個性化使用機器學習（特別是上下文多臂老虎機算法）來確定單個用戶實現目標的最佳體驗。在我們的例子中，目標是優化特定 Google Analytics 事件的總數或總參數值。
什麼是上下文多臂老虎機算法？
“多臂老虎機”是一個比喻，用來描述這樣的情況：我們希望不斷地從多條路徑列表中選擇一條通向最高、最可靠獎勵的路徑。為了形象化這一點，你可以使用一排老虎機前的賭徒的比喻——通常通俗地稱為“單臂強盜”，因為老虎機有一個手柄（或手臂）並拿走你的錢。由於我們想要解決多個“手臂”的問題，因此單臂老虎機變成了多臂老虎機。
例如，假設我們有三個選項，我們想確定哪個提供最可靠的獎勵：我們可以嘗試每個選項，然後在收到結果後，我們可以繼續選擇產生最多獎勵的手臂。這就是所謂的貪婪算法：當我們第一次嘗試時產生最佳結果的選項是我們將繼續選擇的選項。但我們可以理解，這可能並不總是有效——一方面，高獎勵可能是僥倖。或者，可能有一些特定於用戶的上下文在該時間段內帶來了更高的獎勵，但之後就不再那麼有效了。
因此添加上下文以使算法更有效。對於遠程配置個性化，這個初始上下文是隨機採樣或不確定性，它為實驗提供了一些熵。這實現了“上下文多臂老虎機”。隨著實驗的繼續進行，持續的探索和觀察會增加真實的學習背景，了解哪些手臂最有可能給模型帶來獎勵，從而使其更加有效。
這對我的應用程序意味著什麼？
現在，我們來討論一下多臂老虎機算法在您的應用程序中意味著什麼。假設您正在針對橫幅廣告點擊進行優化。在這種情況下，個性化的“手臂”將是您指定的替代值，用於代表您想要向用戶顯示的不同橫幅廣告。橫幅廣告點擊就是獎勵，我們稱之為目標。
當您第一次啟動個性化時，模型不知道哪種替代值更有可能實現每個用戶的目標。隨著個性化探索每個替代值以了解實現目標的可能性，底層模型會變得更加知情，從而提高其為每個用戶預測和選擇最佳體驗的能力。
個性化使用 24 小時的粘性窗口。這是個性化算法探索單個替代值的時間量。您應該為您的個性化提供足夠的時間來多次探索每個替代值（通常大約 14 天）。理想情況下，您可以讓它們永久運行，以便它們可以隨著您的應用程序和用戶行為的變化而不斷改進和適應。
跟踪其他指標
遠程配置個性化還提供跟踪最多兩個附加指標的能力，以幫助您將結果與背景聯繫起來。假設您開發了一款社交應用程序並設置了不同的替代值來鼓勵用戶與朋友分享內容以提高整體參與度。
在這種情況下，您可以選擇針對link_received等 Analytics 事件進行優化，並將兩個指標設置為user_engagement和link_opened ，以了解用戶參與度和用戶打開的鏈接數量是上升（真實參與度）還是下降（可能是垃圾鏈接過多） ）。
雖然這些附加指標不會納入個性化算法，但您可以將它們與個性化結果一起跟踪，從而為個性化實現總體目標的能力提供有價值的見解。
了解個性化結果
當個性化運行足夠長的時間來收集數據後，您可以查看其結果。
查看個性化結果：
結果頁面總結了個性化相對於基準組提供的總提升或性能差異百分比。
結果頁面還顯示個性化的當前狀態、個性化的屬性以及交互式圖表：
顯示個性化如何相對於基線執行的詳細每日和總體視圖。
顯示每個值在基準組中的總體表現。
根據您選擇的其他指標顯示目標結果和績效，可使用摘要頂部的選項卡進行訪問。
個性化可以無限期地運行，您可以繼續重新訪問結果頁面以監控其性能。算法會不斷學習和調整，以便在用戶行為發生變化時能夠適應。
了解個性化刪除
您可以使用 Firebase 控制台刪除個性化設置，也可以使用Firebase 遠程配置 API從模板中刪除個性化參數。刪除的個性化設置無法恢復。要了解數據保留，請參閱數據刪除。
回滾
如果您當前的模板具有個性化設置，並且您回滾到不具有相同個性化設置的模板，則個性化設置將被刪除。要恢復到以前的模板，請使用 Firebase 控制台或使用 Firebase 遠程配置 API roll back 。
當您刪除個性化設置並回滾到之前的模板時，Firebase 控制台中會顯示對該無效個性化設置的引用。您可以通過在“遠程配置”頁面的“參數”選項卡中編輯個性化設置，從Firebase 控制台中刪除無效的個性化設置。
進口
導入不再包含當前個性化設置的模板也會刪除這些個性化設置。要導入模板，請使用 Firebase 控制台或使用Remote Config REST API 。
下一步
,個性化使用機器學習（特別是上下文多臂老虎機算法）來確定單個用戶實現目標的最佳體驗。在我們的例子中，目標是優化特定 Google Analytics 事件的總數或總參數值。
什麼是上下文多臂老虎機算法？
“多臂老虎機”是一個比喻，用來描述這樣的情況：我們希望不斷地從多條路徑列表中選擇一條通向最高、最可靠獎勵的路徑。為了形象化這一點，你可以使用一排老虎機前的賭徒的比喻——通常通俗地稱為“單臂強盜”，因為老虎機有一個手柄（或手臂）並拿走你的錢。由於我們想要解決多個“手臂”的問題，因此單臂老虎機變成了多臂老虎機。
例如，假設我們有三個選項，我們想確定哪個提供最可靠的獎勵：我們可以嘗試每個選項，然後在收到結果後，我們可以繼續選擇產生最多獎勵的手臂。這就是所謂的貪婪算法：當我們第一次嘗試時產生最佳結果的選項是我們將繼續選擇的選項。但我們可以理解，這可能並不總是有效——一方面，高獎勵可能是僥倖。或者，可能有一些特定於用戶的上下文在該時間段內帶來了更高的獎勵，但之後就不再那麼有效了。
因此添加上下文以使算法更有效。對於遠程配置個性化，這個初始上下文是隨機採樣或不確定性，它為實驗提供了一些熵。這實現了“上下文多臂老虎機”。隨著實驗的繼續進行，持續的探索和觀察會增加真實的學習背景，了解哪些手臂最有可能給模型帶來獎勵，從而使其更加有效。
這對我的應用程序意味著什麼？
現在，我們來討論一下多臂老虎機算法在您的應用程序中意味著什麼。假設您正在針對橫幅廣告點擊進行優化。在這種情況下，個性化的“手臂”將是您指定的替代值，用於代表您想要向用戶顯示的不同橫幅廣告。橫幅廣告點擊就是獎勵，我們稱之為目標。
當您第一次啟動個性化時，模型不知道哪種替代值更有可能實現每個用戶的目標。隨著個性化探索每個替代值以了解實現目標的可能性，底層模型會變得更加知情，從而提高其為每個用戶預測和選擇最佳體驗的能力。
個性化使用 24 小時的粘性窗口。這是個性化算法探索單個替代值的時間量。您應該為您的個性化提供足夠的時間來多次探索每個替代值（通常大約 14 天）。理想情況下，您可以讓它們永久運行，以便它們可以隨著您的應用程序和用戶行為的變化而不斷改進和適應。
跟踪其他指標
遠程配置個性化還提供跟踪最多兩個附加指標的能力，以幫助您將結果與背景聯繫起來。假設您開發了一款社交應用程序並設置了不同的替代值來鼓勵用戶與朋友分享內容以提高整體參與度。
在這種情況下，您可以選擇針對link_received等 Analytics 事件進行優化，並將兩個指標設置為user_engagement和link_opened ，以了解用戶參與度和用戶打開的鏈接數量是上升（真實參與度）還是下降（可能是垃圾鏈接過多） ）。
雖然這些附加指標不會納入個性化算法，但您可以將它們與個性化結果一起跟踪，從而為個性化實現總體目標的能力提供有價值的見解。
了解個性化結果
當個性化運行足夠長的時間來收集數據後，您可以查看其結果。
查看個性化結果：
結果頁面總結了個性化相對於基準組提供的總提升或性能差異百分比。
結果頁面還顯示個性化的當前狀態、個性化的屬性以及交互式圖表：
顯示個性化如何相對於基線執行的詳細每日和總體視圖。
顯示每個值在基準組中的總體表現。
根據您選擇的其他指標顯示目標結果和績效，可使用摘要頂部的選項卡進行訪問。
個性化可以無限期地運行，您可以繼續重新訪問結果頁面以監控其性能。算法會不斷學習和調整，以便在用戶行為發生變化時能夠適應。
了解個性化刪除
您可以使用 Firebase 控制台刪除個性化設置，也可以使用Firebase 遠程配置 API從模板中刪除個性化參數。刪除的個性化設置無法恢復。要了解數據保留，請參閱數據刪除。
回滾
如果您當前的模板具有個性化設置，並且您回滾到不具有相同個性化設置的模板，則個性化設置將被刪除。要恢復到以前的模板，請使用 Firebase 控制台或使用 Firebase 遠程配置 API roll back 。
當您刪除個性化設置並回滾到之前的模板時，Firebase 控制台中會顯示對該無效個性化設置的引用。您可以通過在“遠程配置”頁面的“參數”選項卡中編輯個性化設置，從Firebase 控制台中刪除無效的個性化設置。
進口
導入不再包含當前個性化設置的模板也會刪除這些個性化設置。要導入模板，請使用 Firebase 控制台或使用Remote Config REST API 。