התאמה אישית מתבססת על למידת מכונה – ספציפית על אלגוריתם של שודד רב-זרועות בהקשר – כדי לקבוע את חוויית השימוש האופטימלית למשתמשים ספציפיים להשגת מטרה. במקרה שלנו, המטרה היא לבצע אופטימיזציה למספר הכולל או לערך הפרמטר הכולל של אירועים ספציפיים מסוג Google Analytics.
מהו אלגוריתם של שודד עם כמה זרועות בהקשר?
המונח 'שודד עם כמה ידיים' הוא מטאפורה שמתארת מצב שבו אנחנו רוצים לבחור באופן מתמשך נתיב שמוביל לתגמולים הכי גבוהים והכי מהימנים מתוך רשימה של כמה נתיבים. כדי להמחיש את זה, אפשר להשתמש במטפורה של מהמר שעומד מול שורה של מכונות מזל – מכונות מזל נקראות לעיתים קרובות "שודד עם יד אחת" כי יש להן ידית אחת (או זרוע) והן לוקחות את הכסף שלכם. מכיוון שאנחנו רוצים לפתור את הבעיה של מספר "זרועות", מכונת המזל עם הזרוע האחת הופכת למכונת מזל עם מספר זרועות.
לדוגמה, נניח שיש לנו שלוש אפשרויות ואנחנו רוצים לקבוע איזו מהן מספקת את התגמול הכי אמין: אנחנו יכולים לנסות כל אפשרות, ואז, אחרי קבלת התוצאה, פשוט להמשיך לבחור באפשרות שהניבה את הכי הרבה תגמולים. זה מה שנקרא אלגוריתם חמדן: האפשרות שמניבה את התוצאה הכי טובה בניסיון הראשון היא האפשרות שנמשיך לבחור. אבל אנחנו מבינים שלא תמיד זה יעבוד – למשל, יכול להיות שהתגמול הגבוה הוא מקרי. או שאולי יש הקשר ספציפי למשתמש שהוביל לתגמולים גבוהים יותר במהלך התקופה הזו, שלא יהיו יעילים באותה מידה בהמשך.
לכן, כדי שהאלגוריתם יהיה יעיל יותר, נוסף הקשר. לצורך Remote Config התאמה אישית, ההקשר הראשוני הזה הוא דגימה אקראית, או אי-ודאות, שמספקת אנטרופיה מסוימת לניסוי. הקוד הזה מיישם 'שודד עם כמה זרועות בהקשר'. במהלך הניסוי, המודל ממשיך לחקור ולצפות כדי להבין אילו קבוצות ניסוי צפויות להניב תגמול, וכך הוא משתפר.
מה המשמעות מבחינת האפליקציה שלי?
כדאי לחשוב מה המשמעות של אלגוריתם של שודד עם כמה ידיים בהקשר של האפליקציה שלכם. נניח שאתם מבצעים אופטימיזציה לקליקים על מודעות באנר. במקרה הזה, ה'זרועות' של ההתאמה האישית יהיו הערכים החלופיים שאתם מציינים כדי לייצג את מודעות הבאנר השונות שאתם רוצים להציג למשתמשים. הקליק על מודעת הבאנר הוא התגמול, שנקרא יעד.
כשמפעילים התאמה אישית בפעם הראשונה, המודל לא יודע איזה ערך חלופי ישיג את היעד שלכם עבור כל משתמש בנפרד. במהלך ההתאמה האישית, המערכת בודקת כל ערך חלופי כדי להבין את הסבירות להשגת היעד שהגדרתם. כך המודל הבסיסי מקבל יותר מידע, ומשפר את היכולת שלו לחזות ולבחור את חוויית השימוש האופטימלית לכל משתמש.
ההתאמה האישית מתבצעת בחלון של 24 שעות (stickiness window). זהו משך הזמן שבו אלגוריתם ההתאמה האישית בודק ערך חלופי יחיד. חשוב לתת מספיק זמן להתאמות האישיות כדי לבדוק כל ערך חלופי כמה פעמים (בדרך כלל כ-14 ימים). מומלץ להפעיל אותם באופן קבוע כדי שהם יוכלו להשתפר ולהתאים את עצמם כל הזמן, ככל שהאפליקציה וההתנהגויות של המשתמשים משתנות.
מעקב אחרי מדדים נוספים
Remote Config ההתאמה האישית מאפשרת גם לעקוב אחרי שני מדדים נוספים לכל היותר, כדי להוסיף הקשר לתוצאות. לדוגמה, נניח שפיתחתם אפליקציה חברתית והגדרתם ערכים חלופיים שונים כדי לעודד את המשתמשים לשתף תוכן עם חברים ולהגביר את רמת המעורבות הכוללת.
במקרה כזה, כדאי לבצע אופטימיזציה לאירוע Analytics כמו link_received ולהגדיר את שני המדדים כ-user_engagement וכ-link_opened כדי להבין אם רמת המעורבות של משתמשים ומספר הקישורים שהמשתמש פותח עולים (מעורבות אמיתית) או יורדים (יכול להיות שיש יותר מדי קישורים שהם ספאם).
המדדים הנוספים האלה לא ייכללו באלגוריתם ההתאמה האישית, אבל תוכלו לעקוב אחריהם לצד תוצאות ההתאמה האישית. כך תוכלו לקבל תובנות חשובות לגבי היכולת של ההתאמה האישית להשיג את היעדים הכוללים שלכם.
הסבר על תוצאות ההתאמה האישית
אחרי שהתאמה אישית פועלת מספיק זמן כדי לאסוף נתונים, אפשר לראות את התוצאות שלה.
כדי לראות את התוצאות של ההתאמה האישית:
במסוף Firebase, עוברים אל DevOps & Engagement > Remote Config > Personalizations.
בוחרים את ההתאמה האישית שרוצים לראות. אפשר לחפש את ההתאמה האישית הספציפית לפי שם או לפי יעד, ולמיין לפי שם, זמן התחלה או עלייה כוללת.
בדף התוצאות מוצג סיכום של העלייה הכוללת, או ההפרש באחוזים בביצועים, שמתקבל מההתאמה האישית בהשוואה לקבוצת הבסיס.
בדף התוצאות מוצג גם הסטטוס הנוכחי של ההתאמה האישית, המאפיינים של ההתאמה האישית וגרף אינטראקטיבי שבו:
התצוגה מציגה נתונים מפורטים על הביצועים של ההתאמה האישית ביחס לנקודת ההשוואה, ברמה היומית וברמה הכוללת.
המדד הזה מראה את הביצועים הכוללים של כל ערך בקבוצת הבסיס.
בכרטיסיות שמופיעות בחלק העליון של הסיכום מוצגים תוצאות היעד והביצועים ביחס למדדים הנוספים שבחרתם.
אפשר להשאיר התאמה אישית פעילה ללא הגבלת זמן, ולהמשיך להיכנס לדף התוצאות כדי לעקוב אחרי הביצועים שלה. האלגוריתם ימשיך ללמוד ולהתאים את עצמו, כדי שיוכל להסתגל לשינויים בהתנהגות המשתמשים.
הסבר על מחיקת התאמה אישית
אפשר למחוק התאמה אישית באמצעות מסוף Firebase או על ידי הסרת פרמטר של התאמה אישית מהתבנית באמצעות Firebase Remote Config API. אי אפשר לשחזר התאמות אישיות שנמחקו. מידע נוסף על שמירת נתונים זמין במאמר מחיקת נתונים.
אפשר גם למחוק התאמות אישיות על ידי חזרה לגרסה קודמת או ייבוא של תבנית.
רולבק
אם התבנית הנוכחית כוללת התאמות אישיות וחוזרים לתבנית שלא כוללת את אותן התאמות אישיות, ההתאמות האישיות נמחקות. כדי לחזור לתבנית קודמת, משתמשים במסוף Firebase או ב-roll back באמצעות Firebase Remote Config API.
כשמוחקים התאמה אישית וחוזרים לתבנית קודמת, מופיע בFirebaseמסוף הפניה להתאמה האישית הלא תקינה. אפשר להסיר את ההתאמה האישית הלא תקינה ממסוף Firebase על ידי עריכת ההתאמה האישית בכרטיסייה Parameters (פרמטרים) בדף Remote Config.
פעולות ייבוא
אם מייבאים תבנית שכבר לא מכילה את ההתאמות האישיות הנוכחיות, ההתאמות האלה נמחקות. כדי לייבא תבנית, משתמשים במסוף Firebase או ב-Remote Config API בארכיטקטורת REST.
השלבים הבאים
תרחישי שימוש בהתאמה אישית של Remote Config
איך מתחילים להשתמש בהתאמה אישית של Remote Config.