Personalizacja wykorzystuje uczenie maszynowe — w szczególności kontekstowy algorytm wielorękiego bandyty — w celu określenia optymalnego doświadczenia poszczególnych użytkowników w celu osiągnięcia celu. W naszym przypadku celem jest optymalizacja pod kątem całkowitej liczby lub łącznej wartości parametrów określonych zdarzeń Google Analytics.
Co to jest kontekstowy algorytm wielorękiego bandyty?
„Wieloręki bandyta” to metafora używana do opisania sytuacji, w której chcemy stale wybierać ścieżkę prowadzącą do najwyższych i najbardziej niezawodnych nagród z listy wielu ścieżek. Aby to zobrazować, możesz użyć metafory hazardzisty przed rzędem automatów do gry – często określanego potocznie jako „jednoręki bandyta”, ponieważ automat ma jeden uchwyt (lub ramię), za pomocą którego bierze Twoje pieniądze. Ponieważ chcemy rozwiązać problem wielu „broni”, jednoręki bandyta staje się wielorękim bandytą.
Załóżmy na przykład, że mamy trzy opcje i chcemy określić, która zapewnia najbardziej niezawodną nagrodę: możemy wypróbować każdą opcję, a następnie, po otrzymaniu wyniku, możemy po prostu wybrać ramię, które przyniosło najwięcej nagród. Nazywa się to algorytmem zachłannym : opcja, która daje najlepszy wynik przy pierwszej próbie, jest tą, którą będziemy nadal wybierać. Rozumiemy jednak, że nie zawsze to się sprawdza – po pierwsze, wysoka nagroda może być dziełem przypadku. A może istnieje kontekst specyficzny dla użytkownika, który zaowocował wyższymi nagrodami w tym okresie, które później nie byłyby tak skuteczne.
Dodano więc kontekst , aby algorytm był bardziej skuteczny. W przypadku personalizacji zdalnej konfiguracji tym początkowym kontekstem jest próbkowanie losowe, czyli niepewność , która zapewnia pewną entropię eksperymentowi. Implementuje to „ kontekstowego wielorękiego bandytę”. W miarę trwania eksperymentu ciągłe eksploracje i obserwacje dodają prawdziwie wyuczony kontekst dotyczący tego, które ramiona najprawdopodobniej przyniosą modelowi nagrodę, zwiększając jego skuteczność.
Co to oznacza dla mojej aplikacji?
Porozmawiajmy teraz, co oznacza algorytm wielorękiego bandyty w kontekście Twojej aplikacji. Załóżmy, że optymalizujesz reklamy pod kątem kliknięć banerów reklamowych. W tym przypadku „ramionami” personalizacji będą alternatywne wartości, które określisz w celu przedstawienia różnych banerów reklamowych, które chcesz wyświetlać użytkownikom. Kliknięcie banera reklamowego jest nagrodą, którą nazywamy celem .
Kiedy po raz pierwszy uruchamiasz personalizację, model nie wie, która alternatywna wartość z większym prawdopodobieństwem osiągnie Twój cel dla każdego indywidualnego użytkownika. W miarę jak personalizacja bada każdą alternatywną wartość, aby zrozumieć prawdopodobieństwo osiągnięcia celu, podstawowy model staje się coraz bardziej świadomy, poprawiając jego zdolność do przewidywania i wybierania optymalnego doświadczenia dla każdego użytkownika.
Personalizacja wykorzystuje okno lepkości wynoszące 24 godziny. Jest to czas, przez który algorytm personalizacji bada pojedynczą alternatywną wartość. Powinieneś zapewnić swoim personalizacjom wystarczająco dużo czasu na wielokrotne sprawdzenie każdej alternatywnej wartości (zwykle około 14 dni). Najlepiej byłoby pozwolić im działać bez przerwy, aby mogły stale się ulepszać i dostosowywać w miarę zmiany aplikacji i zachowań użytkowników.
Śledź dodatkowe wskaźniki
Personalizacja Remote Config umożliwia także śledzenie maksymalnie dwóch dodatkowych wskaźników, które pomogą Ci kontekstualizować wyniki. Załóżmy, że stworzyłeś aplikację społecznościową i ustawiłeś różne alternatywne wartości, aby zachęcić użytkowników do udostępniania treści znajomym w celu zwiększenia ogólnego zaangażowania.
W takim przypadku możesz zdecydować się na optymalizację pod kątem zdarzenia Analytics, takiego jak link_received , i ustawić dwie metryki na user_engagement i link_opened , aby sprawdzić, czy zaangażowanie użytkowników i liczba linków, które użytkownik otwiera, rośnie (prawdziwe zaangażowanie), czy spada (prawdopodobnie zbyt wiele spamerskich linków) ).
Chociaż te dodatkowe wskaźniki nie będą uwzględniane w algorytmie personalizacji, możesz je śledzić równolegle z wynikami personalizacji, zapewniając cenny wgląd w zdolność personalizacji do osiągnięcia ogólnych celów.
Zrozumienie wyników personalizacji
Gdy personalizacja trwa wystarczająco długo, aby zebrać dane, możesz wyświetlić jej wyniki.
Aby wyświetlić wyniki personalizacji:
Otwórz stronę Zdalna konfiguracja i kliknij opcję Personalizacja .
Wybierz personalizację, którą chcesz wyświetlić. Możesz wyszukiwać konkretną personalizację według nazwy lub celu, a także sortować według nazwy, godziny rozpoczęcia lub całkowitego wzrostu.
Strona wyników zawiera podsumowanie całkowitego wzrostu , czyli procentowej różnicy w wydajności, jaką zapewnia personalizacja w grupie Linia bazowa .
Strona wyników pokazuje także aktualny stan personalizacji, atrybuty personalizacji oraz interaktywny wykres, który:
Pokazuje szczegółowy dzienny i całkowity widok tego, jak personalizacja przebiegała w porównaniu z wartością bazową.
Pokazuje ogólną skuteczność każdej wartości w grupie bazowej.
Wyświetla wyniki celów i wydajność w odniesieniu do wybranych dodatkowych wskaźników, dostępne za pomocą zakładek u góry podsumowania.
Personalizacja może pozostać uruchomiona na czas nieokreślony i możesz ponownie odwiedzać stronę wyników, aby monitorować jej skuteczność. Algorytm będzie się nadal uczyć i dostosowywać, aby móc dostosować się do zmian zachowania użytkownika.
Zrozumienie usuwania personalizacji
Możesz usunąć personalizację za pomocą konsoli Firebase lub usuwając parametr personalizacji ze swojego szablonu za pomocą interfejsu API zdalnej konfiguracji Firebase . Usuniętych personalizacji nie można przywrócić. Aby dowiedzieć się więcej o przechowywaniu danych, zobacz Usuwanie danych .
Możesz także usunąć personalizacje, wycofując się lub importując szablon .
Wycofanie
Jeśli bieżący szablon zawiera personalizacje i wrócisz do szablonu, który nie ma tych samych personalizacji, personalizacje zostaną usunięte. Aby powrócić do poprzedniego szablonu, użyj konsoli Firebase lub roll back korzystając z interfejsu API zdalnej konfiguracji Firebase.
Gdy usuniesz personalizację i przywrócisz poprzedni szablon, w konsoli Firebase pojawi się odniesienie do tej nieprawidłowej personalizacji. Możesz usunąć nieprawidłową personalizację z konsoli Firebase , edytując personalizację na karcie Parametry na stronie Zdalna konfiguracja.
Import
Importowanie szablonu, który nie zawiera już Twoich bieżących personalizacji, powoduje również usunięcie tych personalizacji. Aby zaimportować szablon, użyj konsoli Firebase lub użyj interfejsu REST API Remote Config .
Następne kroki
Poznaj przypadki użycia personalizacji zdalnej konfiguracji.
Rozpocznij pracę z personalizacją Zdalnej konfiguracji.