Персонализация использует машинное обучение — в частности, контекстный алгоритм многорукого бандита — для определения оптимального опыта для отдельных пользователей для достижения цели. В нашем случае целью является оптимизация общего количества или общего значения параметра конкретных событий Google Analytics.
Что такое контекстный алгоритм многорукого бандита?
«Многорукий бандит» — это метафора, используемая для описания ситуации, когда мы хотим постоянно выбирать путь, ведущий к наивысшему и наиболее надежному вознаграждению из списка нескольких путей. Чтобы визуализировать это, вы можете использовать метафору игрока перед рядом игровых автоматов, которого в просторечии часто называют «одноруким бандитом», потому что у игрового автомата есть одна ручка (или рука) и он забирает ваши деньги. Поскольку мы хотим найти решение для нескольких «рук», однорукий бандит становится многоруким бандитом.
Например, предположим, что у нас есть три варианта, и мы хотим определить, какой из них обеспечивает наиболее надежное вознаграждение: мы могли бы попробовать каждый вариант, а затем, получив результат, мы могли бы просто продолжать выбирать ту руку, которая принесла наибольшее вознаграждение. Это так называемый жадный алгоритм: тот вариант, который дает наилучший результат при первой попытке, мы и продолжим выбирать. Но мы понимаем, что это не всегда может сработать: во-первых, высокая награда может оказаться случайностью. Или, может быть, существует какой-то специфичный для пользователя контекст, который привел к более высоким вознаграждениям в этот период времени, но позже не будет столь эффективным.
Таким образом, контекст добавляется, чтобы сделать алгоритм более эффективным. Для персонализации Remote Config этим начальным контекстом является случайная выборка или неопределенность , которая придает эксперименту некоторую энтропию. Это реализует « контекстного многорукого бандита». По мере продолжения эксперимента продолжающиеся исследования и наблюдения добавляют реальный изученный контекст о том, какое оружие с наибольшей вероятностью принесет пользу модели, что делает ее более эффективной.
Что это значит для моего приложения?
Теперь давайте обсудим, что означает алгоритм многорукого бандита в контексте вашего приложения. Допустим, вы оптимизируете клики по рекламным баннерам. В этом случае «руками» персонализации будут альтернативные значения, которые вы указываете для представления различных рекламных баннеров, которые вы хотите показывать пользователям. Клик по рекламному баннеру — это награда, которую мы называем целью .
Когда вы впервые запускаете персонализацию, модель не знает, какое альтернативное значение с большей вероятностью приведет к достижению вашей цели для каждого отдельного пользователя. По мере того, как персонализация исследует каждое альтернативное значение, чтобы понять вероятность достижения вашей цели, базовая модель становится более информативной, улучшая ее способность прогнозировать и выбирать оптимальный опыт для каждого пользователя.
При персонализации используется окно закрепления продолжительностью 24 часа. Это количество времени, в течение которого алгоритм персонализации исследует одно альтернативное значение. Вам следует предоставить своим персонализациям достаточно времени, чтобы несколько раз изучить каждое альтернативное значение (обычно около 14 дней). В идеале вы можете позволить им работать постоянно, чтобы они могли постоянно совершенствоваться и адаптироваться по мере изменения вашего приложения и поведения пользователей.
Отслеживайте дополнительные показатели
Персонализация Remote Config также предоставляет возможность отслеживать до двух дополнительных показателей, чтобы помочь вам контекстуализировать ваши результаты. Допустим, вы разработали социальное приложение и установили различные альтернативные значения, чтобы побудить пользователей делиться контентом с друзьями и повысить общую вовлеченность.
В этом случае вы можете выбрать оптимизацию для события Analytics, такого как link_received , и установить две метрики user_engagement и link_opened чтобы понять, растет ли вовлеченность пользователя и количество ссылок, которые пользователь открывает (истинное взаимодействие) или падает (возможно, слишком много спам-ссылок). ).
Хотя эти дополнительные показатели не будут учитываться в алгоритме персонализации, вы можете отслеживать их вместе с результатами персонализации, предоставляя ценную информацию о способности персонализации достигать ваших общих целей.
Понимание результатов персонализации
После того как персонализация проработала достаточно долго для сбора данных, вы можете просмотреть ее результаты.
Чтобы просмотреть результаты персонализации:
Откройте страницу удаленной настройки и нажмите «Персонализация» .
Выберите персонализацию, которую хотите просмотреть. Вы можете искать конкретную персонализацию по имени или цели, а также сортировать ее по имени, времени начала или общему приросту.
На странице результатов отображается общий прирост или процентная разница в производительности, которую персонализация обеспечивает по сравнению с базовой группой.
На странице результатов также отображается текущий статус персонализации, атрибуты персонализации и интерактивный график, который:
Показывает подробный ежедневный и общий обзор эффективности персонализации по сравнению с базовым уровнем.
Показывает, как каждое значение работает в целом в базовой группе.
Отображает результаты достижения цели и производительность по сравнению с выбранными вами дополнительными показателями, доступ к которым осуществляется с помощью вкладок в верхней части сводки.
Персонализацию можно оставить активной на неопределенный срок, и вы можете продолжать повторно посещать страницу результатов, чтобы отслеживать ее производительность. Алгоритм будет продолжать учиться и корректироваться, чтобы адаптироваться при изменении поведения пользователя.
Общие сведения об удалении персонализации
Вы можете удалить персонализацию с помощью консоли Firebase или удалив параметр персонализации из вашего шаблона с помощью Firebase Remote Config API . Удаленные персонализации невозможно восстановить. Дополнительную информацию о хранении данных см. в разделе Удаление данных .
Вы также можете удалить персонализации, откатив назад или импортировав шаблон .
Откаты
Если в текущем шаблоне есть персонализации, и вы выполняете откат к шаблону, который не имеет таких персонализаций, персонализации удаляются. Чтобы вернуться к предыдущему шаблону, используйте консоль Firebase или roll back с помощью API удаленной настройки Firebase.
Когда вы удаляете персонализацию и возвращаетесь к предыдущему шаблону, в консоли Firebase появляется ссылка на эту недействительную персонализацию. Вы можете удалить недействительную персонализацию из консоли Firebase , отредактировав персонализацию на вкладке «Параметры» на странице «Удаленная конфигурация».
Импорт
Импорт шаблона, который больше не содержит ваши текущие персонализации, также удаляет эти персонализации. Чтобы импортировать шаблон, используйте консоль Firebase или REST API Remote Config .
Следующие шаги
Изучите варианты использования персонализации Remote Config.
Начните работу с персонализацией Remote Config.
Персонализация использует машинное обучение — в частности, контекстный алгоритм многорукого бандита — для определения оптимального опыта для отдельных пользователей для достижения цели. В нашем случае целью является оптимизация общего количества или общего значения параметра конкретных событий Google Analytics.
Что такое контекстный алгоритм многорукого бандита?
«Многорукий бандит» — это метафора, используемая для описания ситуации, когда мы хотим постоянно выбирать путь, ведущий к наивысшему и наиболее надежному вознаграждению из списка нескольких путей. Чтобы визуализировать это, вы можете использовать метафору игрока перед рядом игровых автоматов, которого в просторечии часто называют «одноруким бандитом», потому что у игрового автомата есть одна ручка (или рука) и он забирает ваши деньги. Поскольку мы хотим найти решение для нескольких «рук», однорукий бандит становится многоруким бандитом.
Например, предположим, что у нас есть три варианта, и мы хотим определить, какой из них обеспечивает наиболее надежное вознаграждение: мы могли бы попробовать каждый вариант, а затем, получив результат, мы могли бы просто продолжать выбирать ту руку, которая принесла наибольшее вознаграждение. Это так называемый жадный алгоритм: тот вариант, который дает наилучший результат при первой попытке, мы и продолжим выбирать. Но мы понимаем, что это не всегда может сработать: во-первых, высокая награда может оказаться случайностью. Или, может быть, существует какой-то специфичный для пользователя контекст, который привел к более высоким вознаграждениям в этот период времени, но позже не будет столь эффективным.
Таким образом, контекст добавляется, чтобы сделать алгоритм более эффективным. Для персонализации Remote Config этим начальным контекстом является случайная выборка или неопределенность , которая придает эксперименту некоторую энтропию. Это реализует « контекстного многорукого бандита». По мере продолжения эксперимента продолжающиеся исследования и наблюдения добавляют реальный изученный контекст о том, какое оружие с наибольшей вероятностью принесет пользу модели, что делает ее более эффективной.
Что это значит для моего приложения?
Теперь давайте обсудим, что означает алгоритм многорукого бандита в контексте вашего приложения. Допустим, вы оптимизируете клики по рекламным баннерам. В этом случае «руками» персонализации будут альтернативные значения, которые вы указываете для представления различных рекламных баннеров, которые вы хотите показывать пользователям. Клик по рекламному баннеру — это награда, которую мы называем целью .
Когда вы впервые запускаете персонализацию, модель не знает, какое альтернативное значение с большей вероятностью приведет к достижению вашей цели для каждого отдельного пользователя. По мере того, как персонализация исследует каждое альтернативное значение, чтобы понять вероятность достижения вашей цели, базовая модель становится более информативной, улучшая ее способность прогнозировать и выбирать оптимальный опыт для каждого пользователя.
При персонализации используется окно закрепления продолжительностью 24 часа. Это количество времени, в течение которого алгоритм персонализации исследует одно альтернативное значение. Вам следует предоставить своим персонализациям достаточно времени, чтобы несколько раз изучить каждое альтернативное значение (обычно около 14 дней). В идеале вы можете позволить им работать постоянно, чтобы они могли постоянно совершенствоваться и адаптироваться по мере изменения вашего приложения и поведения пользователей.
Отслеживайте дополнительные показатели
Персонализация Remote Config также предоставляет возможность отслеживать до двух дополнительных показателей, чтобы помочь вам контекстуализировать ваши результаты. Допустим, вы разработали социальное приложение и установили различные альтернативные значения, чтобы побудить пользователей делиться контентом с друзьями и повысить общую вовлеченность.
В этом случае вы можете выбрать оптимизацию для события Analytics, такого как link_received , и установить две метрики user_engagement и link_opened чтобы понять, растет ли вовлеченность пользователя и количество ссылок, которые пользователь открывает (истинное взаимодействие) или падает (возможно, слишком много спам-ссылок). ).
Хотя эти дополнительные показатели не будут учитываться в алгоритме персонализации, вы можете отслеживать их вместе с результатами персонализации, предоставляя ценную информацию о способности персонализации достигать ваших общих целей.
Понимание результатов персонализации
После того как персонализация проработала достаточно долго для сбора данных, вы можете просмотреть ее результаты.
Чтобы просмотреть результаты персонализации:
Откройте страницу удаленной настройки и нажмите «Персонализация» .
Выберите персонализацию, которую хотите просмотреть. Вы можете искать конкретную персонализацию по имени или цели, а также сортировать ее по имени, времени начала или общему приросту.
На странице результатов отображается общий прирост или процентная разница в производительности, которую персонализация обеспечивает по сравнению с базовой группой.
На странице результатов также отображается текущий статус персонализации, атрибуты персонализации и интерактивный график, который:
Показывает подробный ежедневный и общий обзор эффективности персонализации по сравнению с базовым уровнем.
Показывает, как каждое значение работает в целом в базовой группе.
Отображает результаты достижения цели и производительность по сравнению с выбранными вами дополнительными показателями, доступ к которым осуществляется с помощью вкладок в верхней части сводки.
Персонализацию можно оставить активной на неопределенный срок, и вы можете продолжать повторно посещать страницу результатов, чтобы отслеживать ее производительность. Алгоритм будет продолжать учиться и корректироваться, чтобы адаптироваться при изменении поведения пользователя.
Общие сведения об удалении персонализации
Вы можете удалить персонализацию с помощью консоли Firebase или удалив параметр персонализации из вашего шаблона с помощью Firebase Remote Config API . Удаленные персонализации невозможно восстановить. Дополнительную информацию о хранении данных см. в разделе Удаление данных .
Вы также можете удалить персонализации, откатив назад или импортировав шаблон .
Откаты
Если в текущем шаблоне есть персонализации, и вы выполняете откат к шаблону, который не имеет таких персонализаций, персонализации удаляются. Чтобы вернуться к предыдущему шаблону, используйте консоль Firebase или roll back с помощью API удаленной настройки Firebase.
Когда вы удаляете персонализацию и возвращаетесь к предыдущему шаблону, в консоли Firebase появляется ссылка на эту недействительную персонализацию. Вы можете удалить недействительную персонализацию из консоли Firebase , отредактировав персонализацию на вкладке «Параметры» на странице «Удаленная конфигурация».
Импорт
Импорт шаблона, который больше не содержит ваши текущие персонализации, также удаляет эти персонализации. Чтобы импортировать шаблон, используйте консоль Firebase или REST API Remote Config .
Следующие шаги
Изучите варианты использования персонализации Remote Config.
Начните работу с персонализацией Remote Config.