Với tính năng cá nhân hoá Remote Config, bạn có thể tự động chọn Remote Config tham số cho từng người dùng để tối ưu hoá cho một mục tiêu. Việc cá nhân hoá một tham số cũng giống như thực hiện một thử nghiệm A/B tự động, riêng lẻ, liên tục cải thiện và vĩnh viễn.
Khi sử dụng tính năng cá nhân hoá Remote Config trong ứng dụng, bạn sẽ tạo ra trải nghiệm hấp dẫn hơn cho từng người dùng bằng cách tự động cung cấp cho họ một trong số các trải nghiệm thay thế cho người dùng – trải nghiệm thay thế giúp tối ưu hoá cho mục tiêu mà bạn chọn. Bạn có thể nhắm mục tiêu các Remote Config tham số được cá nhân hoá đến các nhóm người dùng cụ thể bằng cách sử dụng Remote Config điều kiện nhắm mục tiêu.
Bạn có thể tối ưu hoá cho bất kỳ mục tiêu nào có thể đo lường bằng Google Analytics, và tối ưu hoá theo số lượng sự kiện hoặc theo giá trị tổng hợp (tổng) của một tham số sự kiện. Báo cáo này bao gồm các chỉ số tích hợp sau:
- Thời gian tương tác của người dùng, giúp tối ưu hoá theo thời gian tương tác của người dùng
- Số lượt nhấp vào quảng cáo, giúp tối ưu hoá theo tổng số sự kiện nhấp vào quảng cáo
- Số lượt hiển thị quảng cáo, giúp tối ưu hoá theo số lượt hiển thị quảng cáo
Hoặc bạn có thể tối ưu hoá cho các chỉ số tuỳ chỉnh dựa trên bất kỳ sự kiện Analytics nào. Một số trường hợp có thể bao gồm:
- Lượt gửi điểm xếp hạng trên Cửa hàng Play hoặc App Store
- Mức độ thành công của người dùng khi thực hiện các nhiệm vụ cụ thể, chẳng hạn như hoàn thành các cấp độ trong trò chơi
- Sự kiện mua hàng trong ứng dụng
- Sự kiện thương mại điện tử, chẳng hạn như thêm mặt hàng vào giỏ hàng hoặc bắt đầu hoặc hoàn tất quy trình thanh toán
- Doanh thu từ quảng cáo và giao dịch mua hàng trong ứng dụng
- Chi tiêu tiền ảo
- Hoạt động chia sẻ nội dung và đường liên kết cũng như hoạt động trên mạng xã hội
Để biết thêm thông tin về các trường hợp sử dụng tiềm năng của tính năng cá nhân hoá, hãy xem Tôi có thể làm gì với tính năng cá nhân hoá Remote Config?
Tính năng này hoạt động như thế nào?
Tính năng cá nhân hoá sử dụng công nghệ học máy để xác định trải nghiệm tối ưu cho từng người dùng. Thuật toán này sẽ cân bằng hiệu quả giữa việc tìm hiểu trải nghiệm tốt nhất cho nhiều loại người dùng và sử dụng kiến thức đó để tối đa hoá chỉ số mục tiêu của bạn. Kết quả cá nhân hoá được tự động so sánh với một nhóm người dùng giữ lại nhận được trải nghiệm ngẫu nhiên liên tục được lấy từ các lựa chọn thay thế mà bạn cung cấp. So sánh này cho thấy mức "tăng" (giá trị gia tăng) do hệ thống cá nhân hoá tạo ra.
Để biết thêm thông tin về thuật toán và các khái niệm cá nhân hoá Cấu hình từ xa, hãy xem Giới thiệu về tính năng cá nhân hoá Cấu hình từ xa.
Quy trình triển khai
- Triển khai từ hai trải nghiệm thay thế trở lên cho người dùng mà bạn cho là sẽ tối ưu cho một số người dùng nhưng không tối ưu cho những người dùng khác.
- Tạo các lựa chọn thay thế này có thể định cấu hình từ xa bằng một Remote Config tham số. Xem Bài viết Bắt đầu sử dụng Remote Config và Remote Config chiến lược tải.
- Bật tính năng cá nhân hoá cho tham số. Remote Config sẽ chỉ định cho mỗi người dùng trải nghiệm tối ưu cho họ. Xem hướng dẫn Bắt đầu.
Tính năng cá nhân hoá so với thử nghiệm A/B
Không giống như thử nghiệm A/B được thiết kế để tìm ra một trải nghiệm hiệu quả nhất cho người dùng, tính năng cá nhân hoá sẽ linh hoạt lựa chọn một trải nghiệm tối ưu cho từng người dùng để giúp bạn tăng tối đa khả năng đạt được mục tiêu. Đối với nhiều loại vấn đề, tính năng cá nhân hoá mang lại kết quả tốt nhất, nhưng thử nghiệm A/B vẫn có những trường hợp sử dụng:
| Ưu tiên tính năng cá nhân hoá | Ưu tiên thử nghiệm A/B |
|---|---|
| Khi mỗi người dùng có thể hưởng lợi từ trải nghiệm người dùng được cá nhân hoá | Khi bạn muốn có một trải nghiệm tối ưu duy nhất cho tất cả người dùng hoặc một nhóm người dùng được xác định |
| Khi bạn muốn liên tục tối ưu hoá mô hình cá nhân hoá | Khi bạn muốn tiến hành thử nghiệm trong một khoảng thời gian cố định |
| Khi mục tiêu tối ưu hoá của bạn có thể được thể hiện đơn giản dưới dạng tổng số sự kiện Analytics được tính trọng số | Khi mục tiêu tối ưu hoá của bạn đòi hỏi việc đánh giá kỹ lưỡng một vài chỉ số cạnh tranh riêng biệt |
| Khi bạn muốn tối ưu hoá cho một mục tiêu bằng mọi giá | Khi bạn muốn xác định xem liệu một biến thể có mang đến sự cải thiện đáng kể về mặt thống kê so với một biến thể khác hay không trước khi triển khai |
| Khi quy trình xem xét thủ công các kết quả là không bắt buộc hoặc không cần thiết | Khi quy trình xem xét thủ công các kết quả là cần thiết |
Ví dụ: giả sử bạn muốn tối đa hoá số lượng người dùng xếp hạng ứng dụng của bạn trong Cửa hàng Play khi bạn nhắc họ. Một yếu tố có thể góp phần vào sự thành công là thời điểm bạn nhắc: bạn có hiển thị lời nhắc khi người dùng mở ứng dụng của bạn lần đầu, lần thứ hai hay lần thứ ba không? Hoặc bạn có nhắc họ khi họ hoàn thành thành công một số nhiệm vụ nhất định không? Thời điểm lý tưởng có thể tuỳ thuộc vào từng người dùng: một số người dùng có thể sẵn sàng xếp hạng ứng dụng của bạn ngay lập tức, trong khi những người dùng khác có thể cần thêm thời gian.
Tối ưu hoá thời điểm nhắc phản hồi là một trường hợp sử dụng lý tưởng cho tính năng cá nhân hoá:
- Chế độ cài đặt tối ưu có thể khác nhau đối với từng người dùng.
- Bạn có thể dễ dàng đo lường mức độ thành công bằng Analytics.
- Thay đổi UX đang được đề cập có rủi ro thấp đến mức bạn có thể không cần cân nhắc các yếu tố đánh đổi hoặc tiến hành xem xét thủ công.