Remote Config ব্যক্তিগতকরণের মাধ্যমে, আপনি প্রতিটি ব্যবহারকারীর জন্য একটি উদ্দেশ্যের জন্য অপ্টিমাইজ করার জন্য স্বয়ংক্রিয়ভাবে Remote Config প্যারামিটার নির্বাচন করতে পারেন। একটি প্যারামিটার ব্যক্তিগতকরণ একটি স্বয়ংক্রিয়, ব্যক্তিগতকৃত, ক্রমাগত-উন্নতিশীল এবং স্থায়ী A/B পরীক্ষা করার মতো।
যখন আপনি আপনার অ্যাপগুলিতে Remote Config ব্যক্তিগতকরণ ব্যবহার করেন, তখন আপনি আপনার প্রতিটি ব্যবহারকারীর জন্য আরও আকর্ষণীয় অভিজ্ঞতা তৈরি করেন, তাদের স্বয়ংক্রিয়ভাবে একাধিক বিকল্প ব্যবহারকারীর অভিজ্ঞতা প্রদান করে - বিকল্পটি যা আপনার পছন্দের উদ্দেশ্যের জন্য অপ্টিমাইজ করে। আপনি Remote Config টার্গেটিং শর্ত ব্যবহার করে নির্দিষ্ট ব্যবহারকারী গোষ্ঠীতে আপনার ব্যক্তিগতকৃত Remote Config প্যারামিটারগুলিকে লক্ষ্য করতে পারেন।
আপনি Google Analytics ব্যবহার করে পরিমাপযোগ্য যেকোনো উদ্দেশ্যের জন্য অপ্টিমাইজ করতে পারেন, এবং ইভেন্টের সংখ্যা বা ইভেন্ট প্যারামিটারের সমষ্টিগত মান (যোগফল) দ্বারা অপ্টিমাইজ করতে পারেন। এর মধ্যে নিম্নলিখিত অন্তর্নির্মিত মেট্রিক্স অন্তর্ভুক্ত রয়েছে:
- ব্যবহারকারীর ব্যস্ততার সময়, যা ব্যবহারকারীর ব্যস্ততার সময় অনুসারে অপ্টিমাইজ করা হয়
- বিজ্ঞাপন ক্লিক, যা মোট বিজ্ঞাপন ক্লিক ইভেন্টের সংখ্যা অনুসারে অপ্টিমাইজ করে
- বিজ্ঞাপনের ইম্প্রেশন, যা বিজ্ঞাপনের ইম্প্রেশনের সংখ্যা অনুসারে অপ্টিমাইজ করা হয়
অথবা, আপনি যেকোনো Analytics ইভেন্টের উপর ভিত্তি করে কাস্টম মেট্রিক্সের জন্য অপ্টিমাইজ করতে পারেন। কিছু সম্ভাবনার মধ্যে রয়েছে:
- প্লে স্টোর বা অ্যাপ স্টোর রেটিং জমা দেওয়া
- নির্দিষ্ট কাজে ব্যবহারকারীর সাফল্য, যেমন খেলার স্তর সম্পূর্ণ করা
- অ্যাপ-মধ্যস্থ কেনাকাটার ইভেন্ট
- ই-কমার্স ইভেন্ট, যেমন কার্টে আইটেম যোগ করা, অথবা চেকআউট শুরু বা সম্পূর্ণ করা
- অ্যাপ-মধ্যস্থ কেনাকাটা এবং বিজ্ঞাপন থেকে আয়
- ভার্চুয়াল মুদ্রা ব্যয়
- লিঙ্ক এবং কন্টেন্ট শেয়ারিং এবং সোশ্যাল নেটওয়ার্কিং কার্যকলাপ
সম্ভাব্য ব্যক্তিগতকরণ ব্যবহারের ক্ষেত্রে আরও তথ্যের জন্য, Remote Config ব্যক্তিগতকরণের মাধ্যমে আমি কী করতে পারি? দেখুন।
এটা কিভাবে কাজ করে?
ব্যক্তিগতকরণ আপনার প্রতিটি ব্যবহারকারীর জন্য সর্বোত্তম অভিজ্ঞতা নির্ধারণ করতে মেশিন লার্নিং ব্যবহার করে। অ্যালগরিদম দক্ষতার সাথে বিভিন্ন ধরণের ব্যবহারকারীর জন্য সর্বোত্তম অভিজ্ঞতা শেখা এবং আপনার উদ্দেশ্য মেট্রিককে সর্বাধিক করার জন্য সেই জ্ঞান ব্যবহার করার মধ্যে লেনদেন করে। ব্যক্তিগতকরণ ফলাফলগুলি স্বয়ংক্রিয়ভাবে আপনার প্রদত্ত বিকল্পগুলি থেকে টানা একটি অবিরাম এলোমেলো অভিজ্ঞতা প্রাপ্ত ব্যবহারকারীদের একটি হোল্ডআউট গ্রুপের সাথে তুলনা করা হয় - এই তুলনাটি দেখায় যে ব্যক্তিগতকরণ সিস্টেম দ্বারা কতটা "উত্তোলন" (ক্রমবর্ধমান মান) তৈরি হয়।
রিমোট কনফিগ ব্যক্তিগতকরণ অ্যালগরিদম এবং ধারণা সম্পর্কে আরও তথ্যের জন্য, রিমোট কনফিগ ব্যক্তিগতকরণ সম্পর্কে দেখুন।
বাস্তবায়নের পথ
- দুই বা ততোধিক বিকল্প ব্যবহারকারীর অভিজ্ঞতা বাস্তবায়ন করুন যা আপনি আশা করেন কিছু ব্যবহারকারীর জন্য সর্বোত্তম হবে কিন্তু অন্যদের জন্য নয়।
- Remote Config প্যারামিটার ব্যবহার করে এই বিকল্পগুলিকে দূরবর্তীভাবে কনফিগারযোগ্য করুন। রিমোট কনফিগ এবং Remote Config লোডিং কৌশলগুলি Remote Config করুন দেখুন।
- প্যারামিটারের জন্য ব্যক্তিগতকরণ সক্ষম করুন। Remote Config আপনার প্রতিটি ব্যবহারকারীকে তাদের জন্য সর্বোত্তম অভিজ্ঞতা প্রদান করবে। শুরু করার নির্দেশিকা দেখুন।
ব্যক্তিগতকরণ বনাম A/B পরীক্ষা
A/B পরীক্ষার বিপরীতে, যা একক সেরা পারফর্মিং ব্যবহারকারীর অভিজ্ঞতা খুঁজে বের করার জন্য ডিজাইন করা হয়, ব্যক্তিগতকরণ প্রতিটি ব্যবহারকারীর জন্য গতিশীলভাবে একটি সর্বোত্তম ব্যবহারকারীর অভিজ্ঞতা বেছে নিয়ে একটি উদ্দেশ্যকে সর্বাধিক করার চেষ্টা করে। অনেক ধরণের সমস্যার জন্য, ব্যক্তিগতকরণ সেরা ফলাফল দেয়, তবে A/B পরীক্ষার এখনও কিছু ব্যবহার রয়েছে:
| ব্যক্তিগতকরণ পছন্দসই | A/B পরীক্ষা পছন্দনীয় |
|---|---|
| যখন প্রতিটি ব্যবহারকারী একটি ব্যক্তিগতকৃত ব্যবহারকারীর অভিজ্ঞতা থেকে উপকৃত হতে পারে | যখন আপনি সমস্ত ব্যবহারকারীর জন্য অথবা ব্যবহারকারীদের একটি নির্দিষ্ট উপসেটের জন্য একটি একক সর্বোত্তম অভিজ্ঞতা চান |
| যখন আপনি ব্যক্তিগতকরণ মডেলটি ক্রমাগত অপ্টিমাইজ করতে চান | যখন আপনি একটি নির্দিষ্ট সময়ের মধ্যে পরীক্ষা পরিচালনা করতে চান |
| যখন আপনার অপ্টিমাইজেশন লক্ষ্যকে কেবল বিশ্লেষণমূলক ইভেন্টের একটি ওজনযুক্ত যোগফল হিসাবে প্রকাশ করা যেতে পারে | যখন আপনার অপ্টিমাইজেশন লক্ষ্যের জন্য বিভিন্ন প্রতিযোগিতামূলক মেট্রিক্সের চিন্তাশীল মূল্যায়নের প্রয়োজন হয় |
| যখন আপনি কোনও বিনিময়-বিবাদ নির্বিশেষে কোনও উদ্দেশ্যের জন্য অপ্টিমাইজ করতে চান | যখন আপনি নির্ধারণ করতে চান যে একটি ভেরিয়েন্ট অন্যটির তুলনায় পরিসংখ্যানগতভাবে উল্লেখযোগ্য উন্নতি দেখায় কিনা, তখন এটি চালু করার আগে |
| যখন ফলাফলের ম্যানুয়াল পর্যালোচনা প্রয়োজন হয় না বা পছন্দসই হয় না | যখন ফলাফলের ম্যানুয়াল পর্যালোচনা কাম্য |
উদাহরণস্বরূপ, ধরুন আপনি প্লে স্টোরে আপনার অ্যাপকে রেটিং দেওয়ার জন্য অনুরোধ করার সময় ব্যবহারকারীর সংখ্যা সর্বাধিক করতে চান। সাফল্যের ক্ষেত্রে অবদান রাখতে পারে এমন একটি বিষয় হল আপনার প্রম্পটের সময়: ব্যবহারকারী যখন প্রথম, দ্বিতীয় বা তৃতীয়বার আপনার অ্যাপটি খোলেন তখন আপনি কি এটি দেখান? অথবা যখন তারা সফলভাবে কিছু কাজ সম্পন্ন করে তখন আপনি কি তাদের প্রম্পট করেন? আদর্শ সময় সম্ভবত পৃথক ব্যবহারকারীর উপর নির্ভর করে: কিছু ব্যবহারকারী আপনার অ্যাপটিকে তাৎক্ষণিকভাবে রেটিং দিতে প্রস্তুত হতে পারেন, আবার অন্যদের আরও সময় প্রয়োজন হতে পারে।
আপনার প্রতিক্রিয়া প্রম্পটের সময় অপ্টিমাইজ করা ব্যক্তিগতকরণের জন্য একটি আদর্শ ব্যবহারের ক্ষেত্রে:
- প্রতিটি ব্যবহারকারীর জন্য সর্বোত্তম সেটিং সম্ভবত ভিন্ন।
- Analytics ব্যবহার করে সাফল্য সহজেই পরিমাপ করা যায়।
- প্রশ্নবিদ্ধ UX পরিবর্তনটি যথেষ্ট কম ঝুঁকিপূর্ণ যে আপনাকে সম্ভবত বিনিময় বিবেচনা করতে হবে না বা ম্যানুয়াল পর্যালোচনা পরিচালনা করতে হবে না।