با شخصی‌سازی Remote Config، می‌توانید به‌طور خودکار پارامترهای Remote Config را برای هر کاربر انتخاب کنید تا برای یک هدف بهینه‌سازی شود. شخصی‌سازی پارامتر مانند انجام آزمایش A/B خودکار، فردی، دائمی، و با بهبود مستمر است.
وقتی از شخصی‌سازی Remote Config در برنامه‌هایتان استفاده می‌کنید، با ارائه خودکار یکی از چند تجربه کاربری جایگزین به هریک از کاربران، تجربه‌های جذاب‌تری برای آن‌ها ایجاد می‌کنید—جایگزینی که برای هدف انتخابی شما بهینه‌سازی می‌کند. می‌توانید پارامترهای شخصی‌سازی‌شده Remote Config را بااستفاده از شرایط هدف‌یابی Remote Config برای گروه‌های کاربر خاص هدف‌یابی کنید.
می‌توانید برای هر هدفی که بااستفاده از Google Analytics قابل‌اندازه‌گیری است بهینه‌سازی کنید و براساس تعداد رویدادها یا مقدار تجمیعی (مجموع) پارامتر رویداد بهینه‌سازی کنید. این شامل سنجه‌های داخلی زیر می‌شود:
- زمان مشارکت کاربر، که براساس زمان مشارکت کاربر بهینه‌سازی می‌کند
- کلیک‌های آگهی، که براساس تعداد کل رویدادهای کلیک آگهی بهینه‌سازی می‌شود
- ظهورهای آگهی، که براساس تعداد ظهورهای آگهی بهینه‌سازی می‌کند
یا می‌توانید برای سنجه‌های سفارشی براساس هر رویداد Analytics بهینه‌سازی کنید. برخی احتمالات عبارت‌اند از:
- ارسال رده‌بندی «فروشگاه Play» یا App Store
- موفقیت کاربر در تکالیف خاص، مثل تکمیل سطوح بازی
- رویدادهای خرید درون‌برنامه
- رویدادهای تجارت الکترونیک، مثل افزودن کالا به سبد خرید، یا شروع یا تکمیل تسویه‌حساب
- درآمد آگهی و خرید درون‌برنامه
- هزینه ارز مجازی
- فعالیت شبکه‌های اجتماعی و هم‌رسانی پیوند و محتوا
برای اطلاعات بیشتر درباره موارد استفاده بالقوه شخصی‌سازی، با شخصی‌سازی Remote Config چه کارهایی می‌توانم انجام دهم؟ را ببینید.
چگونه کار می‌کند؟
«شخصی‌سازی» از یادگیری ماشین برای تعیین تجربه بهینه برای هریک از کاربران شما استفاده می‌کند. این الگوریتم به‌طور مؤثری بین یادگیری بهترین تجربه برای انواع مختلف کاربران و استفاده از آن دانش برای به‌حداکثر رساندن سنجه هدف شما تعادل برقرار می‌کند. نتایج شخصی‌سازی به‌طور خودکار با گروهی از کاربران که به‌طور تصادفی انتخاب شده‌اند و تجربه تصادفی ثابتی را از جایگزین‌های ارائه‌شده شما دریافت می‌کنند مقایسه می‌شود—این مقایسه نشان می‌دهد که سیستم شخصی‌سازی چقدر «بهبود» (ارزش افزایشی) ایجاد می‌کند.
برای اطلاعات بیشتر درباره الگوریتم و مفاهیم شخصی‌سازی Remote Config، به درباره شخصی‌سازی Remote Config مراجعه کنید.
مسیر پیاده‌سازی
- دو یا چند تجربه کاربری جایگزین را که انتظار دارید برای برخی کاربران بهینه باشد و برای برخی دیگر نه، پیاده‌سازی کنید.
- این گزینه‌های جایگزین را با پارامتر Remote Config از راه دور قابل‌پیکربندی کنید. شروع به کار با Remote Config و راهبردهای بار کردن Remote Config را ببینید.
- شخصی‌سازی را برای پارامتر فعال کنید. Remote Config به هریک از کاربران شما تجربه‌ای را اختصاص می‌دهد که برای آن‌ها بهینه است. راهنمای شروع به کار را ببینید.
شخصی‌سازی درمقابل آزمایش A/B
برخلاف آزمایش‌های A/B که برای یافتن بهترین تجربه کاربری طراحی شده‌اند، شخصی‌سازی تلاش می‌کند با انتخاب پویای تجربه کاربری بهینه برای هر کاربر، یک هدف را به حداکثر برساند. برای بسیاری از انواع مشکلات، شخصی‌سازی بهترین نتایج را تولید می‌کند، اما آزمایش A/B همچنان کاربردهای خود را دارد:
| شخصی‌سازی ترجیح داده می‌شود | A/B Testing ترجیحی |
|---|---|
| وقتی هر کاربر می‌تواند از تجربه کاربری شخصی‌سازی‌شده بهره‌مند شود | وقتی می‌خواهید یک تجربه بهینه واحد برای همه کاربران یا زیرمجموعه تعریف‌شده‌ای از کاربران داشته باشید |
| وقتی می‌خواهید مدل شخصی‌سازی را به‌طور مداوم بهینه‌سازی کنید | وقتی می‌خواهید آزمایش‌ها را در بازه زمانی ثابتی انجام دهید |
| وقتی هدف بهینه‌سازی شما می‌تواند به‌صورت مجموع وزنی رویدادهای Analytics بیان شود | وقتی هدف بهینه‌سازی شما نیازمند ارزیابی دقیق چند سنجه رقابتی متفاوت است |
| وقتی می‌خواهید برای هدفی بدون درنظر گرفتن هیچ‌گونه موازنه‌ای بهینه‌سازی کنید | وقتی می‌خواهید قبل‌از عرضه کردن یک متغیر، تعیین کنید که آیا آن متغیر بهبود آماری قابل‌توجهی نسبت‌به متغیر دیگر نشان می‌دهد یا نه |
| وقتی بازبینی دستی نتایج لازم نیست | وقتی بازبینی دستی نتایج ترجیح داده می‌شود |
برای مثال، فرض کنید می‌خواهید تعداد کاربرانی را که وقتی از آن‌ها درخواست می‌کنید به برنامه‌تان در «فروشگاه Play» رده‌بندی می‌دهند به حداکثر برسانید. یکی از عواملی که ممکن است به موفقیت کمک کند، زمان‌بندی درخواست شما است: آیا آن را زمانی نشان می‌دهید که کاربر برای اولین، دومین، یا سومین بار برنامه شما را باز می‌کند؟ یا وقتی تکالیف خاصی را با موفقیت تکمیل می‌کنند، به آن‌ها پیام‌واره می‌دهید؟ زمان‌بندی ایده‌آل احتمالاً به هر کاربر بستگی دارد: برخی‌از کاربران ممکن است آماده باشند فوراً به برنامه‌تان رده‌بندی بدهند، درحالی‌که برخی دیگر ممکن است به زمان بیشتری نیاز داشته باشند.
بهینه‌سازی زمان‌بندی پیام‌واره بازخورد شما یک مورد استفاده ایده‌آل برای شخصی‌سازی است:
- تنظیم بهینه احتمالاً برای هر کاربر متفاوت است.
- موفقیت بااستفاده از Analytics قابل‌اندازه‌گیری است.
- تغییر تجربه کاربری موردنظر به‌اندازه کافی کم‌خطر است که احتمالاً نیازی به درنظر گرفتن موازنه‌ها یا انجام بازبینی دستی ندارید.