Remote Config-Personalisierung

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, sich kontinuierlich verbessernder und fortlaufender A/B-Test.

Wenn Sie die Remote Config-Personalisierung in Ihren Apps verwenden, können Sie für jeden Nutzer eine ansprechendere Umgebung schaffen, indem Sie ihm automatisch eine von mehreren alternativen Nutzererfahrungen anbieten – die Alternative, die für das von Ihnen gewählte Ziel optimiert ist. Sie können Ihre personalisierten Remote Config-Parameter mithilfe von Remote Config-Targeting-Bedingungen auf bestimmte Nutzergruppen ausrichten.

Sie können für jedes Ziel optimieren, das mit Google Analytics messbar ist, und zwar nach der Anzahl der Ereignisse oder nach dem aggregierten Wert (Summe) eines Ereignisparameters. Dazu gehören die folgenden integrierten Messwerte:

  • Nutzerinteraktionsdauer, bei der die Optimierung nach der Nutzerinteraktionsdauer erfolgt
  • Anzeigenklicks, wobei die Optimierung nach der Gesamtzahl der Anzeigenklick-Ereignisse erfolgt
  • „Anzeigenimpressionen“: Optimierung nach der Anzahl der Anzeigenimpressionen

Alternativ können Sie die Optimierung für benutzerdefinierte Messwerte basierend auf einem beliebigen Analytics-Ereignis vornehmen. Dazu gehören:

  • Bewertungen im Google Play Store oder App Store
  • Erfolg von Nutzern 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 das Starten oder Abschließen des Bezahlvorgangs
  • Umsatz aus In-App-Käufen und Werbeeinnahmen
  • Ausgaben für virtuelle Währung
  • Aktivitäten im Zusammenhang mit dem Teilen von Links und Inhalten sowie mit sozialen Netzwerken

Weitere Informationen zu potenziellen Anwendungsfällen für die Personalisierung finden Sie unter Was kann ich mit der Remote Config-Personalisierung tun?.

Jetzt starten

Funktionsweise

Bei der Personalisierung wird maschinelles Lernen eingesetzt, um für jeden Nutzer das beste Angebot zu finden. Der Algorithmus findet effizient die richtige Balance zwischen dem Lernen der besten Variante für verschiedene Nutzertypen und der Nutzung dieses Wissens, um Ihre Zielmesswerte zu maximieren. Die Personalisierungsergebnisse werden automatisch mit einer Holdout-Gruppe von Nutzern verglichen, die eine dauerhafte zufällige Variante aus den von Ihnen bereitgestellten Alternativen erhalten. Dieser Vergleich zeigt, wie viel „Lift“ (inkrementeller Wert) durch das Personalisierungssystem generiert wird.

Weitere Informationen zum Personalisierungsalgorithmus und zu den Konzepten von Remote Config finden Sie unter Remote Config-Personalisierung.

Vorgehensweise bei der Implementierung

  1. Implementieren Sie zwei oder mehr alternative Nutzererfahrungen, die für einige Nutzer optimal sind, für andere jedoch nicht.
  2. Machen Sie diese Alternativen mit einem Remote Config-Parameter remote konfigurierbar. Weitere Informationen finden Sie unter Erste Schritte mit Remote Config und Remote Config-Ladestrategien.
  3. Aktivieren Sie die Personalisierung für den Parameter. Remote Config weist jedem Nutzer die für ihn optimale Variante zu. Weitere Informationen finden Sie im Startleitfaden.

Personalisierung und A/B Testing 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 liefert die Personalisierung die besten Ergebnisse, aber auch A/B-Tests haben ihre Berechtigung:

Personalisierung bevorzugt A/B Testing bevorzugt
Wenn jeder Nutzer von einer personalisierten User Experience profitieren könnte Sie möchten eine einheitliche, optimale Erfahrung für alle Nutzer oder eine bestimmte Gruppe von Nutzern erreichen
Wenn Sie das Personalisierungsmodell kontinuierlich optimieren möchten Wenn Sie innerhalb eines bestimmten Zeitraums Tests durchführen möchten
Wenn Ihr Optimierungsziel 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 Wenn die Ergebnisse manuell überprüft werden sollen

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 könnte, ist das Timing der Aufforderung: Wird sie angezeigt, wenn der Nutzer die App zum ersten, zweiten oder dritten Mal öffnet? Oder werden sie aufgefordert, wenn sie bestimmte Aufgaben erfolgreich abgeschlossen haben? Der ideale Zeitpunkt hängt wahrscheinlich vom einzelnen Nutzer ab: Einige Nutzer sind möglicherweise sofort bereit, deine App zu bewerten, während andere mehr Zeit benötigen.

Die Optimierung des Timings der Feedback-Aufforderung ist ein idealer Anwendungsfall für die Personalisierung:

  • Die optimale Einstellung ist wahrscheinlich für jeden Nutzer unterschiedlich.
  • Der Erfolg ist mit Analytics messbar.
  • Die betreffende UX-Änderung ist so risikoarm, dass Sie wahrscheinlich keine Kompromisse eingehen oder eine manuelle Überprüfung durchführen müssen.

Ausprobieren

Jetzt starten