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, kontinuierlich verbesserter 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 gewählte Ziel optimiert ist. Sie können Ihre personalisierten Remote Config Parameter mit Remote Config Targeting-Bedingungen auf bestimmte Nutzergruppen ausrichten.
Sie können für jedes Ziel optimieren, das mit Google Analytics messbar ist, und nach Anzahl der Ereignisse oder nach dem aggregierten Wert (Summe) eines Ereignisparameters optimieren. Dazu gehören die folgenden integrierten Messwerte:
- Nutzerinteraktionsdauer, die nach Nutzerinteraktionsdauer optimiert
- Anzeigenklicks, die nach der Gesamtzahl der Anzeigenklickereignisse optimiert
- Anzeigenimpressionen, die nach der Anzahl der Anzeigenimpressionen optimiert
Alternativ können Sie für benutzerdefinierte Messwerte optimieren, die auf einem beliebigen Analytics Ereignis basieren. Einige Möglichkeiten:
- Bewertungen im Google Play Store oder App Store
- Nutzererfolg bei bestimmten Aufgaben, z. B. beim Abschließen von Spiellevels
- In-App-Kaufereignisse
- E-Commerce-Ereignisse, z. B. das Hinzufügen von Artikeln zu einem Einkaufswagen oder der Beginn oder Abschluss des Bezahlvorgangs
- Umsatz aus In-App-Käufen und Anzeigen
- Ausgaben für virtuelle Währung
- Aktivitäten in sozialen Netzwerken, z. B. das Teilen von Links und Inhalten
Weitere Informationen zu potenziellen Anwendungsfällen für die Personalisierung finden Sie unter Was kann ich mit der Remote Config Personalisierung tun?
Funktionsweise
Bei der Personalisierung wird maschinelles Lernen eingesetzt, um das optimale Angebot für jeden Nutzer zu ermitteln. Der Algorithmus wägt effizient zwischen dem Ermitteln des besten Angebots für verschiedene Nutzertypen und der Nutzung dieses Wissens ab, um den Messwert für Ihr Ziel zu maximieren. Die Personalisierungsergebnisse werden automatisch mit einer Kontrollgruppe von Nutzern verglichen, die ein zufälliges Angebot 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 siehe Personalisierung in Remote Config.
Vorgehensweise bei der Implementierung
- Implementieren Sie zwei oder mehr alternative Nutzererfahrungen, die Ihrer Meinung nach für einige Nutzer optimal sind, für andere jedoch nicht.
- Konfigurieren Sie diese Alternativen mit einem Remote Config Parameter aus der Ferne. 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 Nutzer das für ihn optimale Angebot zu. Weitere Informationen finden Sie im Leitfaden für den Einstieg.
Personalisierung im Vergleich zu A/B-Tests
Mit A/B-Tests soll die Nutzererfahrung mit der besten Leistung ermittelt werden. Bei der Personalisierung hingegen wird 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, aber A/B-Tests sind dennoch nützlich:
| Personalisierung bevorzugt | A/B-Tests bevorzugt |
|---|---|
| Wenn Personalisierung für jeden Nutzer sinnvoll ist | Wenn Sie eine einheitliche, optimale Erfahrung für alle Nutzer oder eine bestimmte Gruppe von Nutzern erreichen möchten |
| Wenn Sie das Personalisierungsmodell kontinuierlich optimieren möchten | Wenn Sie innerhalb eines bestimmten Zeitfensters Tests durchführen möchten |
| Wenn Ihr Optimierungsziel einfach als gewichtete Summe von Analyseereignissen ausgedrückt 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 | Wenn Sie ermitteln möchten, 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 | Wenn Sie die Ergebnisse manuell überprüfen möchten |
Angenommen, Sie möchten die Anzahl der Nutzer maximieren, die Ihre App im Google Play Store bewerten, wenn Sie sie dazu auffordern. Ein Faktor, der zum Erfolg beitragen kann, ist der Zeitpunkt der Aufforderung: Soll sie angezeigt werden, wenn der Nutzer Ihre App zum ersten, zweiten oder dritten Mal öffnet? Oder fordern Sie ihn auf, wenn er bestimmte Aufgaben erfolgreich abgeschlossen hat? 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 Zeitpunkts Ihrer Feedbackaufforderung ist ein idealer Anwendungsfall für die Personalisierung:
- Die optimale Einstellung ist wahrscheinlich für jeden Nutzer anders.
- Der Erfolg lässt sich mit Analytics ganz einfach messen.
- Die betreffende Änderung der Nutzererfahrung ist so risikoarm, dass Sie wahrscheinlich keine Kompromisse eingehen oder eine manuelle Überprüfung durchführen müssen.