Với hoạt động cá nhân hoá Remote Config, bạn có thể tự động chọn các thông số Remote Config cho từng người dùng để tối ưu hoá cho một mục tiêu. Cá nhân hoá một thông số giống như việc thực hiện một thử nghiệm A/B tự động, riêng lẻ, không ngừng 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 người dùng thay thế – trải nghiệm thay thế giúp tối ưu hoá cho mục tiêu mà bạn chọn. Bạn có thể nhắm đến các Remote Configtham số được cá nhân hoá cho các nhóm người dùng cụ thể bằng cách sử dụng Remote Configđiều kiện nhắm mục tiêu.
Bạn có thể tối ưu hoá cho mọi mục tiêu 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 thông số sự kiện. Điều này bao gồm các chỉ số tích hợp sau:
- Thời gian tương tác của người dùng, được tối ưu hoá theo thời gian tương tác của người dùng
- Số lượt nhấp vào quảng cáo, tối ưu hoá theo tổng số sự kiện nhấp vào quảng cáo
- Số lượt hiển thị quảng cáo, 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 mọi sự kiện Analytics. Một số trường hợp có thể xảy ra:
- Gửi điểm xếp hạng trên Cửa hàng Play hoặc App Store
- Mức độ thành công của người dùng ở các nhiệm vụ cụ thể, chẳng hạn như hoàn thành các cấp độ trong trò chơi
- Sự kiện mua hàng trong ứng dụng
- Các 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 lượt mua hàng trong ứng dụng
- Chi tiêu tiền ảo
- Hoạt động chia sẻ nội dung và đường liên kết, cũng như hoạt động kết nối mạng xã hội
Để biết thêm thông tin về các trường hợp sử dụng tiềm năng của tính năng cá nhân hoá, hãy xem phần 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 sẽ tự động được so sánh với một nhóm người dùng được giữ lại. Nhóm này sẽ nhận được trải nghiệm ngẫu nhiên liên tục được lấy từ các lựa chọn thay thế mà bạn cung cấp. Phép so sánh này cho biết mức "tăng" (giá trị gia tăng) mà hệ thống cá nhân hoá tạo ra.
Để biết thêm thông tin về thuật toán và các khái niệm cá nhân hoá Remote Config, hãy xem bài viết Giới thiệu về tính năng cá nhân hoá Remote Config.
Đường dẫn triển khai
- Triển khai từ 2 trải nghiệm người dùng thay thế trở lên mà bạn cho rằng sẽ phù hợp với một số người dùng nhưng không phù hợp với những người dùng khác.
- Thiết lập các lựa chọn thay thế này từ xa bằng một tham số Remote Config. Xem phần Bắt đầu sử dụng Remote Config và các chiến lược tải Remote Config.
- Bật chế độ cá nhân hoá cho thông số. Remote Config sẽ chỉ định cho mỗi người dùng của bạn trải nghiệm tối ưu nhất cho họ. Xem hướng dẫn Bắt đầu sử dụng.
Hoạt động 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), hoạt động 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, hoạt động cá nhân hoá mang lại kết quả tốt nhất, nhưng thử nghiệm A/B vẫn có những lợi ích riêng:
| Ưu tiên cá nhân hoá | Ưu tiên thử nghiệm A/B |
|---|---|
| Khi mỗi người dùng đều có thể hưởng lợi từ trải nghiệm được cá nhân hoá cho người dùng | Khi bạn muốn mang đến trải nghiệm tối ưu cho tất cả người dùng hoặc một số ít người dùng nhất 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 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 đánh giá ứng dụng của bạn trong Cửa hàng Play khi bạn nhắc họ. Một yếu tố có thể góp phần mang lại thành công là thời điểm bạn đưa ra lời 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? Hay bạn nhắc họ khi họ hoàn thành thành công một số nhiệm vụ nhất định? Thời điểm lý tưởng có thể tuỳ thuộc vào từng người dùng: một số người dùng có thể sẵn sàng đánh giá ứng dụng của bạn ngay lập tức, trong khi những người khác có thể cần thêm thời gian.
Tối ưu hoá thời điểm xuất hiện lời nhắc phản hồi là một trường hợp sử dụng lý tưởng cho hoạt động cá nhân hoá:
- Chế độ cài đặt tối ưu có thể khác nhau đối với mỗi người dùng.
- Bạn có thể dễ dàng đo lường mức độ thành công bằng cách sử dụng Analytics.
- Thay đổi về trải nghiệm người dùng mà bạn đang thắc mắc có rủi ro thấp đến mức bạn có thể không cần cân nhắc các điểm đánh đổi hoặc tiến hành xem xét thủ công.