Con la personalización de Remote Config, puede seleccionar automáticamente los parámetros de Remote Config para que cada usuario los optimice para un objetivo. Personalizar un parámetro es como realizar un test A/B automático, individualizado, en mejora continua y perpetuo.
Cuando utiliza la personalización de Remote Config en sus aplicaciones, crea experiencias más atractivas para cada uno de sus usuarios al brindarles automáticamente una de varias experiencias de usuario alternativas: la alternativa que se optimiza para el objetivo que elija. Puede orientar sus parámetros personalizados de Remote Config a grupos de usuarios específicos mediante las condiciones de orientación de Remote Config .
Puede optimizar para cualquier objetivo que se pueda medir mediante Google Analytics y optimizar por número de eventos o por el valor agregado (suma) de un parámetro de evento. Esto incluye las siguientes métricas integradas:
- Tiempo de participación del usuario, que se optimiza según el tiempo de participación del usuario.
- Clics en anuncios, que se optimiza según el número total de eventos de clics en anuncios.
- Impresiones de anuncios, que se optimiza según el número de impresiones de anuncios.
O puede optimizar para obtener métricas personalizadas basadas en cualquier evento de Analytics. Algunas posibilidades incluyen:
- Envíos de calificaciones de Play Store o App Store
- Éxito del usuario en tareas particulares, como completar niveles del juego.
- Eventos de compra dentro de la aplicación
- Eventos de comercio electrónico, como agregar artículos a un carrito o comenzar o completar el pago
- Compras dentro de la aplicación e ingresos por publicidad
- Gasto en moneda virtual
- Intercambio de enlaces y contenidos y actividad en redes sociales.
Para obtener más información sobre posibles casos de uso de personalización, consulte ¿Qué puedo hacer con la personalización de Remote Config?
¿Como funciona?
La personalización utiliza el aprendizaje automático para determinar la experiencia óptima para cada uno de sus usuarios. El algoritmo logra un equilibrio eficiente entre aprender la mejor experiencia para diferentes tipos de usuarios y hacer uso de ese conocimiento para maximizar su métrica objetiva. Los resultados de la personalización se comparan automáticamente con un grupo de usuarios que reciben una experiencia aleatoria persistente extraída de las alternativas proporcionadas; esta comparación muestra cuánto "impulso" (valor incremental) genera el sistema de personalización.
Para obtener más información sobre los conceptos y el algoritmo de personalización de Remote Config, consulte Acerca de la personalización de Remote Config .
Ruta de implementación
- Implemente dos o más experiencias de usuario alternativas que espere que sean óptimas para algunos usuarios pero no para otros.
- Haga que estas alternativas sean configurables de forma remota con un parámetro de Remote Config. Consulte Introducción a Remote Config y estrategias de carga de Remote Config .
- Habilite la personalización del parámetro. Remote Config asignará a cada uno de sus usuarios la experiencia óptima para ellos. Consulte la guía de introducción .
Personalización frente a pruebas A/B
A diferencia de las pruebas A/B, que están diseñadas para encontrar la experiencia de usuario única con mejor rendimiento, la personalización intenta maximizar un objetivo eligiendo dinámicamente una experiencia de usuario óptima para cada usuario. Para muchos tipos de problemas, la personalización produce los mejores resultados, pero las pruebas A/B aún tienen sus usos:
| Personalización preferida | Se prefieren las pruebas A/B |
|---|---|
| Cuando cada usuario podría beneficiarse de una experiencia de usuario personalizada | Cuando desea una experiencia óptima única para todos los usuarios o un subconjunto definido de usuarios |
| Cuando desea optimizar continuamente el modelo de personalización | Cuando desee realizar pruebas durante un período de tiempo fijo |
| Cuando su objetivo de optimización se puede expresar simplemente como una suma ponderada de eventos analíticos | Cuando su objetivo de optimización requiere una evaluación cuidadosa de varias métricas competitivas diferentes |
| Cuando desea optimizar para un objetivo independientemente de las compensaciones | Cuando desea determinar si una variante muestra una mejora estadísticamente significativa sobre otra antes de implementarla |
| Cuando no se requiere o no se desea la revisión manual de los resultados | Cuando es deseable la revisión manual de los resultados |
Por ejemplo, suponga que desea maximizar la cantidad de usuarios que califican su aplicación en Play Store cuando se los solicita. Un factor que podría contribuir al éxito es el momento del mensaje: ¿lo muestra cuando el usuario abre su aplicación por primera, segunda o tercera vez? ¿O les avisa cuando completan con éxito determinadas tareas? El momento ideal probablemente dependa del usuario individual: algunos usuarios pueden estar listos para calificar su aplicación de inmediato, mientras que otros pueden necesitar más tiempo.
Optimizar el momento de su mensaje de comentarios es un caso de uso ideal para la personalización:
- Es probable que la configuración óptima sea diferente para cada usuario.
- El éxito se puede medir fácilmente mediante Analytics.
- El cambio de UX en cuestión tiene un riesgo lo suficientemente bajo como para que probablemente no sea necesario considerar compensaciones ni realizar una revisión manual.