Dzięki personalizacji Remote Config możesz automatycznie wybierać parametry Remote Config dla poszczególnych użytkowników, aby optymalizować kampanię pod kątem danego celu. Personalizacja parametru przypomina automatyczny, ciągły, nieprzerwany i indywidualny test A/B.
Gdy używasz w swoich aplikacjach personalizacji Remote Config, tworzysz bardziej angażujące wrażenia dla każdego z użytkowników, automatycznie zapewniając im jeden z kilku alternatywnych sposobów interakcji z aplikacją – ten, który optymalizuje wybrany przez Ciebie cel. Za pomocą warunków kierowania Remote Config możesz kierować spersonalizowane parametry Remote Config na konkretne grupy użytkowników.
Możesz optymalizować kampanię pod kątem każdego celu, który można mierzyć za pomocą parametru Google Analytics, oraz pod kątem liczby zdarzeń lub zagregowanej wartości (sumy) parametru zdarzenia. Do tych danych należą:
- Czas zaangażowania użytkownika, który optymalizuje czas zaangażowania użytkownika.
- Kliknięcia reklam, które optymalizuje kampanię pod kątem łącznej liczby zdarzeń kliknięcia reklamy.
- Wyświetlenia reklamy, które optymalizuje wyświetlenia reklamy.
Możesz też zoptymalizować kampanię pod kątem danych niestandardowych na podstawie dowolnego zdarzenia Analytics. Oto niektóre z nich:
- przesyłanie ocen w Sklepie Play lub App Store;
- skuteczność użytkowników w wykonaniu określonych zadań, np. ukończeniu poziomów w grze;
- Wydarzenia zakupu w aplikacji
- Zdarzenia e-commerce, np. dodanie produktów do koszyka lub rozpoczęcie lub ukończenie procesu płatności
- Przychody z zakupów w aplikacji i z reklam
- Wydatki na wirtualną walutę
- Udostępnianie linków i treści oraz aktywność w mediach społecznościowych
Więcej informacji o potencjalnych zastosowaniach personalizacji znajdziesz w artykule Jak mogę wykorzystać personalizację Remote Config?
Jak to działa?
Personalizacja korzysta z systemów uczących się, aby zapewnić optymalne wrażenia dla każdego użytkownika. Algorytm skutecznie uczy się, jak zapewnić najlepsze wrażenia użytkownikom o różnych profilach, i wykorzystuje tę wiedzę do maksymalizacji danych o celu. Wyniki personalizacji są automatycznie porównywane z grupą użytkowników, którzy nie są objęci personalizacją i stale wyświetlają losowe treści z dostępnych alternatyw. Dzięki temu porównaniu możesz sprawdzić, ile „wzrostu” (wartości przyrostowej) generuje system personalizacji.
Więcej informacji o algorytmie i koncepcjach personalizacji w Zdalnej konfiguracji znajdziesz w artykule Informacje o personalizacji w Zdalnej konfiguracji.
Ścieżka implementacji
- Wprowadź co najmniej 2 alternatywy dla użytkowników, które według Ciebie będą optymalne dla niektórych osób, ale nie dla innych.
- Umożliw zdalne konfigurowanie tych alternatyw za pomocą parametru Remote Config. Zapoznaj się z artykułami Pierwsze kroki z Remote Config i Remote Config strategiami wczytywania.
- Włącz personalizację parametru. Remote Config przypisze każdemu z użytkowników optymalne dla niego wrażenia. Zapoznaj się z przewodnikiem dla początkujących.
Personalizacja a testy A/B
W przeciwieństwie do testów A/B, które mają na celu znalezienie pojedynczego zestawu ustawień zapewniającego najlepsze wrażenia użytkownikom, personalizacja pozwala dążyć do zrealizowania określonego celu przez dynamiczne wybieranie optymalnych ustawień w przypadku każdego użytkownika. W przypadku wielu typów problemów personalizacja przynosi najlepsze wyniki, ale testy A/B też mają swoje zastosowanie:
| Preferowana personalizacja | preferowane są testy A/B, |
|---|---|
| Gdy każdy użytkownik może korzystać z spersonalizowanych treści | Gdy chcesz zapewnić optymalne wrażenia wszystkim użytkownikom lub zdefiniowanej grupie użytkowników |
| Gdy chcesz stale optymalizować model personalizacji | Gdy chcesz przeprowadzić testy w określonym przedziale czasu |
| Gdy cel optymalizacji można wyrazić jako ważoną sumę zdarzeń Analytics. | Gdy Twój cel optymalizacji wymaga przemyślanej oceny kilku różnych konkurencyjnych danych |
| Gdy chcesz zoptymalizować kampanię pod kątem celu bez względu na kompromisy | Jeśli chcesz sprawdzić, czy jedna wersja wykazuje statystycznie istotną poprawę w porównaniu z inną przed jej wdrożeniem. |
| Gdy ręczne sprawdzanie wyników nie jest wymagane ani nie jest pożądane | Kiedy ręczne sprawdzanie wyników jest pożądane |
Załóżmy na przykład, że chcesz zmaksymalizować liczbę użytkowników, którzy oceniają Twoją aplikację w Google Play, gdy wyświetla się odpowiednia prośba. Jednym z czynników, który może przyczynić się do sukcesu, jest czas wyświetlania promptu: czy wyświetlasz go, gdy użytkownik otwiera aplikację po raz pierwszy, drugi czy trzeci? A może wyświetlasz je, gdy użytkownicy wykonają określone zadania? Optymalny czas zależy prawdopodobnie od danego użytkownika: niektórzy mogą być gotowi do oceny aplikacji od razu, a inni będą potrzebować więcej czasu.
Optymalizacja czasu wyświetlania prośby o opinię to idealny przypadek użycia personalizacji:
- Optymalne ustawienie jest prawdopodobnie inne dla każdego użytkownika.
- Skuteczność można łatwo zmierzyć za pomocą Analytics.
- W przypadku omawianej zmiany wrażeń użytkownika ryzyko jest na tyle niskie, że prawdopodobnie nie musisz rozważać kompromisów ani przeprowadzać ręcznego sprawdzania.