Google berkomitmen untuk mendorong terwujudnya keadilan ras bagi komunitas Kulit Hitam. Lihat caranya.

Tentukan grup pengguna dinamis
berdasarkan perilaku
yang diprediksi

Firebase Predictions menerapkan kecanggihan machine learning Google ke data analisis aplikasi untuk membuat segmen pengguna berdasarkan prediksi perilaku pengguna. Tanpa mengharuskan siapa pun di tim aplikasi memiliki keahlian ML, Predictions dapat memberikan laporan tentang segmen pengguna mana yang cenderung melakukan churn atau pembelanjaan (atau menyelesaikan peristiwa konversi lainnya) sehingga Anda dapat mengambil keputusan produk yang tepat.


Diagram yang menunjukkan prediksi pengguna

Predictions terintegrasi dengan Remote Config agar Anda dapat menyesuaikan dan mengubah pengalaman aplikasi bagi pengguna dalam berbagai segmen. Misalnya, Anda dapat menampilkan iklan kepada pengguna yang kecil kemungkinan akan melakukan pembelian dalam aplikasi sebagai strategi monetisasi alternatif.

Saat menentukan Remote Config, Anda dapat menggabungkan Predictions dengan opsi penargetan lainnya yang mencakup audience, properti pengguna, bahasa perangkat, tipe OS, versi aplikasi, dan negara.


Kirim notifikasi yang lebih cerdas

Predictions membuat grup pengguna yang dapat digunakan untuk penargetan dengan notifikasi dan In-App Messaging langsung dari Firebase console. Dengan cara ini, Anda dapat berinteraksi dengan pengguna sebelum mereka churn out, mendorong pengguna yang cenderung melakukan pembelian dalam aplikasi, dan lainnya.


Ilustrasi dengan notifikasi kustom

Data prediksi dapat diekspor ke BigQuery untuk mengetahui analisis lebih lanjut atau digunakan dalam layanan pihak ketiga.


Ilustrasi dengan grup risiko yang berbeda

Anda memiliki visibilitas ke dalam faktor-faktor yang dipertimbangkan oleh model ML (seperti peristiwa, perangkat, data pengguna, dll.) untuk membuat setiap segmen prediktif. Anda juga dapat melihat metrik performa, yang membantu Anda memahami seberapa akurat setiap prediksi. Dengan laporan tersebut, Anda dapat melakukan kalibrasi pada setelan toleransi risiko dengan lebih baik.