ऐप्लिकेशन को उपयोगकर्ता के मनमुताबिक बनाने के लिए, मशीन लर्निंग का इस्तेमाल किया जाता है—खास तौर पर कॉन्टेक्स्चुअल मल्टी-आर्म्ड बैंडिट एल्गोरिदम—से तय करते हैं कि अलग-अलग उपयोगकर्ताओं को किसी मकसद को पूरा करने का सबसे अच्छा अनुभव मिलेगा या नहीं. हमारे मामले में, इसका मकसद कुल संख्या या Google Analytics के किसी इवेंट की पैरामीटर वैल्यू.
प्रासंगिक मल्टी-आर्म्ड बैंडिट एल्गोरिदम क्या है?
"मल्टी-आर्म्ड बैंडिट" का इस्तेमाल उस स्थिति के बारे में बताने के लिए किया जाता है जिसमें लगातार ऐसा रास्ता चुनना चाहते हैं जो सबसे ऊंचे और सबसे भरोसेमंद कई पाथ की सूची से इनाम. इसे विज़ुअलाइज़ करने के लिए, स्लॉट मशीन की पंक्ति के सामने जुआ खेलने वाले व्यक्ति की मिसाल. आम तौर पर, यह बोलचाल में इस्तेमाल होती है इसे "वन-आर्म्ड बैंडिट" कहा जाता है क्योंकि स्लॉट मशीन का एक हैंडल होता है (या आपके पैसे लेती हैं. क्योंकि हम कई समस्याओं को हल करना चाहते हैं, "हथियार," वन-आर्म्ड बैंडिट मल्टी-आर्म्ड बैंडिट बन जाता है.
उदाहरण के लिए, मान लें कि हमारे पास तीन विकल्प हैं और हम यह जानना चाहते हैं कि सबसे भरोसेमंद इनाम है: हम हर विकल्प आज़मा सकते हैं और फिर नतीजे, हम सबसे ज़्यादा इनाम देने वाले ग्रुप को चुनना जारी रख सकते हैं. यह उसे लालची एल्गोरिदम कहा जाता है: वह विकल्प जो सबसे अच्छा पहली बार कोशिश करने के बाद ही, हम इसी नतीजे को चुनते हैं. हालांकि, हम ऐसा कर सकते हैं ध्यान रहे कि ऐसा हो सकता है कि यह हमेशा कारगर न हो—एक बात के लिए, सबसे बड़ा इनाम कभी-कभी ऐसा हो सकता है. इसके अलावा, यह भी हो सकता है कि किसी उपयोगकर्ता के खास संदर्भ की वजह से ऐसा हुआ हो ज़्यादा इनाम वाले ऑफ़र मिलेंगे, जो बाद में उतने प्रभावी नहीं हैं.
इसलिए, एल्गोरिदम को ज़्यादा असरदार बनाने के लिए संदर्भ जोड़ा जाता है. इसके लिए रिमोट कॉन्फ़िगरेशन को उपयोगकर्ता के मनमुताबिक बनाने की प्रोसेस के दौरान, फ़िलहाल यह शुरुआती संदर्भ रैंडम सैंपलिंग है. या अनिश्चितता है, जिससे प्रयोग को कुछ एंट्रॉपी मिलती है. यह लागू करता है "संदर्भ के हिसाब से मल्टी-आर्म्ड बैंडिट." एक्सपेरिमेंट चलने के दौरान, लगातार होने वाले एक्सप्लोरेशन और निगरानी से मिले नतीजों के आधार पर, यह पता चलता है कि कौनसे आर्म सबसे ज़्यादा संभावना है कि मॉडल को इनाम दिया जाए, जिससे वह ज़्यादा असरदार हो जाता है.
मेरे ऐप्लिकेशन पर इसका क्या असर पड़ेगा?
आइए, अब इस बारे में बात करते हैं कि मल्टी-आर्म्ड बैंडिट एल्गोरिदम का क्या मतलब है आपका ऐप्लिकेशन. मान लें कि आपको बैनर विज्ञापन पर क्लिक के लिए ऑप्टिमाइज़ करना है. इस मामले में, "हथियार" कॉन्टेंट को उपयोगकर्ता के मनमुताबिक बनाने की प्रोसेस में, वे वैकल्पिक वैल्यू होंगी जिन्हें आपने तय किया है उन अलग-अलग बैनर विज्ञापनों को दिखाते हैं जिन्हें आप उपयोगकर्ताओं को दिखाना चाहते हैं. बैनर विज्ञापन क्लिक एक इनाम होता है, जिसे हम मकसद कहते हैं.
जब उपयोगकर्ता पहली बार कॉन्टेंट को उपयोगकर्ता के मनमुताबिक बनाने की प्रोसेस लॉन्च करता है, तो मॉडल को यह पता नहीं होता कि वह वैकल्पिक वैल्यू से हर व्यक्ति के लिए आपका लक्ष्य हासिल करने की संभावना ज़्यादा होगी उपयोगकर्ता. कॉन्टेंट को उपयोगकर्ता के मनमुताबिक बनाने की प्रोसेस में, हर वैकल्पिक वैल्यू को एक्सप्लोर किया जाता है. इससे, आपके लक्ष्य तक पहुंचने की संभावना कम होती है, तो बुनियादी मॉडल आपकी मदद करेगा साथ ही, सभी के लिए सही अनुभव का अनुमान लगाने और उसे चुनने की क्षमता में सुधार करना एक उपयोगकर्ता के तौर पर उपलब्ध है.
मनमुताबिक बनाने की सुविधा 24 घंटे की स्टिकनेस विंडो का इस्तेमाल करती है. इतनी रकम समय. आपने लोगों तक पहुंचाया मुफ़्त में इससे आपको हर विकल्प को एक्सप्लोर करने के लिए, मनमुताबिक बनाने की प्रोसेस को पूरा समय मिल जाएगा वैल्यू को कई बार डालें (आम तौर पर, करीब 14 दिन). आम तौर पर, उन्हें चलने दिया जा सकता है ताकि वे लगातार बेहतर हो सकें और आपके ऐप्लिकेशन और उपयोगकर्ता के हिसाब से ढल सकें व्यवहार बदलता है.
अतिरिक्त मेट्रिक ट्रैक करें
रिमोट कॉन्फ़िगरेशन को उपयोगकर्ता के मनमुताबिक बनाने की सुविधा से, दो विकल्पों को ट्रैक किया जा सकता है अतिरिक्त मेट्रिक का इस्तेमाल किया जा सकता है, ताकि आपको खोज के हिसाब से नतीजे मिल सकें. मान लें कि आपने सोशल मीडिया ऐप्लिकेशन डेवलप किया है और उसे बढ़ावा देने के लिए अलग-अलग वैल्यू सेट की हैं ताकि यूज़र ऐक्टिविटी में बढ़ोतरी हो और लोग अपने दोस्तों के साथ कॉन्टेंट शेयर कर सकें.
इस मामले में, किसी Analytics इवेंट के लिए ऑप्टिमाइज़ करने का विकल्प चुना जा सकता है, जैसे कि
link_received और अपनी दोनों मेट्रिक को user_engagement पर सेट करें और
link_opened यह समझने के लिए कि उपयोगकर्ता का जुड़ाव और कितने लिंक
उपयोगकर्ता के खुलने में बढ़त (असल में दिलचस्पी) या गिरावट (स्पैम वाले बहुत ज़्यादा लिंक) हो सकते हैं.
कॉन्टेंट को उपयोगकर्ता के मनमुताबिक बनाने की प्रोसेस में, इन अतिरिक्त मेट्रिक को शामिल नहीं किया जाएगा एल्गोरिदम की मदद से, उन्हें अपने हिसाब से खोज के नतीजों के साथ ट्रैक किया जा सकता है. लोगों के अनुभव को बेहतर बनाने के लिए, ट्रैक किया जा सकता है.
दिलचस्पी के मुताबिक विज्ञापन देखने से जुड़े नतीजों को समझना
जब मनमुताबिक अनुभव पाने की सुविधा का इस्तेमाल करके, डेटा इकट्ठा किया जा रहा हो, तब ये काम किए जा सकते हैं इसके परिणाम देखें.
मनमुताबिक नतीजे देखने के लिए:
रिमोट कॉन्फ़िगरेशन पेज खोलें और क्लिक करें मनमुताबिक बनाना.
मनमुताबिक बनाने की वह सुविधा चुनें जिसे आपको देखना है. आप खोज सकते हैं ऐप्लिकेशन को नाम या मकसद के हिसाब से मनमुताबिक बनाया जा सकता है. साथ ही, उसे नाम, शुरू होने का समय या कुल लिफ़्ट.
नतीजों के पेज पर कुल लिफ़्ट या प्रतिशत में अंतर की खास जानकारी होती है परफ़ॉर्मेंस को मनमुताबिक बनाने की सुविधा बेसलाइन ग्रुप पर उपलब्ध कराती है.
नतीजों वाले पेज पर, कॉन्टेंट को उपयोगकर्ता के मनमुताबिक बनाने की प्रोसेस की मौजूदा स्थिति भी दिखती है, साथ ही, एक इंटरैक्टिव ग्राफ़ भी होना चाहिए जिसमें:
इससे हर दिन की पूरी जानकारी मिलती है. साथ ही, यह भी पता चलता है कि मनमुताबिक बनाने की सुविधा की परफ़ॉर्मेंस कैसी रही बेसलाइन के साथ भी तुलना कर सकते हैं.
इससे पता चलता है कि बेसलाइन ग्रुप में हर वैल्यू, कुल मिलाकर कैसा परफ़ॉर्म करती है.
आपकी अतिरिक्त मेट्रिक के हिसाब से, लक्ष्य के नतीजों और परफ़ॉर्मेंस की जानकारी दिखाता है जवाब के सबसे ऊपर मौजूद टैब का इस्तेमाल करके, इसे ऐक्सेस किया जा सकता है.
कॉन्टेंट को मनमुताबिक बनाने की सेटिंग को हमेशा के लिए हटाया जा सकता है. साथ ही, इसे जारी रखा जा सकता है तो उस पेज पर दोबारा जाएं. एल्गोरिदम प्रोसेस होता रहेगा सीखने और अडजस्ट करने के लिए किया जा सकता है, ताकि उपयोगकर्ता के व्यवहार में बदलाव होने पर यह उसे बदल सके.
दिलचस्पी के मुताबिक कॉन्टेंट मिटाने के बारे में जानकारी
Firebase कंसोल का इस्तेमाल करके, ऐप्लिकेशन या उसके कॉन्टेंट को उपयोगकर्ता के मनमुताबिक बनाने की प्रोसेस को मिटाया जा सकता है. इसका इस्तेमाल करके आपके टेंप्लेट से, उपयोगकर्ता के हिसाब से बनाने की सुविधा का पैरामीटर इस्तेमाल किया जा सकता है Firebase रिमोट कॉन्फ़िगरेशन एपीआई. मिटाए गए मनमुताबिक बनाने की सुविधा वापस नहीं लाई जा सकती. डेटा के रखरखाव के बारे में जानने के लिए, यहां जाएं डेटा मिटाना.
मनमुताबिक बनाने की सुविधा को रोल आउट करके भी मिटाया जा सकता है वापस या किसी फ़ाइल या सुविधा को टेंप्लेट के बारे में ज़्यादा जानें.
रोलबैक
अगर आपके मौजूदा टेंप्लेट को मनमुताबिक बनाया गया है और
वापस कर सकते हैं, जिसमें
मनमुताबिक बनाने के विकल्प एक तरह के होते हैं, तो मनमुताबिक बनाने के विकल्प मिटा दिए जाते हैं. वापस लाने के लिए
तो Firebase कंसोल का इस्तेमाल करें या
roll back
Firebase रिमोट कॉन्फ़िगरेशन एपीआई का इस्तेमाल करके.
जब मनमुताबिक बनाने की सेटिंग मिटाई जाती है और पिछले टेंप्लेट पर रोल बैक किया जाता है, तो मनमुताबिक बनाने की उस अमान्य प्रक्रिया का संदर्भ Firebase कंसोल में दिखाई देता है. आप अमान्य वैयक्तिकरण को यहां से निकाल सकते हैं: Firebase कंसोल के लिए, रिमोट कॉन्फ़िगरेशन पेज के पैरामीटर टैब में, अनुभव को मनमुताबिक बनाने की सुविधा का इस्तेमाल करें.
आयात
ऐसा टेंप्लेट इंपोर्ट करना जिसमें अब मनमुताबिक बनाने की आपकी मौजूदा सेटिंग लागू नहीं हैं उन वैयक्तिकरणों को हटाता है. टेंप्लेट इंपोर्ट करने के लिए, Firebase कंसोल का इस्तेमाल करने के बारे में जानें या इसका इस्तेमाल करें रिमोट कॉन्फ़िगरेशन REST API.
अगले चरण
रिमोट कॉन्फ़िगरेशन को उपयोगकर्ता के मनमुताबिक बनाने की सुविधा के बारे में जानें इस्तेमाल के उदाहरण बताए गए हैं.
इनके साथ शुरू करें रिमोट कॉन्फ़िगरेशन को उपयोगकर्ता के मनमुताबिक बनाना.