Персонализация удаленной конфигурации

Благодаря персонализации Remote Config вы можете автоматически выбирать параметры Remote Config для каждого пользователя, чтобы оптимизировать их для достижения определенной цели. Персонализация параметра подобна проведению автоматического, индивидуального, постоянно улучшающегося и постоянного A/B-теста.

Когда вы используете персонализацию Remote Config в своих приложениях, вы создаете более привлекательный опыт для каждого из ваших пользователей, автоматически предоставляя им один из нескольких альтернативных пользовательских интерфейсов — альтернативу, которая оптимизируется для выбранной вами цели. Вы можете настроить персонализированные параметры Remote Config для определенных групп пользователей, используя условия таргетинга Remote Config .

Вы можете оптимизировать любую цель, которую можно измерить с помощью Google Analytics, а также оптимизировать по количеству событий или по совокупному значению (сумме) параметра события. Сюда входят следующие встроенные метрики:

  • Время взаимодействия с пользователем, которое оптимизируется по времени взаимодействия с пользователем.
  • Клики по объявлениям: оптимизация по общему количеству событий кликов по объявлению.
  • Показы рекламы: оптимизация по количеству показов рекламы.

Или вы можете оптимизировать специальные показатели на основе любого события Analytics. Некоторые возможности включают в себя:

  • Отправка оценок в Play Store или App Store
  • Успех пользователя в выполнении определенных задач, например прохождении игровых уровней.
  • События покупок в приложении
  • События электронной коммерции, такие как добавление товаров в корзину, начало или завершение оформления заказа.
  • Покупки в приложении и доход от рекламы
  • Расходы на виртуальную валюту
  • Обмен ссылками и контентом, а также активность в социальных сетях

Дополнительные сведения о возможных вариантах использования персонализации см. в разделе Что я могу делать с помощью персонализации Remote Config?

Начать

Как это работает?

Персонализация использует машинное обучение, чтобы определить оптимальные условия для каждого пользователя. Алгоритм эффективно балансирует между изучением наилучшего опыта для разных типов пользователей и использованием этих знаний для максимизации вашей объективной метрики. Результаты персонализации автоматически сравниваются с контрольной группой пользователей, которые получают постоянный случайный опыт, полученный из предоставленных вами альтернатив. Это сравнение показывает, какой «подъем» (дополнительная ценность) генерируется системой персонализации.

Дополнительные сведения об алгоритме и концепциях персонализации Remote Config см. в разделе О персонализации Remote Config .

Путь реализации

  1. Реализуйте два или более альтернативных пользовательских интерфейса, которые, по вашему мнению, будут оптимальными для одних пользователей, но не для других.
  2. Сделайте эти альтернативы настраиваемыми удаленно с помощью параметра Remote Config. См. раздел Начало работы с Remote Config и стратегии загрузки Remote Config .
  3. Включите персонализацию для параметра. Remote Config назначит каждому из ваших пользователей оптимальный для него опыт. См. руководство по началу работы .

Персонализация против A/B-тестирования

В отличие от A/B-тестов, которые предназначены для выявления единственного наиболее эффективного пользовательского опыта, персонализация пытается максимизировать цель путем динамического выбора оптимального пользовательского опыта для каждого пользователя. Для многих типов проблем персонализация дает наилучшие результаты, но A/B-тестирование по-прежнему имеет применение:

Предпочтительна персонализация Предпочтительно A/B-тестирование
Когда каждый пользователь может получить выгоду от персонализированного пользовательского опыта Если вам нужен единый оптимальный интерфейс для всех пользователей или определенной подгруппы пользователей
Если вы хотите постоянно оптимизировать модель персонализации Если вы хотите проводить тесты в течение фиксированного временного интервала
Когда цель оптимизации можно выразить просто как взвешенную сумму аналитических событий. Когда ваша цель оптимизации требует вдумчивой оценки нескольких различных конкурирующих показателей.
Когда вы хотите оптимизировать для достижения цели, невзирая на любые компромиссы Если вы хотите определить, демонстрирует ли один вариант статистически значимое улучшение по сравнению с другим, прежде чем его развертывать.
Когда ручной просмотр результатов не требуется или нежелателен Когда желателен ручной просмотр результатов

Например, предположим, что вы хотите максимизировать количество пользователей, которые оценивают ваше приложение в Play Store, когда вы предлагаете им это сделать. Одним из факторов, который может способствовать успеху, является время появления подсказки: показываете ли вы ее, когда пользователь открывает ваше приложение в первый, второй или третий раз? Или вы подсказываете им, когда они успешно выполняют определенные задачи? Идеальное время, вероятно, зависит от конкретного пользователя: некоторые пользователи могут быть готовы сразу оценить ваше приложение, а другим может потребоваться больше времени.

Оптимизация времени отправки обратной связи — идеальный вариант персонализации:

  • Оптимальная настройка, вероятно, различна для каждого пользователя.
  • Успех легко измерить с помощью аналитики.
  • Рассматриваемое изменение UX имеет достаточно низкий риск, поэтому вам, вероятно, не нужно рассматривать компромиссы или проводить ручную проверку.

Попробуй

Начать