원격 구성 개인화를 사용하면 각 사용자에 대한 원격 구성 매개변수를 자동으로 선택하여 목표에 최적화할 수 있습니다. 매개변수를 개인화하는 것은 자동으로 개별화되고 지속적으로 개선되는 A/B 테스트를 수행하는 것과 같습니다.
앱에서 원격 구성 개인화를 사용하면 선택한 목표에 최적화된 대안인 여러 대체 사용자 경험 중 하나를 자동으로 제공하여 각 사용자에게 더욱 매력적인 경험을 제공합니다. 원격 구성 타겟팅 조건 을 사용하여 개인화된 원격 구성 매개변수를 특정 사용자 그룹에 타겟팅할 수 있습니다.
Google Analytics를 사용하여 측정 가능한 모든 목표에 대해 최적화할 수 있습니다. 여기에는 다음과 같은 기본 제공 측정항목이 포함됩니다.
- 사용자 참여 시간
- 광고 클릭
또는 애널리틱스 이벤트를 기반으로 맞춤 측정항목을 최적화할 수 있습니다. 몇 가지 가능성은 다음과 같습니다.
- Play 스토어 또는 App Store 평가 제출
- 특정 작업에서의 사용자 성공
- 기능 활용
어떻게 작동합니까?
개인화는 기계 학습을 사용하여 각 사용자에게 최적의 경험을 결정합니다. 이 알고리즘은 다양한 유형의 사용자에게 최상의 경험을 학습하는 것과 그 지식을 활용하여 객관적인 지표를 극대화하는 것 사이에서 효율적으로 균형을 이룹니다. 개인화 결과는 제공된 대안에서 가져온 지속적인 무작위 경험을 받는 홀드아웃 사용자 그룹과 자동으로 비교됩니다. 이 비교는 개인화 시스템에서 생성된 "리프트"(증분 값)의 양을 보여줍니다.
구현 경로
- 일부 사용자에게는 최적이지만 다른 사용자에게는 적합하지 않을 것으로 예상되는 두 개 이상의 대체 사용자 환경을 구현합니다.
- 원격 구성 매개변수를 사용하여 이러한 대안을 원격으로 구성할 수 있습니다. 원격 구성 및 원격 구성 로드 전략 시작하기를 참조하세요.
- 매개변수에 대한 개인화를 활성화하십시오. 원격 구성은 각 사용자에게 최적의 환경을 할당합니다. 시작하기 가이드를 참조하십시오.
개인화 vs. A/B 테스트
단일 최고 성능의 사용자 경험을 찾기 위해 설계된 A/B 테스트와 달리 개인화는 각 사용자에게 최적의 사용자 경험을 동적으로 선택하여 목표를 최대화하려고 시도합니다. 많은 유형의 문제에 대해 개인화는 최상의 결과를 생성하지만 A/B 테스트에는 여전히 다음과 같은 용도가 있습니다.
| 개인화 선호 | A/B 테스트 선호 |
|---|---|
| 각 사용자가 개인화된 사용자 경험의 이점을 누릴 수 있는 경우 | 모든 사용자 또는 정의된 사용자 하위 집합을 위한 단일 최적의 경험을 원할 때 |
| 개인화 모델을 지속적으로 최적화하고 싶을 때 | 정해진 시간에 테스트를 하고 싶을 때 |
| 최적화 목표를 분석 이벤트의 가중치 합계로 간단히 표현할 수 있는 경우 | 최적화 목표에 여러 경쟁 측정항목에 대한 신중한 평가가 필요한 경우 |
| 장단점에 관계없이 목표에 맞게 최적화하려는 경우 | 롤아웃하기 전에 한 변형이 다른 변형보다 통계적으로 유의미한 개선을 보이는지 확인하려는 경우 |
| 결과에 대한 수동 검토가 필요하지 않거나 원하지 않는 경우 | 결과에 대한 수동 검토가 필요한 경우 |
예를 들어, Play 스토어에서 앱을 평가하라는 메시지가 표시될 때 앱을 평가하는 사용자의 수를 최대화하려고 한다고 가정합니다. 성공에 기여할 수 있는 한 가지 요소는 프롬프트의 타이밍입니다. 사용자가 앱을 처음, 두 번째 또는 세 번째로 열 때 표시합니까? 아니면 특정 작업을 성공적으로 완료했을 때 메시지를 표시합니까? 이상적인 타이밍은 개별 사용자에 따라 다를 수 있습니다. 일부 사용자는 앱을 즉시 평가할 준비가 되어 있고 다른 사용자는 시간이 더 필요할 수 있습니다.
피드백 프롬프트의 타이밍을 최적화하는 것은 개인화를 위한 이상적인 사용 사례입니다.
- 최적의 설정은 사용자마다 다를 수 있습니다.
- 성공은 분석을 사용하여 쉽게 측정할 수 있습니다.
- 문제의 UX 변경은 절충을 고려하거나 수동 검토를 수행할 필요가 없을 정도로 충분히 위험합니다.