रिमोट कॉन्फिग वैयक्तिकरण के साथ, आप किसी उद्देश्य के लिए अनुकूलन करने के लिए प्रत्येक उपयोगकर्ता के लिए स्वचालित रूप से रिमोट कॉन्फिग पैरामीटर का चयन कर सकते हैं। किसी पैरामीटर को वैयक्तिकृत करना एक स्वचालित, वैयक्तिकृत, निरंतर सुधार करने वाला और सतत ए/बी परीक्षण करने जैसा है।
जब आप अपने ऐप्स में रिमोट कॉन्फिग वैयक्तिकरण का उपयोग करते हैं, तो आप अपने प्रत्येक उपयोगकर्ता को स्वचालित रूप से कई वैकल्पिक उपयोगकर्ता अनुभवों में से एक प्रदान करके अधिक आकर्षक अनुभव बनाते हैं - वह विकल्प जो आपके द्वारा चुने गए उद्देश्य के लिए अनुकूलित होता है। आप रिमोट कॉन्फिग लक्ष्यीकरण शर्तों का उपयोग करके अपने वैयक्तिकृत रिमोट कॉन्फिग पैरामीटर को विशिष्ट उपयोगकर्ता समूहों पर लक्षित कर सकते हैं।
आप Google Analytics का उपयोग करके मापने योग्य किसी भी उद्देश्य के लिए अनुकूलन कर सकते हैं, और घटनाओं की संख्या या किसी इवेंट पैरामीटर के समग्र मूल्य (योग) द्वारा अनुकूलित कर सकते हैं। इसमें निम्नलिखित अंतर्निहित मेट्रिक्स शामिल हैं:
- उपयोगकर्ता सहभागिता समय, जो उपयोगकर्ता सहभागिता समय द्वारा अनुकूलित होता है
- विज्ञापन क्लिक, जो विज्ञापन क्लिक घटनाओं की कुल संख्या के आधार पर अनुकूलित होता है
- विज्ञापन इंप्रेशन, जो विज्ञापन इंप्रेशन की संख्या के आधार पर अनुकूलित होता है
या, आप किसी एनालिटिक्स इवेंट के आधार पर कस्टम मेट्रिक्स के लिए अनुकूलन कर सकते हैं। कुछ संभावनाओं में शामिल हैं:
- प्ले स्टोर या ऐप स्टोर रेटिंग सबमिशन
- गेम के स्तर को पूरा करने जैसे विशेष कार्यों में उपयोगकर्ता की सफलता
- इन-ऐप खरीदारी इवेंट
- ई-कॉमर्स ईवेंट, जैसे कार्ट में आइटम जोड़ना, या चेकआउट शुरू करना या पूरा करना
- इन-ऐप खरीदारी और विज्ञापन राजस्व
- आभासी मुद्रा खर्च
- लिंक और सामग्री साझाकरण और सामाजिक नेटवर्किंग गतिविधि
संभावित वैयक्तिकरण उपयोग मामलों के बारे में अधिक जानकारी के लिए, मैं रिमोट कॉन्फिग वैयक्तिकरण के साथ क्या कर सकता हूं? देखें।
यह कैसे काम करता है?
वैयक्तिकरण आपके प्रत्येक उपयोगकर्ता के लिए इष्टतम अनुभव निर्धारित करने के लिए मशीन लर्निंग का उपयोग करता है। एल्गोरिदम 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 काम करता है। वैयक्तिकरण परिणामों की तुलना स्वचालित रूप से उन उपयोगकर्ताओं के एक होल्डआउट समूह से की जाती है जो आपके प्रदान किए गए विकल्पों से लगातार यादृच्छिक अनुभव प्राप्त करते हैं - यह तुलना दर्शाती है कि वैयक्तिकरण प्रणाली द्वारा कितना "लिफ्ट" (वृद्धिशील मूल्य) उत्पन्न होता है।
रिमोट कॉन्फिग वैयक्तिकरण एल्गोरिथ्म और अवधारणाओं के बारे में अधिक जानकारी के लिए, रिमोट कॉन्फिग वैयक्तिकरण के बारे में देखें।
कार्यान्वयन पथ
- दो या दो से अधिक वैकल्पिक उपयोगकर्ता अनुभव लागू करें जिनके बारे में आप उम्मीद करते हैं कि वे कुछ उपयोगकर्ताओं के लिए इष्टतम होंगे, लेकिन अन्य के लिए नहीं।
- इन विकल्पों को रिमोट कॉन्फिग पैरामीटर के साथ 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. रिमोट कॉन्फिग आपके प्रत्येक उपयोगकर्ता को वह अनुभव प्रदान करेगा जो उनके लिए इष्टतम है। आरंभ करने की मार्गदर्शिका देखें.
वैयक्तिकरण बनाम ए/बी परीक्षण
ए/बी परीक्षणों के विपरीत, जो एक सर्वश्रेष्ठ प्रदर्शन करने वाले उपयोगकर्ता अनुभव को खोजने के लिए डिज़ाइन किए गए हैं, वैयक्तिकरण प्रत्येक उपयोगकर्ता के लिए गतिशील रूप से एक इष्टतम उपयोगकर्ता अनुभव चुनकर एक उद्देश्य को अधिकतम करने का प्रयास करता है। कई प्रकार की समस्याओं के लिए, वैयक्तिकरण सर्वोत्तम परिणाम देता है, लेकिन ए/बी परीक्षण के अभी भी इसके उपयोग हैं:
| वैयक्तिकरण को प्राथमिकता | ए/बी परीक्षण को प्राथमिकता |
|---|---|
| जब प्रत्येक उपयोगकर्ता वैयक्तिकृत उपयोगकर्ता अनुभव से लाभान्वित हो सकता है | जब आप सभी उपयोगकर्ताओं या उपयोगकर्ताओं के एक परिभाषित उपसमूह के लिए एकल इष्टतम अनुभव चाहते हैं |
| जब आप वैयक्तिकरण मॉडल को लगातार अनुकूलित करना चाहते हैं | जब आप एक निश्चित समय अवधि के दौरान परीक्षण करना चाहते हैं |
| जब आपका अनुकूलन लक्ष्य केवल विश्लेषणात्मक घटनाओं के भारित योग के रूप में व्यक्त किया जा सकता है | जब आपके अनुकूलन लक्ष्य को कई अलग-अलग प्रतिस्पर्धी मैट्रिक्स के विचारशील मूल्यांकन की आवश्यकता होती है |
| जब आप किसी भी ट्रेड-ऑफ़ की परवाह किए बिना किसी उद्देश्य के लिए अनुकूलन करना चाहते हैं | जब आप यह निर्धारित करना चाहते हैं कि क्या एक संस्करण इसे लागू करने से पहले दूसरे पर सांख्यिकीय रूप से महत्वपूर्ण सुधार दिखाता है |
| जब परिणामों की मैन्युअल समीक्षा आवश्यक या वांछित न हो | 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 ऐप को प्ले स्टोर में रेटिंग देने के लिए कहें तो उन्हें रेटिंग दें। एक कारक जो सफलता में योगदान दे सकता है वह आपके संकेत का समय है: क्या आप इसे तब दिखाते हैं जब उपयोगकर्ता आपका ऐप पहली, दूसरी या तीसरी बार खोलता है? या जब वे कुछ कार्य सफलतापूर्वक पूरा कर लेते हैं तो क्या आप उन्हें संकेत देते हैं? आदर्श समय संभवतः व्यक्तिगत उपयोगकर्ता पर निर्भर करता है: कुछ उपयोगकर्ता आपके ऐप को तुरंत रेटिंग देने के लिए तैयार हो सकते हैं, जबकि अन्य को अधिक समय की आवश्यकता हो सकती है।
आपके फीडबैक प्रॉम्प्ट के समय को अनुकूलित करना वैयक्तिकरण के लिए एक आदर्श उपयोग मामला है:
- प्रत्येक उपयोगकर्ता के लिए इष्टतम सेटिंग संभवतः भिन्न होती है।
- एनालिटिक्स का उपयोग करके सफलता को आसानी से मापा जा सकता है।
- प्रश्न में यूएक्स परिवर्तन इतना कम जोखिम वाला है कि आपको संभवतः ट्रेड-ऑफ पर विचार करने या मैन्युअल समीक्षा करने की आवश्यकता नहीं है।