Remote Config kişiselleştirmesi hakkında

Kişiselleştirme, bir hedefi gerçekleştirmek için bireysel kullanıcılara yönelik en iyi deneyimi belirlemek amacıyla makine öğreniminden (özellikle bağlamsal çok kollu makine algoritması) yararlanır. Bizim durumumuzda amaç, belirli Google Analytics etkinliklerin toplam sayısı veya toplam parametre değeri için optimizasyon yapmaktır.

Bağlamsal çok kollu makine algoritması nedir?

"Çok kollu makine", birden fazla yol arasından en yüksek ve en güvenilir ödüllere götüren yolu sürekli olarak seçmek istediğimiz durumu tanımlamak için kullanılan bir metafordur. Bunu görselleştirmek için bir sıra kumar makinesinin önünde duran bir kumarbaz metaforunu kullanabilirsiniz. Kumar makinesinin tek bir kolu (veya kolu) olduğu ve paranızı aldığı için bu makineler genellikle "tek kollu haydut" olarak adlandırılır. Birden fazla "kol" için çözüm bulmak istediğimizden tek kollu haydut, çok kollu haydut haline gelir.

Örneğin, üç seçeneğimiz olduğunu ve hangisinin en güvenilir ödülü sağladığını belirlemek istediğimizi varsayalım. Her seçeneği deneyebiliriz ve bir sonuç aldıktan sonra en çok ödül veren kolu seçmeye devam edebiliriz. Bu, açgözlü algoritma olarak adlandırılır: İlk denemede en iyi sonucu veren seçenek, seçmeye devam edeceğimiz seçenektir. Ancak bu yöntemin her zaman işe yaramayabileceğini anlıyoruz. Örneğin, yüksek ödül şans eseri kazanılmış olabilir. Belki de bu dönemde daha yüksek ödüller verilmesine neden olan ve daha sonra etkili olmayacak kullanıcıya özel bir bağlam vardır.

Bu nedenle, algoritmayı daha etkili hale getirmek için bağlam eklenir. Remote Config Kişiselleştirme için bu ilk bağlam, denemeye bir miktar entropi sağlayan rastgele örnekleme veya belirsizliktir. Bu, "bağlamsal çok kollu makine" uygular. Deneme çalışmaya devam ettikçe, devam eden keşif ve gözlem, hangi kolların modelden ödül alma olasılığının en yüksek olduğu hakkında gerçek öğrenilmiş bağlam ekleyerek modeli daha etkili hale getirir.

Bu durum uygulamamı nasıl etkiler?

Çok kollu makine algoritmasının uygulamanız bağlamında ne anlama geldiğini düşünün. Banner reklam tıklamaları için optimizasyon yaptığınızı varsayalım. Bu durumda, kişiselleştirmenin "kolları", kullanıcılara göstermek istediğiniz farklı banner reklamları temsil etmek için belirttiğiniz alternatif değerler olur. Banner reklam tıklaması, hedef olarak adlandırılan ödüldür.

Bir kişiselleştirmeyi ilk kez başlattığınızda model, her bir kullanıcı için hangi alternatif değerin hedefinize ulaşma olasılığının daha yüksek olduğunu bilmez. Kişiselleştirme, her alternatif değeri inceleyerek hedefinize ulaşma olasılığını anlamaya çalıştığı için temel model daha fazla bilgi edinir ve her kullanıcı için optimum deneyimi tahmin etme ve seçme becerisini geliştirir.

Kişiselleştirme, 24 saatlik bir kalıcılık penceresi kullanır. Bu, kişiselleştirme algoritmasının tek bir alternatif değeri keşfetmek için harcadığı süredir. Kişiselleştirmelerinize her alternatif değeri birden çok kez (genellikle yaklaşık 14 gün) inceleyebilecekleri kadar zaman tanımalısınız. İdeal olarak, uygulamanız ve kullanıcı davranışlarınız değiştikçe sürekli olarak iyileşip uyum sağlayabilmeleri için bu testlerin sürekli çalışmasına izin verebilirsiniz.

Ek metrikleri izleme

Remote Config kişiselleştirme, sonuçlarınızı bağlama oturtmanıza yardımcı olmak için iki ek metriğe kadar izleme olanağı da sunar. Örneğin, bir sosyal medya uygulaması geliştirdiğinizi ve kullanıcıları içerikleri arkadaşlarıyla paylaşmaya teşvik ederek genel etkileşimi artırmak için farklı alternatif değerler belirlediğinizi varsayalım.

Bu durumda, Analytics gibi bir etkinlik için optimizasyon yapmayı seçebilir link_received ve kullanıcı etkileşiminin ve kullanıcının açtığı bağlantı sayısının artıp (gerçek etkileşim) azalmadığını (spam içeren çok fazla bağlantı olabilir) anlamak için iki metriğinizi user_engagement ve link_opened olarak ayarlayabilirsiniz.

Bu ek metrikler kişiselleştirme algoritmasına dahil edilmeyecek olsa da bunları kişiselleştirme sonuçlarınızla birlikte izleyebilir ve kişiselleştirmenin genel hedeflerinize ulaşma becerisi hakkında değerli bilgiler edinebilirsiniz.

Kişiselleştirme sonuçlarını anlama

Bir kişiselleştirme, veri toplamak için yeterli süre boyunca yayınlandıktan sonra sonuçlarını görüntüleyebilirsiniz.

Kişiselleştirme sonuçlarını görüntülemek için:

  1. Firebase konsolunda DevOps & Engagement > Remote Config > Kişiselleştirmeler sayfasına gidin.

  2. Görüntülemek istediğiniz kişiselleştirme ayarını seçin. Belirli bir kişiselleştirmeyi ada veya hedefe göre arayabilir ve ada, başlangıç zamanına ya da toplam artışa göre sıralayabilirsiniz.

Sonuçlar sayfasında, kişiselleştirmenin Temel gruba kıyasla sağladığı Toplam artış (performanstaki yüzde farkı) özetlenir.

Sonuçlar sayfasında kişiselleştirmenin mevcut durumu, kişiselleştirme özellikleri ve aşağıdakileri içeren etkileşimli bir grafik de gösterilir:

  • Kişiselleştirmenin temel değere kıyasla nasıl performans gösterdiğine dair ayrıntılı bir günlük ve toplam görünüm sunar.

  • Her değerin temel grup genelinde nasıl performans gösterdiğini gösterir.

  • Özetin üst kısmındaki sekmeler kullanılarak erişilebilen, seçtiğiniz ek metriklerle ilgili hedef sonuçlarını ve performansı gösterir.

Kişiselleştirme süresiz olarak çalışmaya devam edebilir ve performansını izlemek için sonuçlar sayfasını tekrar ziyaret edebilirsiniz. Algoritma, kullanıcı davranışları değiştiğinde uyum sağlayabilmek için öğrenmeye ve ayarlamalar yapmaya devam eder.

Kişiselleştirme verilerinin silinmesini anlama

Kişiselleştirmeyi Firebase konsolunu kullanarak veya Firebase Remote Config API'yi kullanarak şablonunuzdan kişiselleştirme parametresini kaldırarak silebilirsiniz. Silinen kişiselleştirmeler geri yüklenemez. Veri saklama hakkında bilgi edinmek için Veri silme başlıklı makaleyi inceleyin.

Kişiselleştirmeleri geri alarak veya şablon içe aktararak da silebilirsiniz.

Geri alma sayısı

Mevcut şablonunuzda kişiselleştirmeler varsa ve aynı kişiselleştirmelerin olmadığı bir şablona geri dönerseniz kişiselleştirmeler silinir. Önceki bir şablona dönmek için Firebase konsolunu veya roll backFirebase Remote Config API'sini kullanın.

Bir kişiselleştirmeyi silip önceki bir şablona geri döndüğünüzde Firebase konsolunda geçersiz kişiselleştirmeye referans verilir. Firebase konsolunda geçersiz kişiselleştirmeyi kaldırmak için Remote Config sayfasının Parametreler sekmesindeki kişiselleştirmeyi düzenleyin.

İçe Aktarımlar

Artık mevcut kişiselleştirmelerinizi içermeyen bir şablonu içe aktardığınızda bu kişiselleştirmeler de silinir. Şablon içe aktarmak için Firebase konsolunu veya Remote Config REST API'yi kullanın.

Sonraki adımlar