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 यह है कि हम Google Analytics इवेंट की कुल संख्या या कुल पैरामीटर वैल्यू को ऑप्टिमाइज़ करें.
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, स्लॉट मशीनों की लाइन के सामने खड़े जुआरी का उदाहरण लिया जा सकता है. स्लॉट मशीन में एक हैंडल (या आर्म) होता है और यह आपके पैसे लेती है. इसलिए, इसे आम तौर पर "वन-आर्म्ड बैंडिट" कहा जाता है. हमें कई "आर्म" के लिए समस्या हल करनी है. इसलिए, एक आर्म वाला बैंडिट, मल्टी-आर्म 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 ज़्यादा 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 होता है. हालांकि, हम समझते हैं कि यह तरीका हमेशा काम नहीं कर सकता. इसकी एक वजह यह है कि 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 को कुछ एंट्रॉपी मिलती है. इससे "कॉन्टेक्स्ट के हिसाब से मल्टी-आर्म्ड बैंडिट" लागू होता है. एक्सपेरिमेंट के जारी रहने पर, लगातार एक्सप्लोर करने और निगरानी करने से, मॉडल को यह पता चलता है कि किन ग्रुप से उसे इनाम मिलने की सबसे ज़्यादा संभावना है. इससे मॉडल ज़्यादा असरदार हो जाता 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 बनाए गए विज्ञापनों के "आर्म्स" वे वैकल्पिक वैल्यू होंगी जिन्हें आपने उपयोगकर्ताओं को दिखाए जाने वाले अलग-अलग बैनर विज्ञापनों को दिखाने के लिए तय किया है. बैनर विज्ञापन पर क्लिक करने पर इनाम मिलता है. इसे हम मकसद कहते हैं.
जब पहली बार किसी व्यक्ति के हिसाब से अनुभव को बेहतर बनाने की सुविधा लॉन्च की जाती है, तो मॉडल को यह पता नहीं 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 उसे आपके लक्ष्य को हासिल करने की संभावना का पता चलता 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 सेटिंग के लिए, 24 घंटे की स्टिकनेस विंडो का इस्तेमाल किया जाता है. यह वह समय है जब मनमुताबिक बनाने का एल्गोरिदम, किसी एक वैकल्पिक वैल्यू की जांच करता है. आपको अपनी दिलचस्पी के हिसाब से 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.
ऐसे 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 पता चलेगा कि उपयोगकर्ता का जुड़ाव और उपयोगकर्ता की ओर से खोले गए लिंक की संख्या बढ़ी है (असल जुड़ाव) या कम हुई है (शायद बहुत ज़्यादा स्पैम वाले लिंक).
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 सुविधा की मदद से, अपने सभी लक्ष्यों को हासिल करने 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 बनाए गए कॉन्टेंट के नतीजे देखने के लिए:
Remote Config पेज खोलें और मनमुताबिक बनाएं पर क्लिक करें.
वह सेटिंग चुनें जिसे आपको देखना है. नाम या मकसद के हिसाब से, किसी खास 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 ये चीज़ें भी दिखेंगी: आपके हिसाब से खोज के नतीजों को दिखाने की सुविधा का मौजूदा स्टेटस, इस सुविधा के एट्रिब्यूट, और एक इंटरैक्टिव ग्राफ़. इस ग्राफ़ में ये चीज़ें दिखेंगी:
इसमें, दिलचस्पी के मुताबिक विज्ञापन दिखाने की सुविधा की रोज़ाना की परफ़ॉर्मेंस और कुल परफ़ॉर्मेंस की तुलना, बेसलाइन से की जाती है.
इससे पता चलता है कि बेसलाइन ग्रुप में हर वैल्यू की परफ़ॉर्मेंस कैसी है.
इसमें, लक्ष्य के नतीजे और चुनी गई अन्य मेट्रिक के हिसाब से परफ़ॉर्मेंस दिखती है. इसे खास जानकारी के सबसे ऊपर मौजूद टैब का इस्तेमाल करके ऐक्सेस किया जा सकता है.
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 डाइमेंशन मिटाए जा सकते हैं.
रोलबैक
अगर आपके मौजूदा टेंप्लेट में, आपके हिसाब से बदलाव किए गए हैं और आपने ऐसे टेंप्लेट पर वापस रोलबैक किया है जिसमें आपके हिसाब से बदलाव नहीं किए गए हैं, तो आपके हिसाब से किए गए बदलाव मिटा दिए जाएंगे. पिछले टेंप्लेट पर वापस जाने के लिए, Firebase कंसोल का इस्तेमाल करें या roll back Firebase Remote Config एपीआई का इस्तेमाल करें.
जब किसी टेंप्लेट को पसंद के मुताबिक बनाने की सुविधा को मिटाया जाता है और पिछले टेंप्लेट पर वापस लाया जाता है, तो Firebase कंसोल में, टेंप्लेट को पसंद के मुताबिक बनाने की अमान्य 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, मनमुताबिक बनाए गए मौजूदा लेआउट भी मिट जाते हैं. किसी टेंप्लेट को इंपोर्ट करने के लिए, Firebase कंसोल का इस्तेमाल करें या Remote Config REST API का इस्तेमाल करें.
अगले चरण
Remote Config मनमुताबिक अनुभव पाने की सुविधा के इस्तेमाल के उदाहरण देखें.
Remote Config मनमुताबिक बनाने की सुविधा का इस्तेमाल शुरू करें.