Con la personalizzazione Remote Config, puoi selezionare automaticamente parametri Remote Config per ciascun utente da ottimizzare in base a un obiettivo. Personalizzare un parametro è come eseguire un test A/B automatico, personalizzato, in continuo miglioramento e perpetuo.
Quando utilizzi la personalizzazione Remote Config nelle tue app, crei esperienze più coinvolgenti per ciascuno dei tuoi utenti fornendo automaticamente una di diverse esperienze utente alternative, ovvero l'alternativa ottimizzata per l'obiettivo che scegli. Puoi scegliere come target i parametri Remote Config personalizzati per gruppi di utenti specifici utilizzando le condizioni di targeting Remote Config.
Puoi eseguire l'ottimizzazione in base a qualsiasi obiettivo misurabile utilizzando Google Analytics e ottimizzare in base al numero di eventi o al valore aggregato (somma) di un parametro evento. Sono incluse le seguenti metriche predefinite:
- Durata del coinvolgimento dell'utente, che esegue l'ottimizzazione in base alla durata del coinvolgimento dell'utente
- Clic sugli annunci, che esegue l'ottimizzazione in base al numero totale di eventi di clic sugli annunci
- Impressioni dell'annuncio, che esegue l'ottimizzazione in base al numero di impressioni dell'annuncio
In alternativa, puoi eseguire l'ottimizzazione in base a metriche personalizzate basate su qualsiasi evento Analytics. Ecco alcune possibili opzioni:
- Invio di valutazioni del Play Store o dell'App Store
- Il successo dell'utente in determinate attività, ad esempio il completamento dei livelli del gioco
- Eventi di acquisto in-app
- Eventi di e-commerce, come l'aggiunta di articoli a un carrello o l'inizio o il completamento del pagamento
- Acquisti in-app ed entrate pubblicitarie
- Spesa in valuta virtuale
- Attività di condivisione di link e contenuti e social networking
Per ulteriori informazioni sui potenziali casi d'uso della personalizzazione, consulta Che cosa posso fare con la personalizzazione di Remote Config?
Come funziona?
La personalizzazione utilizza il machine learning per determinare l'esperienza ottimale per ciascuno dei tuoi utenti. L'algoritmo trova un compromesso efficace tra l'apprendimento dell'esperienza migliore per diversi tipi di utenti e l'utilizzo di queste conoscenze per massimizzare la metrica dell'obiettivo. I risultati della personalizzazione vengono confrontati automaticamente con un gruppo di utenti di controllo che ricevono un'esperienza casuale persistente ricavata dalle alternative che hai fornito. Questo confronto mostra quanto "incremento" (valore incrementale) viene generato dal sistema di personalizzazione.
Per ulteriori informazioni sull'algoritmo e sui concetti di personalizzazione di Remote Config, consulta Informazioni sulla personalizzazione di Remote Config.
Percorso di implementazione
- Implementa due o più esperienze utente alternative che ritieni ottimali per alcuni utenti, ma non per altri.
- Rendi queste alternative configurabili da remoto con un parametro Remote Config. Consulta la guida introduttiva a Remote Config e alle strategie di caricamento di Remote Config.
- Attiva la personalizzazione per il parametro. Remote Config assegnerà a ciascuno dei tuoi utenti l'esperienza ottimale per lui. Consulta la Guida introduttiva.
Personalizzazione e test A/B a confronto
A differenza dei test A/B, progettati per trovare una singola esperienza utente con il rendimento migliore, la personalizzazione tenta di massimizzare un obiettivo scegliendo in modo dinamico un'esperienza utente ottimale per ciascun utente. Per molti tipi di problemi, la personalizzazione produce i risultati migliori, ma i test A/B hanno ancora i loro usi:
| Preferenza di personalizzazione | Preferenza per i test A/B |
|---|---|
| Quando ogni utente può trarre vantaggio da un'esperienza personalizzata | Quando vuoi un'unica esperienza ottimale per tutti gli utenti o per un sottoinsieme definito di utenti |
| Quando vuoi ottimizzare continuamente il modello di personalizzazione | Quando vuoi eseguire test durante un periodo di tempo fisso |
| Quando l'obiettivo di ottimizzazione può essere expressed semplicemente come una somma ponderata di eventi di analisi | Quando l'obiettivo di ottimizzazione richiede una valutazione ponderata di diverse metriche in concorrenza |
| Quando vuoi ottimizzare per un obiettivo indipendentemente dai compromessi | Quando vuoi determinare se una variante mostra un miglioramento statisticamente significativo rispetto a un'altra prima di implementarla |
| Quando la revisione manuale dei risultati non è obbligatoria o auspicata | Quando è auspicabile la revisione manuale dei risultati |
Ad esempio, supponiamo che tu voglia massimizzare il numero di utenti che valutano la tua app nel Play Store quando glielo chiedi. Un fattore che potrebbe contribuire al successo è il momento in cui viene visualizzato il prompt: lo mostri quando l'utente apre la app per la prima, la seconda o la terza volta? Oppure li chiedi quando completano correttamente determinate attività? Il momento ideale probabilmente dipende dal singolo utente: alcuni potrebbero essere pronti a valutare la tua app immediatamente, mentre altri potrebbero aver bisogno di più tempo.
L'ottimizzazione del momento in cui viene visualizzato il prompt per il feedback è un caso d'uso ideale per la personalizzazione:
- L'impostazione ottimale è probabilmente diversa per ogni utente.
- Il successo è facilmente misurabile utilizzando Analytics.
- La modifica dell'esperienza utente in questione presenta un rischio sufficientemente basso da non richiedere probabilmente di prendere in considerazione i compromessi o di effettuare una revisione manuale.