Remote Config kişiselleştirmesi hakkında

Kişiselleştirme, bir hedefe ulaşmak için bireysel kullanıcılara sunulacak optimum deneyimi belirlemek üzere makine öğreniminden (özellikle bağlamsal çok kollu haydut algoritması) yararlanır. Örneğimizde amaç, belirli Google Analytics etkinliklerinin toplam sayısı veya toplam parametre değeri için optimizasyon yapmaktır.

Bağlamsal çok kollu makine algoritması nedir?

"Çok kollu haydut", birden fazla yolun bulunduğu bir listede sürekli olarak en yüksek ve en güvenilir ödüllere götüren yolu seçmek istediğimiz durumu tanımlamak için kullanılan bir metafordur. Bunu görselleştirmek için bir kumarhanede bir sıra kumar makinesinin önünde duran kumarbaz metaforunu kullanabilirsiniz. Kumar makinesinin bir kolu olduğu ve paranızı aldığı için bu makineler genellikle "tek kollu haydut" olarak adlandırılır. Birden fazla "kol" için çözüm bulmak istediğimizden tek kollu makine, çok kollu makineye dönüşür.

Örneğin, üç seçeneğimiz olduğunu ve hangisinin en güvenilir ödülü sağladığını belirlemek istediğimizi varsayalım. Her seçeneği deneyebiliriz ve sonuç aldıktan sonra en çok ödül veren kolu seçmeye devam edebiliriz. Bu, açgözlü algoritma olarak adlandırılır: İlk denemede en iyi sonucu veren seçenek, seçmeye devam edeceğimiz seçenektir. Ancak bu durumun her zaman geçerli olmayabileceğini anlıyoruz. Örneğin, yüksek ödül bir tesadüf olabilir. Belki de bu dönemde daha yüksek ödüllerle sonuçlanan ve daha sonra etkili olmayacak kullanıcıya özel bir bağlam vardır.

Bu nedenle, algoritmanın daha etkili olması için bağlam eklenir. Remote Config kişiselleştirme için bu ilk bağlam, denemeye bir miktar entropi sağlayan rastgele örnekleme veya belirsizliktir. Bu, "bağlamsal çok kollu makine"yi uygular. Deneme çalışmaya devam ettikçe, devam eden keşif ve gözlem, hangi kollardan ödül alma olasılığının daha yüksek olduğuyla ilgili gerçek bir bağlam oluşturarak modeli daha etkili hale getirir.

Bu durum uygulamam için ne anlama geliyor?

Şimdi de çok kollu haydut algoritmasının uygulamanız bağlamında ne anlama geldiğini ele alalım. Banner reklam tıklamaları için optimizasyon yaptığınızı varsayalım. Bu durumda, kişiselleştirmenin "kolları", kullanıcılara göstermek istediğiniz farklı banner reklamları temsil etmek için belirttiğiniz alternatif değerler olur. Banner reklamı tıklaması, hedef olarak adlandırdığımız ödüldür.

varyantlar olarak da adlandırılabilir.

Bir kişiselleştirmeyi ilk kez başlattığınızda model, her bir kullanıcı için hangi alternatif değerin hedefinize ulaşma olasılığının daha yüksek olduğunu bilmez. Kişiselleştirme, hedefinize ulaşma olasılığını anlamak için her alternatif değeri incelerken temel model daha fazla bilgi sahibi olur ve her kullanıcı için optimum deneyimi tahmin etme ve seçme becerisini geliştirir.

Kişiselleştirme, 24 saatlik bir yeniden ziyaret aralığı kullanır. Bu, kişiselleştirme algoritmasının tek bir alternatif değeri keşfetmek için harcadığı süredir. Kişiselleştirmelerinize her alternatif değeri birden çok kez (genellikle yaklaşık 14 gün) keşfetmesi için yeterli zaman tanımalısınız. İdeal olarak, uygulamanız ve kullanıcı davranışlarınız değiştikçe sürekli olarak iyileşip uyum sağlayabilmeleri için bu testlerin sürekli çalışmasına izin verebilirsiniz.

Ek metrikleri izleme

Remote Config kişiselleştirme, sonuçlarınızı bağlama oturtmanıza yardımcı olmak için iki ek metriğe kadar izleme olanağı da sunar. Bir sosyal medya uygulaması geliştirdiğinizi ve kullanıcıları içerik paylaşmaya teşvik ederek genel etkileşimi artırmak için farklı alternatif değerler belirlediğinizi varsayalım.

Bu durumda, Analytics gibi bir etkinlik için optimizasyon yapmayı seçebilir link_received ve kullanıcı etkileşiminin ve kullanıcının açtığı bağlantı sayısının arttığını (gerçek etkileşim) mı yoksa azaldığını (spam içeren çok fazla bağlantı olabilir) anlamak için iki metriğinizi user_engagement ve link_opened olarak ayarlayabilirsiniz.

Bu ek metrikler kişiselleştirme algoritmasına dahil edilmeyecek olsa da kişiselleştirme sonuçlarınızla birlikte izleyebilir ve kişiselleştirmenin genel hedeflerinize ulaşma yeteneği hakkında değerli bilgiler edinebilirsiniz.

Kişiselleştirme sonuçlarını anlama

Bir kişiselleştirme, veri toplamak için yeterli süre boyunca çalıştıktan sonra sonuçlarını görüntüleyebilirsiniz.

Kişiselleştirme sonuçlarını görüntülemek için:

  1. Remote Config sayfasını açıp Kişiselleştirmeler'i tıklayın.

  2. Görüntülemek istediğiniz kişiselleştirme ayarını seçin. Belirli kişiselleştirmeleri ada veya hedefe göre arayabilir, ayrıca ada, başlangıç zamanına veya toplam artışa göre sıralayabilirsiniz.

Sonuçlar sayfasında, kişiselleştirmenin Temel gruba kıyasla sağladığı Toplam artış (performanstaki yüzde farkı) özetlenir.

Sonuçlar sayfasında kişiselleştirmenin mevcut durumu, kişiselleştirmenin özellikleri ve aşağıdakileri içeren etkileşimli bir grafik de gösterilir:

  • Kişiselleştirmenin referans değere kıyasla nasıl performans gösterdiğine dair ayrıntılı bir günlük ve toplam görünüm sunar.

  • Her değerin referans grubundaki genel performansını gösterir.

  • Özetin üst kısmındaki sekmeler kullanılarak erişilebilen, seçtiğiniz ek metriklere göre hedef sonuçlarını ve performansı gösterir.

Kişiselleştirme süresiz olarak çalışmaya devam edebilir ve performansını izlemek için sonuçlar sayfasını tekrar ziyaret edebilirsiniz. Algoritma, kullanıcı davranışları değiştiğinde uyum sağlayabilmek için öğrenmeye ve ayarlamalar yapmaya devam eder.

Kişiselleştirme silme işlemini anlama

Kişiselleştirmeyi Firebase konsolunu kullanarak veya Firebase Remote Config API'yi kullanarak şablonunuzdan kişiselleştirme parametresini kaldırarak silebilirsiniz. Silinen kişiselleştirmeler geri yüklenemez. Veri saklama hakkında bilgi edinmek için Veri silme başlıklı makaleyi inceleyin.

Kişiselleştirmeleri geri alarak veya şablon içe aktararak da silebilirsiniz.

Geri alma sayısı

Mevcut şablonunuzda kişiselleştirmeler varsa ve aynı kişiselleştirmelerin olmadığı bir şablona geri dönerseniz kişiselleştirmeler silinir. Önceki bir şablona geri dönmek için Firebase konsolunu veya Firebase Remote Config API'sini kullanarak roll back kullanın.

Bir kişiselleştirmeyi silip önceki şablona geri döndüğünüzde Firebase konsolunda geçersiz kişiselleştirmeye referans verilir. Firebase konsolunda geçersiz kişiselleştirmeyi kaldırmak için Remote Config sayfasının Parametreler sekmesindeki kişiselleştirmeyi düzenleyin.

İçe Aktarımlar

Mevcut kişiselleştirmelerinizi içermeyen bir şablonu içe aktardığınızda bu kişiselleştirmeler de silinir. Şablon içe aktarmak için Firebase konsolunu veya Remote Config REST API'yi kullanın.

Sonraki adımlar