Personalizacja wykorzystuje uczenie maszynowe, a konkretnie algorytm kontekstowego wielorękiego bandyty, aby określać optymalne wrażenia użytkowników, które pozwolą osiągnąć określony cel. W naszym przypadku celem jest optymalizacja pod kątem łącznej liczby lub łącznej wartości parametru określonych Google Analytics zdarzeń.
Czym jest kontekstowy algorytm wielorękiego bandyty?
„Wieloręki bandyta” to metafora opisująca sytuację, w której chcemy stale wybierać ścieżkę, która prowadzi do najwyższych i najbardziej wiarygodnych nagród z listy wielu ścieżek. Aby to zobrazować, możesz użyć metafory hazardzisty stojącego przed rzędem automatów do gier, które często są potocznie nazywane „jednorękimi bandytami”, ponieważ automat do gier ma jeden uchwyt (lub ramię) i zabiera pieniądze. Ponieważ chcemy rozwiązać problem z wieloma „ramionami”, jednoręki bandyta staje się wielorękim bandytą.
Załóżmy, że mamy 3 opcje i chcemy określić, która z nich zapewnia najbardziej wiarygodną nagrodę. Możemy wypróbować każdą z nich, a potem, po otrzymaniu wyniku, po prostu wybierać tę, która przyniosła najwięcej nagród. Jest to tak zwany algorytm zachłanny: opcja, która przy pierwszej próbie daje najlepszy wynik, jest tą, którą będziemy wybierać dalej. Rozumiemy jednak, że nie zawsze może to działać – po pierwsze, wysoka nagroda może być przypadkowa. Może też istnieć kontekst specyficzny dla użytkownika, który spowodował, że w tym okresie nagrody były wyższe, ale później nie byłyby już tak skuteczne.
Dlatego dodawany jest kontekst, aby zwiększyć skuteczność algorytmu. W przypadkuRemote Config personalizacji ten początkowy kontekst to próbkowanie losowe lub niepewność, która zapewnia eksperymentowi pewną entropię. Jest to implementacja kontekstowego wielorękiego bandyty. W miarę trwania eksperymentu ciągłe eksplorowanie i obserwacja dostarczają modelowi rzeczywistego kontekstu dotyczącego tego, które grupy eksperymentalne najprawdopodobniej przyniosą nagrodę, co zwiększa jego skuteczność.
Co to oznacza dla mojej aplikacji?
Zastanów się, co oznacza algorytm wielorękiego bandyty w kontekście Twojej aplikacji. Załóżmy, że optymalizujesz kampanię pod kątem kliknięć banerów reklamowych. W tym przypadku „ramionami” personalizacji będą wartości alternatywne, które określisz, aby reprezentowały różne banery reklamowe, jakie chcesz wyświetlać użytkownikom. Kliknięcie reklamy banerowej jest nagrodą, czyli celem.
Gdy po raz pierwszy uruchomisz personalizację, model nie będzie wiedzieć, która wartość alternatywna z większym prawdopodobieństwem pozwoli Ci osiągnąć cel w przypadku poszczególnych użytkowników. Gdy personalizacja sprawdza każdą alternatywną wartość, aby poznać prawdopodobieństwo osiągnięcia celu, model bazowy staje się bardziej precyzyjny, co zwiększa jego zdolność do prognozowania i wybierania optymalnych ustawień w przypadku każdego użytkownika.
Personalizacja korzysta z okna trwałości o długości 24 godzin. Jest to czas, przez jaki algorytm personalizacji sprawdza jedną alternatywną wartość. Daj personalizacji wystarczająco dużo czasu na wielokrotne sprawdzenie każdej alternatywnej wartości (zwykle około 14 dni). Najlepiej, aby działały one nieustannie, dzięki czemu będą mogły się stale ulepszać i dostosowywać do zmian w aplikacji i zachowaniach użytkowników.
Śledzenie dodatkowych danych
Remote Config personalizacja umożliwia też śledzenie maksymalnie 2 dodatkowych rodzajów danych, co pomaga w kontekstualizacji wyników. Załóżmy na przykład, że masz aplikację społecznościową i ustawiasz różne wartości alternatywne, aby zachęcać użytkowników do udostępniania treści znajomym i zwiększać ogólne zaangażowanie.
W takim przypadku możesz zoptymalizować Analyticszdarzenie, np.link_received i ustawić 2 rodzaje danych: user_engagement i link_opened, aby sprawdzić, czy zaangażowanie użytkowników i liczba otwieranych przez nich linków rośnie (prawdziwe zaangażowanie) czy maleje (prawdopodobnie zbyt wiele spamerskich linków).
Te dodatkowe dane nie będą uwzględniane w algorytmie personalizacji, ale możesz je śledzić razem z wynikami personalizacji, co pozwoli Ci uzyskać cenne informacje o tym, jak personalizacja pomaga w osiąganiu ogólnych celów.
Interpretowanie wyników personalizacji
Gdy personalizacja będzie działać wystarczająco długo, aby zebrać dane, możesz wyświetlić jej wyniki.
Aby wyświetlić wyniki personalizacji:
W konsoli Firebase otwórz stronę DevOps i zaangażowanie > Remote Config > Personalizacja.
Wybierz personalizację, którą chcesz wyświetlić. Możesz wyszukać konkretną personalizację według nazwy lub celu oraz posortować wyniki według nazwy, czasu rozpoczęcia lub całkowitego wzrostu.
Strona wyników zawiera podsumowanie całkowitego wzrostu, czyli różnicy procentowej w skuteczności, jaką personalizacja zapewnia w porównaniu z grupą podstawową.
Na stronie wyników wyświetlany jest też bieżący stan personalizacji, jej atrybuty oraz interaktywny wykres, który:
Wyświetla szczegółowy widok dzienny i łączny skuteczności personalizacji w porównaniu z wartością bazową.
Pokazuje ogólną skuteczność każdej wartości w grupie podstawowej.
Wyświetla wyniki celu i skuteczność w odniesieniu do wybranych przez Ciebie dodatkowych danych, do których można uzyskać dostęp za pomocą kart u góry podsumowania.
Personalizację można pozostawić włączoną na czas nieokreślony i w dalszym ciągu sprawdzać jej skuteczność na stronie wyników. Algorytm będzie się uczyć i dostosowywać, aby reagować na zmiany w zachowaniach użytkowników.
Informacje o usuwaniu personalizacji
Personalizację możesz usunąć w Firebasekonsoli lub usuwając parametr personalizacji z szablonu za pomocą Firebase Remote Config API. Usuniętych personalizacji nie można przywrócić. Więcej informacji o przechowywaniu danych znajdziesz w artykule Usuwanie danych.
Możesz też usunąć personalizację, cofając zmiany lub importując szablon.
Przywrócone
Jeśli Twój obecny szablon zawiera personalizacje i przywrócisz szablon, który nie ma tych samych personalizacji, zostaną one usunięte. Aby przywrócić poprzedni szablon, użyj Firebasekonsoli lub roll back interfejsu Firebase Remote Config API.
Gdy usuniesz personalizację i wycofasz zmiany do poprzedniego szablonu, w konsoli Firebase pojawi się odniesienie do tej nieprawidłowej personalizacji. Nieprawidłową personalizację możesz usunąć z Firebasekonsoli, edytując personalizację na karcie Parametry na stronie Remote Config.
Importy
Zaimportowanie szablonu, który nie zawiera już Twoich obecnych personalizacji, spowoduje też ich usunięcie. Aby zaimportować szablon, użyj Firebase konsoli lub Remote Config interfejsu API REST.
Dalsze kroki
Poznaj Remote Config przypadki użyciapersonalizacji.
Zacznij od Remote Config personalizacji.