การปรับเปลี่ยนในแบบของคุณใช้การเรียนรู้ของเครื่อง—โดยเฉพาะอัลกอริธึมโจรหลายกลุ่มตามบริบท—เพื่อกำหนดประสบการณ์ที่ดีที่สุดสำหรับผู้ใช้แต่ละรายเพื่อให้บรรลุวัตถุประสงค์ ในกรณีของเรา วัตถุประสงค์คือการเพิ่มประสิทธิภาพสำหรับจำนวนทั้งหมดหรือค่าพารามิเตอร์รวมของเหตุการณ์ Google Analytics ที่เฉพาะเจาะจง
อัลกอริธึมโจรหลายกลุ่มตามบริบทคืออะไร
"โจรหลายฝ่าย" เป็นคำอุปมาที่ใช้อธิบายสถานการณ์ที่เราต้องการเลือกเส้นทางอย่างต่อเนื่องที่นำไปสู่รางวัลสูงสุดและน่าเชื่อถือที่สุดจากรายการเส้นทางต่างๆ เพื่อให้เห็นภาพนี้ คุณสามารถใช้คำอุปมาของนักพนันหน้าแถวเครื่องสล็อต ซึ่งมักเรียกขานกันว่า "โจรติดอาวุธ" เนื่องจากเครื่องสล็อตมีที่จับเดียว (หรือแขน) และรับเงินของคุณ เนื่องจากเราต้องการแก้ปัญหาสำหรับ "หลายกลุ่ม" โจรที่มีอาวุธเดียวจึงกลายเป็นโจร ที่มีหลายอาวุธ
ตัวอย่างเช่น สมมติว่าเรามีสามตัวเลือก และเราต้องการพิจารณาว่าตัวเลือกใดให้รางวัลที่น่าเชื่อถือที่สุด: เราสามารถลองแต่ละตัวเลือก จากนั้นหลังจากได้รับผลลัพธ์ เราก็สามารถเลือกต่อไปได้ว่าแขนที่ให้ผลตอบแทนมากที่สุด นี่คือสิ่งที่เรียกว่าอัลกอริธึม โลภ : ตัวเลือกที่ให้ผลลัพธ์ที่ดีที่สุดเมื่อเราพยายามครั้งแรกคือตัวเลือกที่เราจะเลือกต่อไป แต่เราสามารถเข้าใจได้ว่าสิ่งนี้อาจไม่ได้ผลเสมอไป ประการหนึ่ง รางวัลที่สูงอาจเป็นความบังเอิญ หรืออาจมีบริบทเฉพาะผู้ใช้ที่ส่งผลให้ได้รับรางวัลสูงขึ้นในช่วงเวลานั้นซึ่งจะไม่มีผลในภายหลัง
จึงมีการเพิ่ม บริบท เพื่อทำให้อัลกอริทึมมีประสิทธิภาพมากขึ้น สำหรับการกำหนดค่าระยะไกลส่วนบุคคล บริบทเริ่มต้นนี้คือการสุ่มตัวอย่างหรือ ความไม่แน่นอน ซึ่งให้เอนโทรปีบางอย่างแก่การทดสอบ สิ่งนี้ใช้ "โจรที่มีอาวุธหลากหลาย ตามบริบท " ในขณะที่การทดสอบยังคงดำเนินไป การสำรวจและการสังเกตอย่างต่อเนื่องจะเพิ่มบริบทการเรียนรู้จริงว่าอาวุธใดมีแนวโน้มที่จะให้รางวัลแก่โมเดลมากที่สุด ทำให้มีประสิทธิภาพมากขึ้น
สิ่งนี้หมายความว่าอย่างไรสำหรับแอปของฉัน
ตอนนี้ เรามาพูดคุยกันถึงความหมายของอัลกอริธึมสล็อตแมชชีนโจรในบริบทของแอปของคุณ สมมติว่าคุณกำลังเพิ่มประสิทธิภาพสำหรับการคลิกโฆษณาแบนเนอร์ ในกรณีนี้ "กลุ่ม" ของการปรับเปลี่ยนในแบบของคุณจะเป็น ค่าทางเลือก ที่คุณระบุเพื่อแสดงโฆษณาแบนเนอร์ต่างๆ ที่คุณต้องการแสดงต่อผู้ใช้ การคลิกโฆษณาแบนเนอร์ถือเป็นรางวัล ซึ่งเราเรียกว่า วัตถุประสงค์
เมื่อคุณเปิดใช้การตั้งค่าส่วนบุคคลเป็นครั้งแรก โมเดลจะไม่ทราบว่าค่าทางเลือกใดที่จะมีแนวโน้มที่จะบรรลุเป้าหมายของคุณสำหรับผู้ใช้แต่ละราย ขณะที่การปรับเปลี่ยนในแบบของคุณสำรวจค่าทางเลือกแต่ละค่าเพื่อทำความเข้าใจแนวโน้มที่จะบรรลุวัตถุประสงค์ของคุณ โมเดลพื้นฐานจะมีข้อมูลมากขึ้น ปรับปรุงความสามารถในการคาดการณ์และเลือกประสบการณ์ที่เหมาะสมที่สุดสำหรับผู้ใช้แต่ละคน
การปรับเปลี่ยนในแบบของคุณใช้ หน้าต่างความเหนียว เป็นเวลา 24 ชั่วโมง นี่คือระยะเวลาที่อัลกอริธึมการตั้งค่าส่วนบุคคลสำรวจค่าทางเลือกเดียว คุณควรให้เวลาการปรับเปลี่ยนในแบบของคุณเพียงพอในการสำรวจค่าทางเลือกแต่ละค่าหลายๆ ครั้ง (โดยทั่วไปประมาณ 14 วัน) ตามหลักการแล้ว คุณสามารถปล่อยให้แอปทำงานอย่างต่อเนื่องเพื่อให้แอปและพฤติกรรมผู้ใช้ของคุณเปลี่ยนแปลงได้อย่างต่อเนื่อง
ติดตามตัวชี้วัดเพิ่มเติม
การกำหนดค่าส่วนบุคคลจากระยะไกลยังให้ความสามารถในการติดตามตัววัดเพิ่มเติมได้สูงสุดสองตัว เพื่อช่วยคุณกำหนดบริบทของผลลัพธ์ สมมติว่าคุณได้พัฒนาแอปโซเชียลและได้ตั้งค่าทางเลือกต่างๆ ไว้เพื่อกระตุ้นให้ผู้ใช้แชร์เนื้อหากับเพื่อน ๆ เพื่อเพิ่มการมีส่วนร่วมโดยรวม
ในกรณีนี้ คุณอาจเลือกที่จะเพิ่มประสิทธิภาพสำหรับเหตุการณ์ Analytics เช่น link_received
และตั้งค่าเมตริกทั้งสองของคุณเป็น user_engagement
และ link_opened
เพื่อทำความเข้าใจว่าการมีส่วนร่วมของผู้ใช้และจำนวนลิงก์ที่ผู้ใช้เปิดเพิ่มขึ้น (การมีส่วนร่วมจริง) หรือลดลง (อาจมีลิงก์สแปมมากเกินไป ).
แม้ว่าการวัดเพิ่มเติมเหล่านี้จะไม่ถูกนำมาพิจารณาในอัลกอริธึมการตั้งค่าส่วนบุคคล แต่คุณสามารถติดตามการวัดเหล่านี้ควบคู่ไปกับผลลัพธ์ของการตั้งค่าส่วนบุคคลของคุณ โดยให้ข้อมูลเชิงลึกที่มีคุณค่าเกี่ยวกับความสามารถในการตั้งค่าส่วนบุคคลเพื่อให้บรรลุเป้าหมายโดยรวมของคุณ
ทำความเข้าใจผลลัพธ์การปรับเปลี่ยนในแบบของคุณ
หลังจากดำเนินการตั้งค่าส่วนบุคคลเป็นเวลานานพอที่จะรวบรวมข้อมูลแล้ว คุณสามารถดูผลลัพธ์ได้
หากต้องการดูผลลัพธ์การปรับเปลี่ยนในแบบของคุณ:
เปิด หน้า Remote Config และคลิก Personalizations
เลือกการตั้งค่าส่วนบุคคลที่คุณต้องการดู คุณสามารถค้นหาการตั้งค่าส่วนบุคคลตามชื่อหรือวัตถุประสงค์ และสามารถจัดเรียงตามชื่อ เวลาเริ่มต้น หรือการเพิ่มทั้งหมด
หน้าผลลัพธ์จะสรุป การเพิ่มทั้งหมด หรือเปอร์เซ็นต์ที่แตกต่างกันในประสิทธิภาพ ที่การปรับเปลี่ยนในแบบของคุณมีให้ในกลุ่ม พื้นฐาน
หน้าผลลัพธ์ยังแสดงสถานะปัจจุบันของการตั้งค่าส่วนบุคคล คุณลักษณะของการตั้งค่าส่วนบุคคล และกราฟเชิงโต้ตอบที่:
แสดงมุมมองรายวันโดยละเอียดและภาพรวมว่าการดำเนินการส่วนบุคคลเป็นอย่างไรเทียบกับพื้นฐาน
แสดงประสิทธิภาพของแต่ละค่าโดยรวมในกลุ่มพื้นฐาน
แสดงผลเป้าหมายและประสิทธิภาพเทียบกับตัวชี้วัดเพิ่มเติมที่คุณเลือก เข้าถึงได้โดยใช้แท็บที่ด้านบนของสรุป
การปรับเปลี่ยนในแบบของคุณสามารถทำงานได้อย่างไม่มีกำหนด และคุณสามารถกลับมาที่หน้าผลลัพธ์อีกครั้งเพื่อติดตามประสิทธิภาพได้ อัลกอริธึมจะเรียนรู้และปรับเปลี่ยนต่อไปเพื่อให้สามารถปรับเปลี่ยนได้เมื่อพฤติกรรมของผู้ใช้เปลี่ยนไป
ทำความเข้าใจเกี่ยวกับการลบการตั้งค่าส่วนบุคคล
คุณสามารถลบการปรับเปลี่ยนในแบบของคุณได้โดยใช้คอนโซล Firebase หรือโดยการลบพารามิเตอร์การปรับเปลี่ยนในแบบของคุณออกจากเทมเพลตของคุณโดยใช้ Firebase Remote Config API การปรับเปลี่ยนในแบบของคุณที่ถูกลบไม่สามารถกู้คืนได้ หากต้องการเรียนรู้เกี่ยวกับการเก็บรักษาข้อมูล โปรดดู การลบข้อมูล
คุณยังสามารถลบการตั้งค่าส่วนบุคคลได้โดย การย้อนกลับ หรือ นำเข้าเทมเพลต
การย้อนกลับ
หากเทมเพลตปัจจุบันของคุณมีการตั้งค่าส่วนบุคคล และคุณ ย้อนกลับ ไปยังเทมเพลตที่ไม่มีการตั้งค่าส่วนบุคคลเหมือนกัน การตั้งค่าส่วนบุคคลจะถูกลบ หากต้องการเปลี่ยนกลับเป็นเทมเพลตก่อนหน้า ให้ใช้คอนโซล Firebase หรือ roll back
โดยใช้ Firebase Remote Config API
เมื่อคุณลบการปรับเปลี่ยนในแบบของคุณและย้อนกลับไปยังเทมเพลตก่อนหน้า การอ้างอิงถึงการปรับเปลี่ยนในแบบของคุณที่ไม่ถูกต้องนั้นจะปรากฏในคอนโซล Firebase คุณสามารถลบการปรับเปลี่ยนในแบบของคุณที่ไม่ถูกต้องออกจาก คอนโซล Firebase ได้โดยแก้ไขการปรับเปลี่ยนในแบบของคุณในแท็บพารามิเตอร์ของหน้าการกำหนดค่าระยะไกล
นำเข้า
การนำเข้าเทมเพลตที่ไม่มีการกำหนดค่าส่วนบุคคลในปัจจุบันของคุณจะลบการกำหนดค่าส่วนบุคคลเหล่านั้นด้วย หากต้องการนำเข้าเทมเพลต ให้ใช้คอนโซล Firebase หรือใช้ Remote Config REST API
ขั้นตอนถัดไป
สำรวจ กรณีการใช้งาน การกำหนดค่าส่วนบุคคลของ Remote Config
เริ่มต้น ใช้งานการกำหนดค่าระยะไกลส่วนบุคคล