Google s'est engagé à promouvoir l'équité raciale pour les communautés noires. Regarde comment.
Cette page a été traduite par l'API Cloud Translation.
Switch to English

Définir dynamique
groupes d'utilisateurs basés
sur le comportement prédit

Firebase Predictions applique la puissance de l'apprentissage automatique de Google aux données d'analyse de vos applications pour créer des segments d'utilisateurs en fonction du comportement prévu. Sans exiger que quiconque de votre équipe d'application possède une expertise en ML, Predictions peut vous donner un aperçu des segments d'utilisateurs susceptibles de générer des taux de désabonnement ou de dépenser (ou d'effectuer un autre événement de conversion) afin que vous puissiez prendre des décisions éclairées sur les produits.

plat_ios plat_android plat_cpp plat_unity

Graphique montrant les prédictions des utilisateurs

Les prédictions sont intégrées à Remote Config afin que vous puissiez personnaliser et modifier l'expérience de votre application pour les utilisateurs de différents segments. Par exemple, vous pouvez diffuser des annonces auprès des utilisateurs qui sont peu susceptibles d'effectuer un achat via l'application en tant que stratégie alternative de monétisation.

Lors de la définition d'une configuration à distance, vous pouvez combiner les prédictions avec d'autres options de ciblage, notamment les audiences, les propriétés de l'utilisateur, la langue de l'appareil, le type de système d'exploitation, la version de l'application et le pays.


Envoyez des notifications plus intelligentes

Les prédictions créent des groupes d'utilisateurs qui peuvent être utilisés pour le ciblage avec des notifications et la messagerie intégrée à l'application, directement depuis la console Firebase. De cette façon, vous pouvez engager les utilisateurs avant qu'ils ne se déstabilisent, inciter les utilisateurs susceptibles de faire des achats via l'application, et bien plus encore.


Illustration avec notifications personnalisées

Les données de prédiction peuvent être exportées vers BigQuery pour une analyse plus approfondie ou être utilisées dans des services tiers.


Illustration avec différents groupes de risque

Vous avez une visibilité sur les facteurs pris en compte par le modèle ML (comme les événements, l'appareil, les données utilisateur, etc.) pour créer chaque segment prédictif. Vous pouvez également consulter des mesures de performances, qui vous aident à comprendre la précision de chaque prédiction. Grâce à ces informations, vous pouvez mieux calibrer vos paramètres de tolérance au risque.