopodobnie nie trzeba rozważać kompromisów ani przeprowadzać ręcznego przeglądu.

Spróbuj

Zaczynaj