יבוא פלחים

‫Firebase מספקת כלים להתאמה אישית של חוויית המשתמש באמצעות טירגוט של קבוצות משתמשים דרך שירותי Firebase כמו הגדרת תצורה מרחוק, העברת הודעות בענן והעברת הודעות בתוך האפליקציה. באמצעות חשבון BigQuery מקושר, אתם יכולים לייבא פלחים שאולי זיהיתם מחוץ ל-Firebase כדי ליצור חוויות ממוקדות באמצעות שירותי Firebase.

הגדרה של פלחים מיובאים

אפשר לייבא נתונים של פלחים ל-Firebase באמצעות BigQuery ב-Google Cloud. יש כמה דרכים לטעון נתונים ב-BigQuery, כך שאתם יכולים לבחור את הדרך שהכי מתאימה להגדרות שלכם.

אחרי שמפעילים את השילוב:

• מערכת Firebase יוצרת מערך נתונים ב-BigQuery שנמצא בבעלותכם, אבל ל-Firebase יש גישת קריאה אליו.
• מערכת Firebase מעבדת את הנתונים באופן תקופתי, וכך הפלחים המעודכנים זמינים לטירגוט ב-Firebase Console.
• ל-Firebase יש גישת קריאה בלבד לנתונים האלה. ‫Firebase שומר עותק של הנתונים האלה באחסון הפנימי שלו.
• כל הנתונים שנמחקים ממערך הנתונים ב-BigQuery נמחקים גם מאחסון הנתונים ב-Firebase.

הפעלת ייבוא ל-BigQuery

1. עוברים לדף BigQuery integration (שילוב עם BigQuery) במסוף Firebase.
2. אם לא הגדרתם בעבר שילוב עם BigQuery, פועלים לפי ההוראות במסך כדי להפעיל את BigQuery. מסוף Firebase">
3. מפעילים את המתג ייבוא פלחים.

כשמפעילים ייבוא פלחים מ-BigQuery:

• מערכת Firebase יוצרת באופן אוטומטי מערך נתונים חדש ב-BigQuery בשם firebase_imported_segments. מערך הנתונים הזה מכיל טבלאות ריקות בשמות SegmentMemberships ו-SegmentMetadata.
• מערך הנתונים firebase_imported_segments ישותף גם עם חשבון שירות של Firebase עם הדומיין @gcp-sa-firebasesegmentation.iam.gserviceaccount.com.
• מערכת Firebase מריצה משימה לפחות כל 12 שעות כדי לקרוא מתוך קבוצת הנתונים הזו, ויכול להיות שהיא תייבא בתדירות גבוהה יותר מ-12 שעות.

ייבוא נתונים ל-BigQuery

אפשר להשתמש בכל מנגנון נתמך כדי לטעון את הנתונים ל-BigQuery ולאכלס את הטבלאות SegmentMemberships ו-SegmentMetadata. הנתונים צריכים להיות בפורמט של הסכימה שמתוארת בהמשך:

SegmentMemberships

[
  {
    "name": "instance_id",
    "type": "STRING"
  },
  {
    "name": "segment_labels",
    "type": "STRING",
    "mode": "REPEATED"
  },
  {
    "name": "update_time",
    "type": "TIMESTAMP"
   }
]

‫instance_id: מזהה ההתקנה של Firebase להתקנה ספציפית של האפליקציה. תצטרכו לאחזר את מזהה ההתקנה של כל התקנה של אפליקציה שרוצים לכלול בפלח, ולהשתמש בערכים האלה כדי לאכלס את השדה הזה.

‫segment_labels: הפלחים שמכשירים ("instance_id") נכללים בהם. השמות לא צריכים להיות ידידותיים למשתמש, והם יכולים להיות קצרים כדי לצמצם את נפח האחסון הנדרש ב-BigQuery. לכל "segment_labels" שמופיע כאן צריכה להיות רשומה תואמת בטבלה SegmentMetadata. שימו לב: זהו שם ברבים, בעוד שבטבלה SegmentMetadata מופיע "segment_label".

‫update_time: נכון לעכשיו, לא נעשה שימוש בפרמטר הזה ב-Firebase, אבל אפשר להשתמש בו כדי למחוק מ-BigQuery חברים בפלחים ישנים שכבר לא בשימוש.

SegmentMetadata

[
   {
      "name": "segment_label",
      "type": "STRING"
   },
   {
      "name": "display_name",
      "type": "STRING"
   }
]

‫segment_label: מזהה פלח מסוים. צריך להיות רשומה בטבלה הזו לכל פלח שמופיע בטבלה SegmentMemberships. שימו לב: זהו שם ביחיד, ואילו בטבלה SegmentMemberships השם הוא "segment_labels".

‫display_name: שם של הפלח שקריא לבני אדם ונוח לשימוש בממשק המשתמש. השם הזה משמש להוספת תווית לפלח במסוף Firebase.

הגדרת חיוב ל-BigQuery

אם אתם מנסים את התכונה החדשה באפליקציה עם מספר קטן מאוד של התקנות, יכול להיות שתצטרכו רק להגדיר את ה-Sandbox של BigQuery.

עם זאת, אם אתם משתמשים בזה לאפליקציית ייצור עם הרבה משתמשים, אתם צריכים להגדיר חיוב על השימוש ב-BigQuery כדי לשלם על האחסון ועל המנגנון שמשמש לטעינת נתונים ל-BigQuery. לא נחייב אתכם על קריאות שבוצעו על ידי Firebase.

השבתת השילוב

כדי להשבית את השילוב הזה, עוברים לדף BigQuery integration במסוף Firebase ומשביתים את המתג Custom segments.

זהירות: השבתת השילוב הזה תגרום למחיקת כל העותקים של נתוני הפלחים המיובאים ב-Firebase באחסון של הפרויקט, ותבטל את הפעלת משימת הטמעת הנתונים. יכול להיות שהשינוי הזה ישפיע על שירותי Firebase שמשתמשים בפלחים מיובאים לצורך טירגוט. הפעולה הזו לא מוחקת נתונים מ-BigQuery. אתם עדיין אחראים לכל הנתונים ב-BigQuery, כולל עלויות האחסון.

שימוש בפלחים מיובאים

אחרי שהנתונים נקלטים, הם יהיו זמינים במסוף Firebase לטירגוט באמצעות שירותים כמו הגדרת תצורה מרחוק או In-App Messaging. האפשרות הזו פועלת בדיוק כמו טירגוט באמצעות נכסים או קהלים של Google Analytics.

אתם יכולים להשתמש ב'פלחים מיובאים' כאחד מהמאפיינים והפלחים שאפשר לטרגט, והפלחים שייבאתם יהיו זמינים לבחירה. הם כוללים גם אומדן של מספר המקרים של האפליקציה ששייכים לכל פלח.

אפשר גם לראות הערכה של מספר המקרים שתואמים לכל קריטריוני הטירגוט. הערך הזה מתעדכן כשמבצעים שינויים בקריטריונים לטירגוט.

תרחישים לדוגמה

יש כמה דרכים להשתמש בפלחים מיובאים כדי ליצור חוויות משתמש ממוקדות. בקטע הזה מפורטים כמה תרחישים נפוצים שבהם כדאי להשתמש בתכונה הזו.

שליחת התראות לקבוצת משתמשים

נניח שיש לכם אפליקציה שמאפשרת רכישות מתוך האפליקציה עם עגלת קניות. אפשר גם להשתמש בפתרונות ניתוח נתונים בהתאמה אישית או של צד שלישי (שלא מבוססים על Google Analytics) כדי לאסוף מדדים שונים שקשורים להתנהגות המשתמשים באפליקציה. בעזרת המדדים האלה אפשר לזהות קבוצת משתמשים שהוסיפו פריטים לעגלת הקניות, אבל לא השלימו את תהליך התשלום.

עכשיו נניח שאתם רוצים להשתמש ב-Firebase Cloud Messaging כדי לשלוח התראה למשתמשים האלה ולהזכיר להם שיש פריטים בעגלת הקניות שלהם. אפשר ליצור פלח שנקרא incomplete-checkout ולכלול בו את המשתמשים האלה, שמזוהים באמצעות מזהה ההתקנה Firebase שלהם, ולהעלות אותו ל-BigQuery כדי לשתף אותו עם Firebase.

אחרי ש-Firebase מעכל את הנתונים האלה, הם זמינים בכלי ליצירת הודעות, שבו אפשר ליצור קמפיין חדש של הודעות שמטרגט את האירוע incomplete-checkout (השלמת תהליך התשלום לא הושלם) כדי לשלוח הודעה שמעודדת את המשתמשים להשלים את תהליך התשלום.

הגדרת אפליקציה לקבוצת משנה של משתמשים

נניח שאתם משתמשים בפתרון ניתוח נתונים פנימי שמצביע על כך שלחלק מהמשתמשים יש בעיות בניווט באפליקציה. כדי לעזור למשתמשים האלה, אתם רוצים להגדיר את התנהגות האפליקציה כך שתכלול סרטון הדרכה קצר.

אתם יכולים לשלב את Remote Config באפליקציה ולהשתמש בפרמטר, למשל needs_help, באפליקציה כדי להציג את סרטון ההדרכה באופן מותנה.

בעזרת נתוני הניתוח, יוצרים פלח בשם troubled-users וכוללים בו משתמשים מתאימים, שמזוהים לפי מזהה ההתקנה Firebase. לאחר מכן מעלים את הפלח הזה ואת חברי הפלח ל-BigQuery כדי לשתף אותו עם Firebase.

אחרי ש-Firebase מעבד את הנתונים האלה, הם זמינים במסוף Remote Configכפלח שאפשר לטרגט. אחר כך תוכלו ליצור תנאי לטירגוט של "משתמשים עם בעיות" ולהגדיר את הפרמטר "זקוק לעזרה" כ-True לתנאי הזה וכ-False כברירת מחדל. אחרי שמפרסמים את ההגדרה הזו, סרטון ההדרכה מוצג באפליקציה רק למשתמשים בפלח 'משתמשים עם בעיות'.

מעקב אחר מסלולי המשתמשים במכשירים שונים

נניח שפיתחתם אפליקציה לביקורת מסעדות באמצעות Firebase ו-Google Analytics. בעזרת המדדים שנאספו, אתם מגלים שהמשתמשים ניגשים לאפליקציה לעיתים קרובות גם ממכשיר נייד וגם מטבלט. בנוסף, גיליתם שהמשתמשים מעדיפים לכתוב ביקורות בטאבלט, אבל הם קוראים ביקורות בכל מכשיר.

יש משתמשים שמתחילים לכתוב ביקורת בטלפון ומתייאשים, אולי בגלל הגודל הקטן יותר של המסך. אתם מחליטים לשלוח התראה למשתמשים כאלה בטאבלטים שלהם כדי להזכיר להם לסיים את הביקורות.

כדי לעשות את זה, אפשר להגדיר מזהה בודק שנוצר באופן פנימי כ-UserId באמצעות Google Analytics למשתמשים שמחוברים לחשבון, ולהפעיל אירוע כדי לזהות ביקורות שבוטלו. אחר כך תוכלו לייצא את נתוני Google Analytics של האפליקציה ל-BigQuery.

ניתוח הנתונים האלה ב-BigQuery מאפשר לכם לזהות את Firebaseמזהה ההתקנה של טאבלטים של משתמשים שלא סיימו לכתוב ביקורת בטלפון שלהם. אפשר לתת לקבוצה הזו את השם tablets-of-users-who-cancelled-on-phone ולהעלות את הפלח ל-BigQuery כדי לשתף את רשימת החברים עם Firebase.

אחרי שמערכת Firebase מעכלת את הנתונים האלה, הם זמינים בכלי ליצירת הודעות כפלחי קהל שאפשר לטרגט. לאחר מכן תוכלו ליצור קמפיין חדש של הודעות שמטרגט את קהל היעד 'משתמשים בטאבלטים שביטלו את המינוי בטלפון', כדי לשלוח הודעה שתעודד את המשתמשים האלה להשלים את הביקורת שלהם בטאבלטים.