Với tính năng cá nhân hoá Remote Config, bạn có thể tự động chọn các tham số Remote Config cho mỗi người dùng để tối ưu hoá cho một mục tiêu. Việc cá nhân hoá một tham số cũng giống như việc thực hiện một thử nghiệm A/B tự động, riêng biệt, liên tục cải tiến và vĩnh viễn.
Khi sử dụng tính năng cá nhân hoá Remote Config trong ứng dụng, bạn sẽ tạo ra trải nghiệm hấp dẫn hơn cho từng người dùng bằng cách tự động cung cấp cho họ một trong số nhiều trải nghiệm người dùng thay thế – trải nghiệm thay thế giúp tối ưu hoá cho mục tiêu mà bạn chọn. Bạn có thể nhắm mục tiêu các tham số Remote Config được cá nhân hoá đến các nhóm người dùng cụ thể bằng cách sử dụng điều kiện nhắm mục tiêu Remote Config.
Bạn có thể tối ưu hoá cho bất kỳ mục tiêu nào có thể đo lường được bằng cách sử dụng Google Analytics, đồng thời tối ưu hoá theo số lượng sự kiện hoặc theo giá trị tổng hợp (tổng) của một thông số sự kiện. Bao gồm các chỉ số tích hợp sẵn sau đây:
- Thời gian tương tác của người dùng, tối ưu hoá theo thời gian tương tác của người dùng
- Lượt nhấp vào quảng cáo, tối ưu hoá theo tổng số sự kiện nhấp chuột
- Lượt hiển thị quảng cáo, tối ưu hoá theo số lượt hiển thị quảng cáo
Hoặc bạn có thể tối ưu hoá cho các chỉ số tuỳ chỉnh dựa trên bất kỳ sự kiện Analytics nào. Một số khả năng bao gồm:
- Nội dung gửi điểm xếp hạng trên Cửa hàng Play hoặc cửa hàng ứng dụng
- Mức độ thành công của người dùng khi thực hiện một số nhiệm vụ cụ thể, chẳng hạn như hoàn thành các cấp độ trong trò chơi
- Sự kiện mua hàng trong ứng dụng
- Sự kiện thương mại điện tử, chẳng hạn như thêm mặt hàng vào giỏ hàng, hoặc bắt đầu hay hoàn tất quy trình thanh toán
- Doanh thu từ quảng cáo và giao dịch mua hàng trong ứng dụng
- Chi tiêu tiền ảo
- Hoạt động chia sẻ đường liên kết và nội dung cũng như hoạt động trên mạng xã hội
Để biết thêm thông tin về các trường hợp sử dụng tính năng cá nhân hoá tiềm năng, hãy xem bài viết Tôi có thể làm gì với tính năng cá nhân hoá Remote Config?
Tính năng này hoạt động như thế nào?
Tính năng cá nhân hoá sử dụng công nghệ học máy để xác định trải nghiệm tối ưu cho từng người dùng. Thuật toán này cân bằng một cách hiệu quả giữa việc tìm hiểu trải nghiệm phù hợp nhất cho nhiều loại người dùng và việc sử dụng kiến thức đó để tối đa hoá chỉ số mục tiêu của bạn. Kết quả cá nhân hoá sẽ tự động được so sánh với một nhóm người dùng không được cá nhân hoá. Nhóm này sẽ nhận được trải nghiệm ngẫu nhiên nhất quán từ các lựa chọn thay thế mà bạn cung cấp. Phép so sánh này cho biết mức độ "tăng" (giá trị gia tăng) do hệ thống cá nhân hoá tạo ra.
Để biết thêm thông tin về thuật toán và khái niệm cá nhân hoá Remote Config, hãy xem bài viết Giới thiệu về tính năng cá nhân hoá Remote Config.
Lộ trình triển khai
- Triển khai hai hoặc nhiều trải nghiệm người dùng thay thế mà bạn cho là sẽ tối ưu cho một số người dùng nhưng không tối ưu cho những người dùng khác.
- Đặt các phương án thay thế này thành có thể định cấu hình từ xa bằng một tham số Remote Config. Hãy xem bài viết Bắt đầu sử dụng Remote Config và Chiến lược tải Remote Config.
- Bật tính năng cá nhân hoá cho thông số. Remote Config sẽ chỉ định cho mỗi người dùng trải nghiệm tối ưu nhất cho họ. Xem hướng dẫn Bắt đầu sử dụng.
Hoạt động cá nhân hoá so với thử nghiệm A/B
Không giống như thử nghiệm A/B (được thiết kế để tìm ra một trải nghiệm hiệu quả nhất cho người dùng), hoạt động cá nhân hoá sẽ linh hoạt lựa chọn một trải nghiệm tối ưu cho từng người dùng để giúp bạn tăng tối đa khả năng đạt được mục tiêu. Đối với nhiều loại vấn đề, hoạt động cá nhân hoá mang lại kết quả tốt nhất, nhưng thử nghiệm A/B vẫn có những công dụng riêng:
| Ưu tiên cá nhân hoá | A/B Testing thiết bị được ưu tiên |
|---|---|
| Khi mỗi người dùng đều có thể hưởng lợi từ trải nghiệm được cá nhân hoá cho người dùng | Khi bạn muốn mang đến trải nghiệm tối ưu cho tất cả người dùng hoặc một số ít người dùng nhất định |
| Khi bạn muốn liên tục tối ưu hoá mô hình cá nhân hoá | Khi bạn muốn tiến hành thử nghiệm trong một khoảng thời gian cố định |
| Khi mục tiêu tối ưu hoá của bạn có thể được thể hiện dưới dạng tổng số sự kiện Analytics được tính trọng số | Khi mục tiêu tối ưu hoá của bạn đòi hỏi việc đánh giá kỹ lưỡng một vài chỉ số cạnh tranh riêng biệt |
| Khi bạn muốn tối ưu hoá cho một mục tiêu bằng mọi giá | Khi bạn muốn xác định xem liệu một biến thể có mang đến sự cải thiện đáng kể về mặt thống kê so với một biến thể khác hay không trước khi triển khai |
| Khi không cần xem xét thủ công các kết quả | Khi bạn muốn xem xét thủ công các kết quả |
Ví dụ: giả sử bạn muốn tối đa hoá số người dùng xếp hạng ứng dụng của bạn trên Cửa hàng Play khi bạn nhắc họ. Một yếu tố có thể góp phần vào thành công là thời điểm hiển thị lời nhắc: bạn có hiển thị lời nhắc khi người dùng mở ứng dụng của bạn lần đầu tiên, lần thứ hai hay lần thứ ba không? Hay bạn nhắc họ khi họ hoàn thành thành công một số nhiệm vụ nhất định? Thời điểm lý tưởng có thể phụ thuộc vào từng người dùng: một số người dùng có thể sẵn sàng xếp hạng ứng dụng của bạn ngay lập tức, trong khi những người khác có thể cần thêm thời gian.
Tối ưu hoá thời điểm đưa ra lời nhắc phản hồi là một trường hợp sử dụng lý tưởng cho việc cá nhân hoá:
- Chế độ cài đặt tối ưu có thể khác nhau tuỳ theo người dùng.
- Bạn có thể đo lường mức độ thành công bằng Analytics.
- Thay đổi về trải nghiệm người dùng đang được đề cập có rủi ro đủ thấp để bạn có thể không cần cân nhắc đến những đánh đổi hoặc tiến hành xem xét thủ công.