Remote Config वैयक्तिकरण के साथ, आप किसी उद्देश्य के लिए अनुकूलित करने के लिए प्रत्येक उपयोगकर्ता के लिए Remote Config Parameters को स्वचालित रूप से चुन सकते हैं। एक पैरामीटर को वैयक्तिकृत करना एक स्वचालित, वैयक्तिकृत, निरंतर-सुधार और सतत A/B परीक्षण करने जैसा है।
जब आप अपने ऐप्स में Remote Config वैयक्तिकरण का उपयोग करते हैं, तो आप अपने प्रत्येक उपयोगकर्ता के लिए कई वैकल्पिक उपयोगकर्ता अनुभवों में से एक स्वचालित रूप से प्रदान करके अधिक आकर्षक अनुभव बनाते हैं—वह विकल्प जो आपके द्वारा चुने गए उद्देश्य के लिए अनुकूलित होता है। आप Remote Config लक्ष्यीकरण शर्तों का उपयोग करके अपने वैयक्तिकृत Remote Config Parameters को विशिष्ट उपयोगकर्ता समूहों पर लक्षित कर सकते हैं।
आप Google Analytics का उपयोग करके मापने योग्य किसी भी उद्देश्य के लिए अनुकूलित कर सकते हैं, और ईवेंट की संख्या या किसी ईवेंट पैरामीटर के कुल मान (योग) द्वारा अनुकूलित कर सकते हैं। इसमें निम्नलिखित अंतर्निहित मीट्रिक शामिल हैं:
- उपयोगकर्ता जुड़ाव समय, जो उपयोगकर्ता जुड़ाव समय के अनुसार अनुकूलित होता है
- विज्ञापन क्लिक, जो विज्ञापन क्लिक ईवेंट की कुल संख्या के अनुसार अनुकूलित होते हैं
- विज्ञापन इंप्रेशन, जो विज्ञापन इंप्रेशन की संख्या के अनुसार ऑप्टिमाइज़ होते हैं
या, आप किसी भी Analytics ईवेंट के आधार पर कस्टम मीट्रिक के लिए अनुकूलित कर सकते हैं। कुछ संभावनाओं में शामिल हैं:
- प्ले स्टोर या ऐप स्टोर रेटिंग सबमिशन
- विशेष कार्यों में उपयोगकर्ता की सफलता, जैसे गेम स्तरों को पूरा करना
- इन-ऐप खरीदारी ईवेंट
- ई-कॉमर्स ईवेंट, जैसे कार्ट में आइटम जोड़ना, या चेकआउट शुरू करना या पूरा करना
- इन-ऐप खरीदारी और विज्ञापन आय
- आभासी मुद्रा खर्च
- लिंक और सामग्री साझा करना और सामाजिक नेटवर्किंग गतिविधि
संभावित वैयक्तिकरण उपयोग मामलों के बारे में अधिक जानकारी के लिए, मैं दूरस्थ कॉन्फ़िग वैयक्तिकरण के साथ क्या कर सकता हूँ?
यह कैसे काम करता है?
वैयक्तिकरण आपके प्रत्येक उपयोगकर्ता के लिए इष्टतम अनुभव निर्धारित करने के लिए मशीन लर्निंग का उपयोग करता है। एल्गोरिथ्म विभिन्न प्रकार के उपयोगकर्ताओं के लिए सर्वोत्तम अनुभव सीखने और अपने उद्देश्य मीट्रिक को अधिकतम करने के लिए उस ज्ञान का उपयोग करने के बीच कुशलतापूर्वक व्यापार करता है। वैयक्तिकरण परिणामों की स्वचालित रूप से उन उपयोगकर्ताओं के होल्डआउट समूह से तुलना की जाती है जो आपके द्वारा प्रदान किए गए विकल्पों से प्राप्त एक सतत यादृच्छिक अनुभव प्राप्त करते हैं—यह तुलना दर्शाती है कि वैयक्तिकरण प्रणाली द्वारा कितना "लिफ़्ट" (वृद्धिशील मान) उत्पन्न होता है।
Remote Config वैयक्तिकरण एल्गोरिदम और अवधारणाओं के बारे में अधिक जानकारी के लिए, Remote Config वैयक्तिकरण के बारे में देखें।
कार्यान्वयन पथ
- दो या दो से अधिक वैकल्पिक उपयोगकर्ता अनुभवों को लागू करें जो आप उम्मीद करते हैं कि कुछ उपयोगकर्ताओं के लिए इष्टतम होंगे, लेकिन दूसरों के लिए नहीं।
- रिमोट कॉन्फ़िगरेशन पैरामीटर के साथ इन विकल्पों को दूरस्थ रूप से कॉन्फ़िगर करने योग्य बनाएं। रिमोट कॉन्फिग और रिमोट कॉन्फिग लोडिंग रणनीतियों के साथ आरंभ करें देखें।
- पैरामीटर के लिए वैयक्तिकरण सक्षम करें। Remote Config आपके प्रत्येक उपयोगकर्ता को वह अनुभव प्रदान करेगा जो उनके लिए इष्टतम है। प्रारंभ करना मार्गदर्शिका देखें।
वैयक्तिकरण बनाम ए/बी परीक्षण
A/B परीक्षणों के विपरीत, जिन्हें एकल सर्वश्रेष्ठ प्रदर्शन करने वाले उपयोगकर्ता अनुभव को खोजने के लिए डिज़ाइन किया गया है, वैयक्तिकरण प्रत्येक उपयोगकर्ता के लिए एक इष्टतम उपयोगकर्ता अनुभव को गतिशील रूप से चुनकर एक उद्देश्य को अधिकतम करने का प्रयास करता है। कई प्रकार की समस्याओं के लिए, वैयक्तिकरण सर्वोत्तम परिणाम उत्पन्न करता है, लेकिन A/B परीक्षण के अभी भी इसके उपयोग हैं:
| निजीकरण को प्राथमिकता दी गई | A/B टेस्टिंग को प्राथमिकता |
|---|---|
| जब प्रत्येक उपयोगकर्ता व्यक्तिगत उपयोगकर्ता अनुभव से लाभान्वित हो सकता है | जब आप सभी उपयोगकर्ताओं या उपयोगकर्ताओं के परिभाषित सबसेट के लिए एक इष्टतम अनुभव चाहते हैं |
| जब आप वैयक्तिकरण मॉडल को लगातार अनुकूलित करना चाहते हैं | जब आप निश्चित समय अवधि के दौरान परीक्षण करना चाहते हैं |
| जब आपका ऑप्टिमाइज़ेशन लक्ष्य केवल एनालिटिक्स इवेंट के भारित योग के रूप में व्यक्त किया जा सकता है | जब आपके अनुकूलन लक्ष्य के लिए कई अलग-अलग प्रतिस्पर्धी मेट्रिक्स के विचारशील मूल्यांकन की आवश्यकता होती है |
| जब आप किसी ट्रेड-ऑफ की परवाह किए बिना किसी उद्देश्य के लिए ऑप्टिमाइज़ करना चाहते हैं | जब आप यह निर्धारित करना चाहते हैं कि क्या एक संस्करण किसी दूसरे संस्करण को रोल आउट करने से पहले सांख्यिकीय रूप से महत्वपूर्ण सुधार दिखाता है |
| जब परिणामों की मैन्युअल समीक्षा आवश्यक या वांछित नहीं है | जब परिणामों की मैन्युअल समीक्षा वांछनीय हो |
उदाहरण के लिए, मान लीजिए कि आप उन उपयोगकर्ताओं की संख्या को अधिकतम करना चाहते हैं, जो आपके द्वारा संकेत दिए जाने पर Play Store में आपके ऐप को रेट करते हैं। एक कारक जो सफलता में योगदान दे सकता है वह आपके संकेत का समय है: क्या आप इसे तब दिखाते हैं जब उपयोगकर्ता पहली बार, दूसरी बार या तीसरी बार आपका ऐप खोलता है? या जब वे कुछ कार्यों को सफलतापूर्वक पूरा कर लेते हैं तो क्या आप उन्हें संकेत देते हैं? आदर्श समय की संभावना व्यक्तिगत उपयोगकर्ता पर निर्भर करती है: हो सकता है कि कुछ उपयोगकर्ता आपके ऐप को तुरंत रेट करने के लिए तैयार हों, जबकि अन्य को अधिक समय की आवश्यकता हो सकती है।
अपने फीडबैक प्रॉम्प्ट के समय का अनुकूलन वैयक्तिकरण के लिए एक आदर्श उपयोग मामला है:
- प्रत्येक उपयोगकर्ता के लिए इष्टतम सेटिंग संभावित रूप से भिन्न होती है।
- एनालिटिक्स का उपयोग करके सफलता को आसानी से मापा जा सकता है।
- प्रश्न में UX परिवर्तन इतना कम जोखिम वाला है कि आपको शायद ट्रेड-ऑफ पर विचार करने या मैन्युअल समीक्षा करने की आवश्यकता नहीं है।