Персонализация использует машинное обучение — в частности, контекстный алгоритм многорукого бандита — для определения оптимального пользовательского опыта для достижения определенной цели. В нашем случае цель состоит в оптимизации общего количества или общего значения параметров конкретных событий Google Analytics .
Что такое контекстный алгоритм многорукого бандита?
The "multi-armed bandit" is a metaphor used to describe the situation where we want to continually choose a path that leads to the highest, most reliable rewards from a list of multiple paths. To visualize this, you can use the metaphor of a gambler in front of a row of slot machines–often colloquially referred to as a "one-armed bandit" because a slot machine has one handle (or arm) and takes your money. Since we want to solve for multiple "arms," the one-armed bandit becomes the multi-armed bandit.
For example, say we have three options and we want to determine which provides the most reliable reward: We could try each option, and then, after receiving a result, we could just keep choosing the arm that yielded the most rewards. This is what's referred to as a greedy algorithm: the option that yields the best result when we first attempt it is the one we'll continue to choose. But we can understand that this might not always work—for one thing, the high reward could be a fluke. Or maybe there's some user-specific context that resulted in higher rewards during that time period that wouldn't be as effective later.
So context is added to make the algorithm more effective. For Remote Config personalization, this initial context is random sampling, or uncertainty , that provides some entropy to the experiment. This implements a " contextual multi-armed bandit." As the experiment continues to run, ongoing exploration and observation adds real learned context about which arms are most likely to elicit a reward to the model, making it more effective.
Что это значит для моего приложения?
Теперь давайте обсудим, что означает алгоритм многорукого бандита в контексте вашего приложения. Допустим, вы оптимизируете поиск по кликам на баннерную рекламу. В этом случае «руками» персонализации будут альтернативные значения, которые вы указываете для представления различных баннерных объявлений, которые вы хотите показать пользователям. Клик на баннерную рекламу — это вознаграждение, которое мы называем целью .
When you first launch a personalization, the model does not know which alternative value will be more likely to achieve your goal for each individual user. As the personalization explores each alternative value to understand the likelihood of achieving your objective, the underlying model grows more informed, improving its ability to predict and select the optimum experience for each user.
Personalization uses a stickiness window of 24 hours. This is the amount of time the personalization algorithm explores a single alternative value. You should provide your personalizations enough time to explore each alternative value multiple times (generally about 14 days). Ideally, you can let them run perpetually so that they can continually improve and adapt as your app and user behaviors change.
Отслеживайте дополнительные показатели.
Персонализация Remote Config также позволяет отслеживать до двух дополнительных показателей, что помогает контекстуализировать результаты. Допустим, вы разработали социальное приложение и установили различные альтернативные значения, чтобы побудить пользователей делиться контентом с друзьями и тем самым повысить общую вовлеченность.
В этом случае вы можете оптимизировать данные для события Analytics такого как link_received , и установить две метрики: user_engagement и link_opened чтобы понять, увеличивается ли вовлеченность пользователей и количество открываемых ими ссылок (истинная вовлеченность) или уменьшается (возможно, слишком много спамных ссылок).
Хотя эти дополнительные показатели не будут учитываться в алгоритме персонализации, вы можете отслеживать их одновременно с результатами персонализации, что позволит получить ценную информацию о способности персонализации достигать ваших общих целей.
Понимание результатов персонализации
После того как процесс персонализации будет запущен достаточно долго, чтобы собрать данные, вы сможете просмотреть его результаты.
Чтобы просмотреть результаты персонализации:
В консоли Firebase перейдите на страницу DevOps & Engagement > Remote Config > Personalizations .
Выберите нужную вам персонализацию. Вы можете выполнить поиск конкретной персонализации по имени или цели, а также отсортировать результаты по имени, времени начала или общему результату.
На странице результатов отображается сводная информация о совокупном приросте производительности , или процентной разнице в результатах, которую обеспечивает персонализация по сравнению с базовой группой.
На странице результатов также отображается текущий статус персонализации, атрибуты персонализации и интерактивный график, который:
Представляет собой подробный ежедневный и общий обзор того, как персонализация показала себя по сравнению с базовым уровнем.
Показывает, как каждое значение в целом ведет себя в базовой группе.
Отображает результаты достижения целей и показатели эффективности по дополнительным выбранным вами метрикам, доступ к которым осуществляется через вкладки в верхней части сводки.
Персонализация может работать неограниченно долго, и вы можете постоянно заходить на страницу результатов, чтобы отслеживать её эффективность. Алгоритм будет постоянно обучаться и корректироваться, чтобы адаптироваться к изменениям в поведении пользователей.
Понимание удаления персонализации
Удалить персонализацию можно с помощью консоли Firebase или удалив параметр персонализации из шаблона с помощью API Firebase Remote Config . Удаленные персонализации восстановить невозможно. Подробнее о сроках хранения данных см. в разделе «Удаление данных» .
Вы также можете удалить персонализированные настройки, отменив изменения или импортировав шаблон .
Откаты
Если в вашем текущем шаблоне есть персонализации, и вы откатываетесь к шаблону, в котором эти персонализации отсутствуют, они будут удалены. Чтобы вернуться к предыдущему шаблону, используйте консоль Firebase или roll back API Firebase Remote Config .
При удалении персонализации и возврате к предыдущему шаблону в консоли Firebase появляется ссылка на эту недействительную персонализацию. Вы можете удалить недействительную персонализацию из консоли Firebase , отредактировав ее на вкладке «Параметры» страницы Remote Config .
Импорт
Импорт шаблона, который больше не содержит ваших текущих настроек, также приводит к удалению этих настроек. Для импорта шаблона используйте консоль Firebase или REST API Remote Config .
Следующие шаги
Изучите варианты использования персонализации Remote Config .
Начните работу с персонализацией Remote Config .