रिमोट कॉन्फ़िगरेशन को उपयोगकर्ता के मनमुताबिक बनाने की सुविधा के बारे में जानकारी

उपयोगकर्ता के हिसाब से बनाए जाने की सुविधा, मशीन लर्निंग का इस्तेमाल करती है. खास तौर पर, कॉन्टेक्स्ट के हिसाब से मल्टी-आर्म्ड बैंडिट एल्गोरिदम का इस्तेमाल करती है. इससे, किसी लक्ष्य को हासिल करने के लिए, अलग-अलग उपयोगकर्ताओं को सबसे अच्छा अनुभव दिया जा सकता है. हमारे मामले में, मकसद कुछ खास Google Analytics इवेंट की कुल संख्या या कुल पैरामीटर वैल्यू के लिए ऑप्टिमाइज़ करना है.

कॉन्टेक्स्ट के हिसाब से काम करने वाला मल्टी-आर्म्ड बैंडिट एल्गोरिदम क्या होता है?

"मल्टी-आर्म्ड बैंडिट" एक मेटाफ़र है. इसका इस्तेमाल ऐसी स्थिति के बारे में बताने के लिए किया जाता है जहां हमें कई रास्तों की सूची में से, लगातार ऐसा रास्ता चुनना होता है जिससे सबसे ज़्यादा और भरोसेमंद इनाम मिलें. इसे समझने के लिए, कैसिनो में स्लॉट मशीनों के सामने बैठे जुआरी का उदाहरण लिया जा सकता है. स्लॉट मशीन को आम तौर पर "वन-आर्म्ड बैंडिट" कहा जाता है, क्योंकि इसमें एक हैंडल (या आर्म) होता है और यह आपके पैसे ले लेता है. हमें कई "आर्म" के लिए समस्या हल करनी है. इसलिए, एक आर्म वाला बैंडिट, कई आर्म वाला बैंडिट बन जाता है.

उदाहरण के लिए, मान लें कि हमारे पास तीन विकल्प हैं और हमें यह तय करना है कि इनमें से कौनसा विकल्प सबसे भरोसेमंद इनाम देता है: हम हर विकल्प को आज़मा सकते हैं. इसके बाद, नतीजे मिलने पर हम सिर्फ़ उस विकल्प को चुन सकते हैं जिससे हमें सबसे ज़्यादा इनाम मिले. इसे ग्रीडी एल्गोरिदम कहा जाता है: जब हम पहली बार किसी विकल्प को आज़माते हैं, तो हमें सबसे अच्छा नतीजा देने वाले विकल्प को ही चुनते रहना चाहिए. हालांकि, हम समझते हैं कि ऐसा हमेशा नहीं होता. उदाहरण के लिए, ज़्यादा इनाम मिलना एक संयोग हो सकता है. ऐसा भी हो सकता है कि उपयोगकर्ता से जुड़े किसी कॉन्टेक्स्ट की वजह से, उस समयावधि के दौरान ज़्यादा इनाम मिले हों. हालांकि, बाद में ऐसा नहीं होगा.

इसलिए, एल्गोरिदम को ज़्यादा असरदार बनाने के लिए, कॉन्टेक्स्ट जोड़ा जाता है. Remote Config निजीकरण के लिए, यह शुरुआती कॉन्टेक्स्ट रैंडम सैंपलिंग या अनिश्चितता है. इससे एक्सपेरिमेंट में कुछ एंट्रॉपी मिलती है. इससे "कॉन्टेक्स्ट के हिसाब से काम करने वाला मल्टी-आर्म्ड बैंडिट" लागू होता है. एक्सपेरिमेंट के जारी रहने पर, लगातार एक्सप्लोर करने और निगरानी करने से, मॉडल को यह समझने में मदद मिलती है कि कौनसे ग्रुप से इनाम मिलने की संभावना सबसे ज़्यादा है. इससे मॉडल ज़्यादा असरदार बनता है.

मेरे ऐप्लिकेशन पर इसका क्या असर पड़ेगा?

अब बात करते हैं कि आपके ऐप्लिकेशन के हिसाब से, मल्टी-आर्म्ड बैंडिट एल्गोरिदम का क्या मतलब है. मान लें कि आपको बैनर विज्ञापन पर मिलने वाले क्लिक को ऑप्टिमाइज़ करना है. इस मामले में, लोगों की दिलचस्पी के हिसाब से विज्ञापन दिखाने की सुविधा के "आर्म्स" वे वैकल्पिक वैल्यू होंगी जिन्हें आपने लोगों को दिखाए जाने वाले अलग-अलग बैनर विज्ञापनों को दिखाने के लिए तय किया है. बैनर विज्ञापन पर क्लिक करने से इनाम मिलता है. इसे हम मकसद कहते हैं.

जब पहली बार किसी सुविधा को लोगों की दिलचस्पी के हिसाब से बनाया जाता है, तो मॉडल को यह नहीं पता होता कि हर व्यक्ति के लिए, कौनसी वैकल्पिक वैल्यू आपके लक्ष्य को हासिल करने में ज़्यादा मदद करेगी. उपयोगकर्ता के हिसाब से बनाए जाने की सुविधा, हर विकल्प की वैल्यू का आकलन करती है. इससे यह पता चलता है कि आपके लक्ष्य को हासिल करने की कितनी संभावना है. साथ ही, इससे मॉडल को ज़्यादा जानकारी मिलती है. इससे मॉडल, हर उपयोगकर्ता के लिए सबसे अच्छा अनुभव चुनने और उसका अनुमान लगाने की अपनी क्षमता को बेहतर बना पाता है.

मनमुताबिक बनाने की सुविधा, 24 घंटे की स्टिकनेस विंडो का इस्तेमाल करती है. यह वह समय है जब मनमुताबिक बनाने का एल्गोरिदम, किसी एक वैकल्पिक वैल्यू की जांच करता है. आपको मनमुताबिक बनाए गए सुझावों को, हर विकल्प को कई बार एक्सप्लोर करने के लिए काफ़ी समय देना चाहिए. आम तौर पर, इसमें करीब 14 दिन लगते हैं. आदर्श रूप से, आपको उन्हें हमेशा चलने देना चाहिए, ताकि वे आपके ऐप्लिकेशन और उपयोगकर्ता के व्यवहार में बदलाव होने पर, लगातार बेहतर हो सकें और उसके मुताबिक काम कर सकें.

अन्य मेट्रिक ट्रैक करना

Remote Config की मदद से, दो अतिरिक्त मेट्रिक को भी ट्रैक किया जा सकता है. इससे आपको अपने नतीजों को बेहतर तरीके से समझने में मदद मिलती है. मान लें कि आपने एक सोशल ऐप्लिकेशन बनाया है और आपने अलग-अलग वैल्यू सेट की हैं, ताकि लोगों को अपने दोस्तों के साथ कॉन्टेंट शेयर करने के लिए बढ़ावा दिया जा सके. इससे, ऐप्लिकेशन में लोगों की दिलचस्पी बढ़ेगी.

इस मामले में, Analytics जैसे किसी इवेंट के लिए ऑप्टिमाइज़ किया जा सकता है link_received और अपनी दो मेट्रिक को user_engagement और link_opened पर सेट किया जा सकता है. इससे यह समझने में मदद मिलेगी कि उपयोगकर्ता की दिलचस्पी और उपयोगकर्ता के खोले गए लिंक की संख्या में बढ़ोतरी (असल दिलचस्पी) हुई है या गिरावट (शायद बहुत ज़्यादा स्पैम वाले लिंक) आई है.

इन अतिरिक्त मेट्रिक को, मनमुताबिक बनाने वाले एल्गोरिदम में शामिल नहीं किया जाएगा. हालांकि, इन्हें मनमुताबिक बनाने के नतीजों के साथ-साथ ट्रैक किया जा सकता है. इससे, मनमुताबिक बनाने की प्रोसेस के ज़रिए अपने सभी लक्ष्यों को हासिल करने की क्षमता के बारे में अहम जानकारी मिलती है.

मनमुताबिक़ बनाने की सुविधा के नतीजों को समझना

जब मनमुताबिक बनाने की सुविधा का इस्तेमाल काफ़ी समय तक किया जाता है, तब डेटा इकट्ठा हो जाता है. इसके बाद, आपको इसके नतीजे दिख सकते हैं.

मनमुताबिक़ खोज नतीजे देखने के लिए:

  1. Firebase कंसोल में, DevOps और जुड़ाव > रिमोट कॉन्फ़िगरेशन > Personalizations पेज पर जाएं.

  2. अपनी पसंद के मुताबिक बनाए गए जिस अनुभव को देखना है उसे चुनें. नाम या मकसद के हिसाब से, दिलचस्पी के मुताबिक विज्ञापन दिखाने की सुविधा को खोजा जा सकता है. साथ ही, इसे नाम, शुरू होने का समय या कुल लिफ़्ट के हिसाब से क्रम से लगाया जा सकता है.

नतीजे वाले पेज पर, कुल लिफ़्ट या परफ़ॉर्मेंस में फ़ीसदी अंतर की खास जानकारी दी जाती है. यह अंतर, मनमुताबिक बनाए गए ग्रुप की परफ़ॉर्मेंस और बेसलाइन ग्रुप की परफ़ॉर्मेंस के बीच होता है.

नतीजे वाले पेज पर, आपको मनमुताबिक बनाने की सुविधा की मौजूदा स्थिति, इस सुविधा के एट्रिब्यूट, और एक इंटरैक्टिव ग्राफ़ भी दिखेगा. इस ग्राफ़ में ये चीज़ें शामिल होंगी:

  • इसमें, हर दिन और कुल मिलाकर, दिलचस्पी के मुताबिक विज्ञापन दिखाने की सुविधा की परफ़ॉर्मेंस की तुलना बेसलाइन से की जाती है.

  • इससे पता चलता है कि बेसलाइन ग्रुप में हर वैल्यू की परफ़ॉर्मेंस कैसी है.

  • इसमें, आपके चुने गए लक्ष्यों के नतीजे और परफ़ॉर्मेंस दिखती है. साथ ही, इसमें आपकी चुनी गई अन्य मेट्रिक की परफ़ॉर्मेंस भी दिखती है. इन मेट्रिक को ऐक्सेस करने के लिए, खास जानकारी के सबसे ऊपर मौजूद टैब का इस्तेमाल करें.

मनमुताबिक बनाने की सुविधा को अनिश्चित काल तक चालू रखा जा सकता है. साथ ही, इसकी परफ़ॉर्मेंस को मॉनिटर करने के लिए, नतीजों वाले पेज पर दोबारा जाया जा सकता है. एल्गोरिदम लगातार सीखता रहेगा और उसमें बदलाव होता रहेगा, ताकि उपयोगकर्ता के व्यवहार में बदलाव होने पर वह उसके हिसाब से काम कर सके.

मनमुताबिक बनाने की सुविधा के लिए इस्तेमाल किया गया डेटा मिटाने के बारे में जानकारी

Firebase कंसोल का इस्तेमाल करके या Firebase Remote Config एपीआई का इस्तेमाल करके, अपने टेंप्लेट से दिलचस्पी के मुताबिक बनाए गए अनुभव के पैरामीटर को हटाकर, दिलचस्पी के मुताबिक बनाए गए अनुभव को मिटाया जा सकता है. मिटाई गई सेटिंग को वापस नहीं लाया जा सकता. डेटा के रखरखाव के बारे में जानने के लिए, डेटा मिटाना लेख पढ़ें.

पहले जैसा करके या कोई टेंप्लेट इंपोर्ट करके भी, मनमुताबिक बनाए गए डैशबोर्ड मिटाए जा सकते हैं.

रोलबैक

अगर आपके मौजूदा टेंप्लेट में मनमुताबिक बनाए गए बदलाव हैं और आपने ऐसे टेंप्लेट पर वापस रोलबैक किया है जिसमें मनमुताबिक बनाए गए बदलाव नहीं हैं, तो मनमुताबिक बनाए गए बदलाव मिटा दिए जाते हैं. पिछले टेंप्लेट पर वापस जाने के लिए, Firebase कंसोल का इस्तेमाल करें या roll back Firebase Remote Config एपीआई का इस्तेमाल करें.

जब आप किसी पसंद के मुताबिक बनाई गई सुविधा को मिटाते हैं और पिछले टेंप्लेट पर रोल बैक करते हैं, तो Firebase कंसोल में, उस अमान्य पसंद के मुताबिक बनाई गई सुविधा का रेफ़रंस दिखता है. Firebase कंसोल में जाकर, अमान्य तरीके से की गई दिलचस्पी के मुताबिक विज्ञापन दिखाने की सुविधा को हटाया जा सकता है. इसके लिए, Remote Config पेज के पैरामीटर टैब में जाकर, दिलचस्पी के मुताबिक विज्ञापन दिखाने की सुविधा में बदलाव करें.

आयात

ऐसे टेंप्लेट को इंपोर्ट करने पर, आपकी मौजूदा मनमुताबिक सेटिंग भी मिट जाती हैं जिनमें वे सेटिंग शामिल नहीं होती हैं. किसी टेंप्लेट को इंपोर्ट करने के लिए, Firebase कंसोल का इस्तेमाल करें या Remote Config REST API का इस्तेमाल करें.

अगले चरण