Mit der Remote Config-Personalisierung können Sie automatisch Remote Config-Parameter für jeden Nutzer auswählen, um ein Ziel zu optimieren. Die Personalisierung eines Parameters ist wie ein automatischer, individueller, sich kontinuierlich verbessernder und fortlaufender A/B-Test.
Wenn Sie die Remote Config-Personalisierung in Ihren Apps verwenden, können Sie für jeden Nutzer ansprechendere Angebote erstellen, indem Sie ihm automatisch eine von mehreren alternativen Nutzererfahrungen präsentieren – die Alternative, die für das von Ihnen ausgewählte Ziel optimiert ist. Sie können Ihre personalisierten Remote Config-Parameter mithilfe von Remote Config-Ausrichtungsbedingungen auf bestimmte Nutzergruppen ausrichten.
Sie können die Kampagne für jedes Zielvorhaben optimieren, das mit Google Analytics gemessen werden kann. Die Optimierung kann nach Anzahl der Ereignisse oder nach dem aggregierten Wert (Summe) eines Ereignisparameters erfolgen. Dazu gehören die folgenden integrierten Messwerte:
- Nutzerinteraktionsdauer, die nach Nutzerinteraktionsdauer optimiert wird
- Anzeigenklicks, bei denen die Gesamtzahl der Anzeigenklickereignisse optimiert wird
- Anzeigenimpressionen, bei denen nach der Anzahl der Anzeigenimpressionen optimiert wird
Alternativ können Sie die Optimierung auch auf benutzerdefinierten Messwerten basieren, die auf einem beliebigen Analytics-Ereignis beruhen. Hier einige Möglichkeiten:
- Einreichungen von Bewertungen im Play Store oder App Store
- Nutzererfolg bei bestimmten Aufgaben, z. B. beim Abschließen von Spielebenen
- In-App-Kaufereignisse
- E-Commerce-Ereignisse wie das Hinzufügen von Artikeln zu einem Einkaufswagen oder das Starten oder Abschließen des Bezahlvorgangs
- Umsatz aus In-App-Käufen und Anzeigen
- Ausgaben für virtuelle Währung
- Link- und Inhaltsfreigabe sowie Aktivitäten in sozialen Netzwerken
Weitere Informationen zu möglichen Anwendungsfällen für die Personalisierung finden Sie unter Was kann ich mit der Personalisierung von Remote Config tun?
Funktionsweise
Bei der Personalisierung wird maschinelles Lernen eingesetzt, um für jeden Nutzer das optimale Angebot zu finden. Der Algorithmus wägt effizient zwischen dem Lernen der besten Nutzererfahrung für verschiedene Nutzertypen und der Nutzung dieses Wissens ab, um Ihren Zielmesswert zu maximieren. Die Personalisierungsergebnisse werden automatisch mit einer Holdout-Gruppe von Nutzern verglichen, die eine zufällige Erfahrung aus den von Ihnen bereitgestellten Alternativen erhalten. Dieser Vergleich zeigt, wie viel „Steigerung“ (inkrementeller Wert) durch das Personalisierungssystem generiert wird.
Weitere Informationen zum Personalisierungsalgorithmus und zu den Konzepten von Remote Config finden Sie unter Remote Config-Personalisierung.
Vorgehensweise bei der Implementierung
- Implementieren Sie zwei oder mehr alternative Nutzererlebnisse, die Ihrer Meinung nach für einige Nutzer, aber nicht für andere optimal sind.
- Machen Sie diese Alternativen mit einem Remote Config-Parameter per Remote-Zugriff konfigurierbar. Weitere Informationen finden Sie unter Erste Schritte mit Remote Config und Remote Config-Ladestrategien.
- Aktivieren Sie die Personalisierung für den Parameter. Remote Config weist jedem Ihrer Nutzer die für ihn optimale Version zu. Weitere Informationen finden Sie im Startleitfaden.
Personalisierung und A/B-Tests
Im Gegensatz zu A/B-Tests, mit denen die Nutzererfahrung mit der besten Leistung ermittelt werden soll, wird bei der Personalisierung versucht, ein Ziel zu maximieren, indem für jeden Nutzer dynamisch eine optimale Nutzererfahrung ausgewählt wird. Bei vielen Arten von Problemen liefert die Personalisierung die besten Ergebnisse. A/B-Tests sind aber trotzdem nützlich:
| Personalisierung bevorzugt | A/B-Test bevorzugt |
|---|---|
| Personalisierung ist für jeden Nutzer sinnvoll | Wenn Sie eine einheitliche, optimale Erfahrung für alle Nutzer oder eine bestimmte Gruppe von Nutzern erreichen möchten |
| Wenn Sie das Personalisierungsmodell kontinuierlich optimieren möchten | Sie möchten innerhalb eines bestimmten Zeitraums Tests durchführen |
| Wenn Ihr Optimierungsziel einfach aus den Analyseergebnissen abgeleitet werden kann | Wenn Ihr Optimierungsziel eine sorgfältige Auswertung verschiedener konkurrierender Messwerte erfordert |
| Wenn Sie unabhängig von eventuellen Abstrichen im Hinblick auf ein bestimmtes Ziel optimieren möchten | Sie möchten ermitteln, ob bei einer Variante im Vergleich zu einer anderen eine statistisch signifikante Verbesserung verzeichnet wird, bevor die Version allen Nutzern präsentiert wird |
| Wenn die Ergebnisse nicht manuell überprüft werden müssen oder sollen | Wann eine manuelle Überprüfung der Ergebnisse sinnvoll ist |
Angenommen, Sie möchten die Anzahl der Nutzer maximieren, die Ihre App im Play Store bewerten, wenn Sie sie dazu auffordern. Ein Faktor, der zum Erfolg beitragen kann, ist der Zeitpunkt des Prompts: Wird er angezeigt, wenn der Nutzer Ihre App zum ersten, zweiten oder dritten Mal öffnet? Oder werden sie aufgefordert, wenn sie bestimmte Aufgaben erfolgreich erledigen? Der ideale Zeitpunkt hängt wahrscheinlich vom jeweiligen Nutzer ab. Einige Nutzer sind möglicherweise sofort bereit, Ihre App zu bewerten, während andere mehr Zeit benötigen.
Die Optimierung des Timings Ihrer Feedback-Aufforderung ist ein idealer Anwendungsfall für die Personalisierung:
- Die optimale Einstellung ist wahrscheinlich für jeden Nutzer unterschiedlich.
- Der Erfolg lässt sich mithilfe von Analytics leicht messen.
- Die betreffende UX-Änderung birgt ein so geringes Risiko, dass Sie wahrscheinlich keine Kompromisse eingehen oder eine manuelle Überprüfung durchführen müssen.