Avec la personnalisation Remote Config, vous pouvez sélectionner automatiquement des paramètres Remote Config pour chaque utilisateur afin d'optimiser l'expérience en fonction d'un objectif. Personnaliser un paramètre revient à effectuer un test A/B automatique, individualisé, en amélioration continue et perpétuel.
Lorsque vous utilisez la personnalisation Remote Config dans vos applications, vous créez des expériences plus attrayantes pour chacun de vos utilisateurs en leur fournissant automatiquement l'une des différentes expériences utilisateur, celle qui optimise l'objectif que vous choisissez. Vous pouvez cibler vos paramètres Remote Config personnalisés sur des groupes d'utilisateurs spécifiques à l'aide de conditions de ciblage Remote Config.
Vous pouvez optimiser pour n'importe quel objectif mesurable à l'aide de Google Analytics, et optimiser en fonction du nombre d'événements ou de la valeur agrégée (somme) d'un paramètre d'événement. Cela inclut les métriques intégrées suivantes:
- Durée d'engagement utilisateur, qui optimise en fonction de la durée d'engagement utilisateur
- Clics sur les annonces, qui optimise en fonction du nombre total d'événements de clic sur une annonce
- Impressions d'annonces, qui optimise en fonction du nombre d'impressions d'annonces
Vous pouvez également optimiser pour des métriques personnalisées basées sur n'importe quel événement Analytics. Voici quelques exemples:
- Envois de notes sur le Play Store ou l'App Store
- Réussite des utilisateurs dans des tâches spécifiques, comme terminer des niveaux de jeu
- Événements d'achat via une application
- Événements d'e-commerce, comme l'ajout d'articles à un panier, le début ou la finalisation du paiement
- Revenus issus des achats via une application et des annonces
- Dépenses en monnaie virtuelle
- Liens, partage de contenu et activité sur les réseaux sociaux
Pour en savoir plus sur les cas d'utilisation potentiels de la personnalisation, consultez la section Que puis-je faire avec la personnalisation Remote Config ?
Fonctionnement
La personnalisation utilise le machine learning pour déterminer l'expérience optimale pour chacun de vos utilisateurs. L'algorithme effectue un compromis efficace entre l'apprentissage de la meilleure expérience pour différents types d'utilisateurs et l'utilisation de ces connaissances pour maximiser votre métrique d'objectif. Les résultats de personnalisation sont automatiquement comparés à un groupe d'utilisateurs témoins qui reçoivent une expérience aléatoire persistante tirée des alternatives que vous avez fournies. Cette comparaison indique l'ampleur de l'impact (valeur incrémentielle) généré par le système de personnalisation.
Pour en savoir plus sur l'algorithme et les concepts de personnalisation Remote Config, consultez la section À propos de la personnalisation Remote Config.
Chemin d'accès de l'exécution
- Implémentez deux ou plusieurs expériences utilisateur alternatives qui, selon vous, seront optimales pour certains utilisateurs, mais pas pour d'autres.
- Rendez ces alternatives configurables à distance à l'aide d'un paramètre Remote Config. Consultez les articles Premiers pas avec Remote Config et Stratégies de chargement Remote Config.
- Activez la personnalisation pour le paramètre. Remote Config attribue à chacun de vos utilisateurs l'expérience optimale pour lui. Consultez le guide de démarrage.
Personnalisation ou tests A/B
Contrairement aux tests A/B, qui sont conçus pour identifier l'expérience utilisateur la plus performante, la personnalisation tente de maximiser un objectif en choisissant dynamiquement une expérience optimale pour chaque utilisateur. Pour de nombreux types de problèmes, la personnalisation produit les meilleurs résultats, mais les tests A/B ont toujours leur utilité:
| Préférence de personnalisation | Tests A/B recommandés |
|---|---|
| chaque utilisateur pourrait bénéficier d'une expérience personnalisée. | Lorsque vous souhaitez une expérience commune et optimale pour tous les utilisateurs ou un sous-ensemble défini d'utilisateurs |
| Lorsque vous souhaitez optimiser le modèle de personnalisation en continu | Lorsque vous souhaitez effectuer des tests sur une période déterminée |
| Lorsque votre objectif d'optimisation peut être exprimé simplement comme une somme pondérée d'événements analytiques | Lorsque votre objectif d'optimisation nécessite une évaluation réfléchie de plusieurs métriques concurrentes |
| Lorsque vous souhaitez optimiser un objectif sans tenir compte des compromis possibles | Lorsque vous souhaitez déterminer si une variante présente une amélioration statistiquement pertinente par rapport à une autre avant de la déployer |
| lorsque vous n'avez pas besoin d'examiner les résultats manuellement ou n'en avez pas besoin. | Lorsque vous souhaitez examiner les résultats manuellement |
Par exemple, supposons que vous souhaitiez maximiser le nombre d'utilisateurs qui évaluent votre application sur le Play Store lorsque vous les y invitez. Un facteur qui peut contribuer au succès est le moment de votre invite: la montrez-vous lorsque l'utilisateur ouvre votre application pour la première, la deuxième ou la troisième fois ? Ou les invitez-vous lorsqu'ils ont terminé certaines tâches ? Le moment idéal dépend probablement de l'utilisateur individuel: certains utilisateurs peuvent être prêts à évaluer votre application immédiatement, tandis que d'autres peuvent avoir besoin de plus de temps.
Optimiser le moment de votre invite de commentaires est un cas d'utilisation idéal pour la personnalisation:
- Le paramètre optimal est probablement différent pour chaque utilisateur.
- La réussite est facilement mesurable à l'aide de Analytics.
- Le changement d'expérience utilisateur en question est suffisamment faible pour que vous n'ayez probablement pas besoin de prendre en compte les compromis ni de procéder à un examen manuel.