Remote Config kişiselleştirme özelliğiyle, her kullanıcı için bir hedefe göre optimizasyon yapmak üzere Remote Config parametrelerini otomatik olarak seçebilirsiniz. Bir parametreyi kişiselleştirmek, otomatik, bireyselleştirilmiş, sürekli olarak iyileşen ve sürekli bir A/B testi gerçekleştirmek gibidir.
Uygulamalarınızda Remote Config kişiselleştirmeyi kullandığınızda, kullanıcılarınıza otomatik olarak birkaç alternatif kullanıcı deneyiminden birini (seçtiğiniz hedef için optimize edilen alternatif) sunarak her biri için daha ilgi çekici deneyimler oluşturursunuz. Kişiselleştirilmiş Remote Configparametrelerinizi, Remote Confighedefleme koşullarını kullanarak belirli kullanıcı gruplarına hedefleyebilirsiniz.
Google Analytics kullanarak ölçülebilir olan tüm hedefler için optimizasyon yapabilir ve etkinlik sayısına veya bir etkinlik parametresinin toplu değerine (toplam) göre optimizasyon yapabilirsiniz. Buna aşağıdaki yerleşik metrikler dahildir:
- Kullanıcı etkileşim süresine göre optimizasyon yapan kullanıcı etkileşim süresi
- Reklam tıklamaları (toplam reklam tıklama etkinliği sayısına göre optimizasyon yapar)
- Reklam gösterimlerinin sayısına göre optimizasyon yapan reklam gösterimleri
Alternatif olarak, herhangi bir Analytics etkinliğine dayalı özel metrikler için optimizasyon yapabilirsiniz. Olasılıklardan bazıları şunlardır:
- Play Store veya App Store puan gönderimleri
- Kullanıcıların oyun seviyelerini tamamlama gibi belirli görevlerde gösterdiği başarı
- Uygulama içi satın alma etkinlikleri
- Alışveriş sepetine ürün ekleme veya ödeme işlemini başlatma ya da tamamlama gibi e-ticaret etkinlikleri
- Uygulama içi satın alma ve reklam geliri
- Sanal para harcaması
- Bağlantı ve içerik paylaşımı ve sosyal ağ etkinliği
Olası kişiselleştirme kullanım alanları hakkında daha fazla bilgi için Remote Config kişiselleştirme özelliğini nasıl kullanabilirim? başlıklı makaleyi inceleyin.
Nasıl çalışır?
Kişiselleştirme özelliği, kullanıcılarınızın her birine sunulacak optimum deneyimi belirlemek üzere makine öğreniminden yararlanır. Algoritma bir yandan farklı türdeki kullanıcılar için en iyi deneyimi öğrenirken diğer yandan hedef metriğinizi en üst düzeye çıkarmak için bu bilgilerden etkili şekilde yararlanır. Kişiselleştirme sonuçları, sağladığınız alternatiflerden elde edilen daimi bir rastgele deneyim sunulan kullanıcıların yer aldığı bir kontrol grubuyla otomatik olarak karşılaştırılır. Bu karşılaştırma, kişiselleştirme sistemiyle ne kadar "yükseliş" (değer artışı) elde edildiğini gösterir.
Remote Config kişiselleştirme algoritması ve kavramları hakkında daha fazla bilgi için Remote Config kişiselleştirme hakkında başlıklı makaleyi inceleyin.
Uygulama yolu
- Bazı kullanıcılar için ideal olacağını düşündüğünüz ancak diğer kullanıcılar için ideal olmayacağını düşündüğünüz iki veya daha fazla alternatif kullanıcı deneyimi uygulayın.
- Bu alternatifleri bir Remote Config parametresi ile uzaktan yapılandırılabilir hale getirin. Remote Config'u kullanmaya başlama ve Remote Config yükleme stratejileri başlıklı makaleleri inceleyin.
- Parametre için kişiselleştirmeyi etkinleştirin. Remote Config, kullanıcılarınızın her birine kendileri için en uygun deneyimi atar. Başlangıç kılavuzunu inceleyin.
Kişiselleştirme ve A/B testi karşılaştırması
En iyi performans gösteren tek bir kullanıcı deneyimini bulmak için tasarlanmış A/B testlerinin aksine kişiselleştirme, her kullanıcı için en uygun kullanıcı deneyimini dinamik şekilde seçerek bir hedefin performansını artırmaya çalışır. Birçok sorun türünde kişiselleştirme en iyi sonuçları verir ancak A/B testinin de kullanım alanları vardır:
| Kişiselleştirmenin tercih edildiği durumlar | A/B testinin tercih edildiği durumlar |
|---|---|
| Her kullanıcı kişiselleştirilmiş bir kullanıcı deneyiminden faydalanabilecekse | Tüm kullanıcılar için veya tanımlanmış bir kullanıcı alt grubu için tek bir optimum deneyim sunmak istediğinizde |
| Kişiselleştirme modelini sürekli olarak optimize etmek istediğinizde | Belirli bir zaman dilimi boyunca testler yapmak istediğinizde |
| Optimizasyon hedefiniz analiz etkinliklerinin ağırlıklı toplamı olarak basitçe ifade edilebildiğinde | Optimizasyon hedefiniz için birkaç farklı rakip metriğin dikkatle değerlendirilmesi gerektiğinde |
| Herhangi bir işlemden bağımsız olarak belirli bir hedef için optimize etmek istediğinizde | Bir ürünü kullanıma sunmadan önce belirli bir varyantın diğerine kıyasla istatistiksel olarak önemli bir iyileşme ortaya koyup koymadığını görmek istediğinizde |
| Sonuçların manuel analizi gerekmiyor veya tercih edilmiyorsa | Sonuçların manuel olarak analizi tercih ediliyorsa |
Örneğin, uygulamanızı Play Store'da puanlamalarını istediğinizde puan veren kullanıcı sayısını artırmak istediğinizi varsayalım. Başarıya katkıda bulunabilecek faktörlerden biri, isteminizi gösterme zamanıdır: Kullanıcı uygulamanızı ilk, ikinci veya üçüncü kez açtığında mı gösterirsiniz? Yoksa belirli görevleri başarıyla tamamladıklarında mı bunu yaparsınız? İdeal zamanlama muhtemelen kullanıcıya göre değişir: Bazı kullanıcılar uygulamanızı hemen derecelendirmeye hazır olabilirken diğerlerinin daha fazla zamana ihtiyacı olabilir.
Geri bildirim isteminizi zamanlamasını optimize etmek, kişiselleştirme için ideal bir kullanım alanıdır:
- İdeal ayar muhtemelen her kullanıcı için farklıdır.
- Başarı, Analytics kullanılarak kolayca ölçülebilir.
- Söz konusu kullanıcı deneyimi değişikliği, muhtemelen ödün verilecek noktaları değerlendirmeniz veya manuel inceleme yapmanız gerekmeyecek kadar düşük risklidir.