Mit der Remote Config-Personalisierung können Sie automatisch Remote Config-Parameter für jeden Nutzer auswählen, um die Anzeigen auf ein Zielvorhaben hin zu optimieren. Das Personalisieren eines Parameters ist mit einem automatischen, individuellen, kontinuierlich verbesserten und fortlaufenden A/B-Test vergleichbar.
Wenn Sie Remote Config-Personalisierung in Ihren Apps verwenden, können Sie die Nutzerfreundlichkeit für jeden Nutzer verbessern, indem Sie ihm automatisch eine von mehreren alternativen Nutzeroberflächen präsentieren – diejenige, die für das von Ihnen ausgewählte Ziel optimiert ist. Mithilfe von Remote Config-Ausrichtungsbedingungen können Sie Ihre personalisierten Remote Config-Parameter auf bestimmte Nutzergruppen ausrichten.
Sie können für jedes Zielvorhaben, das mit Google Analytics messbar ist, eine Optimierung vornehmen. Dabei können Sie die Anzahl der Ereignisse oder den aggregierten Wert (Summe) eines Ereignisparameters als Zielvorhaben festlegen. Dazu gehören die folgenden vordefinierten Messwerte:
- Nutzerinteraktionsdauer, die nach Nutzerinteraktionsdauer optimiert wird
- Anzeigenklicks, bei denen die Optimierung anhand der Gesamtzahl der Anzeigenklickereignisse erfolgt
- Anzeigenimpressionen, bei denen die Optimierung anhand der Anzahl der Anzeigenimpressionen erfolgt
Alternativ können Sie die Optimierung auf benutzerdefinierte Messwerte basierend auf einem beliebigen Analytics-Ereignis vornehmen. Beispiele:
- Einreichungen von Play Store- oder App Store-Bewertungen
- Erfolg der Nutzer bei bestimmten Aufgaben, z. B. beim Abschließen von Spiellevels
- In-App-Kauf-Ereignisse
- E-Commerce-Ereignisse wie das Hinzufügen von Artikeln zum Einkaufswagen oder das Starten oder Abschließen des Bezahlvorgangs
- Umsatz aus In-App-Käufen und Anzeigen
- Ausgaben in virtueller Währung
- Link- und Inhaltsfreigabe sowie Aktivitäten in sozialen Netzwerken
Weitere Informationen zu potenziellen 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 ermittelt effizient, wie die beste Nutzererfahrung für verschiedene Nutzertypen gestaltet werden kann, und nutzt dieses Wissen, um den objektiven Messwert zu maximieren. Die Ergebnisse der Personalisierung werden automatisch mit einer Kontrollgruppe von Nutzern verglichen, die eine dauerhafte zufällige Auswahl aus den von Ihnen bereitgestellten Alternativen erhalten. Dieser Vergleich zeigt, wie viel „Steigerung“ (Inkrementeller Wert) durch das Personalisierungssystem generiert wird.
Weitere Informationen zum Algorithmus und zu den Konzepten der Remote Config-Personalisierung finden Sie unter Remote Config-Personalisierung.
Vorgehensweise bei der Implementierung
- Implementieren Sie zwei oder mehr alternative Nutzererfahrungen, die Ihrer Meinung nach für einige Nutzer optimal, für andere aber nicht geeignet sind.
- Diese Alternativen können mit einem Remote Config-Parameter per Fernzugriff konfiguriert werden. Weitere Informationen finden Sie unter Einstieg in Remote Config und Remote Config-Ladestrategien.
- Aktivieren Sie die Personalisierung für den Parameter. Remote Config ordnet jedem Nutzer die für ihn optimale Version zu. Weitere Informationen finden Sie im Startleitfaden.
Personalisierung und A/B-Tests im Vergleich
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 erzielen Sie mit Personalisierung die besten Ergebnisse. A/B-Tests haben aber auch Vorteile:
| Personalisierung bevorzugt | A/B-Tests bevorzugt |
|---|---|
| Personalisierung ist für jeden Nutzer sinnvoll | Sie möchten eine einheitliche, optimale Erfahrung für alle Nutzer oder eine bestimmte Gruppe von Nutzern erreichen |
| Wenn Sie das Personalisierungsmodell kontinuierlich optimieren möchten | Sie möchten innerhalb eines bestimmten Zeitraums Tests durchführen |
| Ihr Optimierungsziel kann einfach aus den Analyseergebnissen abgeleitet werden | Wenn Ihr Optimierungsziel eine sorgfältige Auswertung verschiedener konkurrierender Messwerte erfordert |
| Sie möchten unabhängig von eventuellen Abstrichen im Hinblick auf ein bestimmtes Ziel optimieren | 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 |
| Die Ergebnisse müssen oder sollen nicht manuell überprüft werden | Wenn Sie die Ergebnisse manuell überprüfen möchten |
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 das Timing des Prompts: Wird er angezeigt, wenn der Nutzer Ihre App zum ersten, zweiten oder dritten Mal öffnet? Oder ermutigen Sie sie, wenn sie bestimmte Aufgaben erfolgreich abgeschlossen haben? Der ideale Zeitpunkt hängt wahrscheinlich vom einzelnen Nutzer ab: Einige Nutzer sind möglicherweise sofort bereit, Ihre App zu bewerten, während andere mehr Zeit benötigen.
Die Optimierung des Timings Ihrer Feedbackaufforderung ist ein idealer Anwendungsfall für die Personalisierung:
- Die optimale Einstellung ist wahrscheinlich für jeden Nutzer unterschiedlich.
- Der Erfolg lässt sich mit Analytics ganz einfach messen.
- Die betreffende UX-Änderung ist so geringfügig, dass Sie wahrscheinlich keine Abwägungen vornehmen oder eine manuelle Überprüfung durchführen müssen.