遠程配置個性化

通過遠程配置個性化,您可以為每個用戶自動選擇遠程配置參數以針對某個目標進行優化。個性化參數就像執行自動、個性化、持續改進的 A/B 測試。

當您在應用程序中使用遠程配置個性化時,您可以通過自動為每個用戶提供多種替代用戶體驗中的一種——針對您選擇的目標進行優化的替代方案,從而為每個用戶創造更具吸引力的體驗。您可以針對您的個性化遠程配置參數,以使用特定的用戶群遠程配置目標的條件

您可以針對可使用 Google Analytics(分析)衡量的任何目標進行優化。這包括以下內置指標:

  • 用戶參與時間
  • 廣告點擊

或者,您可以根據任何 Analytics 事件針對自定義指標進行優化。一些可能性是:

  • Play 商店或 App Store 評級提交
  • 用戶在特定任務上的成功
  • 特征利用

開始

它是如何工作的?

個性化使用機器學習來確定每個用戶的最佳體驗。該算法有效地在為不同類型的用戶學習最佳體驗和利用這些知識最大化您的客觀指標之間進行權衡。個性化結果會自動與從您提供的替代方案中獲得持續隨機體驗的堅持用戶組進行比較——這種比較顯示了個性化系統產生了多少“提升”(增量值)。

實施路徑

  1. 實施兩種或多種您認為對某些用戶是最佳但對其他用戶不是最佳的替代用戶體驗。
  2. 使用遠程配置參數使這些備選方案可遠程配置。請參閱開始使用遠程配置遠程配置加載策略
  3. 啟用參數的個性化。遠程配置將為您的每個用戶分配最適合他們的體驗。請參閱入門指南。

個性化與 A/B 測試

與旨在尋找單一最佳用戶體驗的 A/B 測試不同,個性化嘗試通過為每個用戶動態選擇最佳用戶體驗來最大化目標。對於許多類型的問題,個性化會產生最好的結果,但 A/B 測試仍有其用途:

個性化首選首選 A/B 測試
當每個用戶都可以從個性化的用戶體驗中受益時當您希望為所有用戶或定義的用戶子集提供單一的最佳體驗時
當您想持續優化個性化模型時當您想在固定時間窗口內進行測試時
當您的優化目標可以簡單地表示為分析事件的加權總和時當您的優化目標需要對幾個不同的競爭指標進行深思熟慮的評估時
當您不考慮任何權衡而想針對某個目標進行優化時當您想在推出之前確定一個變體是否比另一個變體顯示出統計上的顯著改進時
當不需要或不需要人工審查結果時當需要人工審查結果時

例如,假設您希望在提示時最大限度地增加在 Play 商店中為您的應用評分的用戶數量。可能有助於成功的一個因素是提示的時間:當用戶第一次、第二次或第三次打開您的應用程序時,您會顯示它嗎?或者當他們成功完成某些任務時你會提示他們嗎?理想的時機可能取決於個人用戶:有些用戶可能會立即準備好對您的應用進行評分,而其他用戶可能需要更多時間。

優化反饋提示的時間是個性化的理想用例:

  • 每個用戶的最佳設置可能不同。
  • 使用分析可以輕鬆衡量成功。
  • 所討論的 UX 更改風險足夠低,您可能不需要考慮權衡或進行手動審查。

嘗試一下

開始