वैयक्तिकरण किसी उद्देश्य को प्राप्त करने के लिए व्यक्तिगत उपयोगकर्ताओं के लिए इष्टतम अनुभव निर्धारित करने के लिए मशीन लर्निंग - विशेष रूप से एक प्रासंगिक बहु-सशस्त्र बैंडिट एल्गोरिदम का उपयोग करता है। हमारे मामले में, उद्देश्य विशिष्ट Google Analytics ईवेंट की कुल संख्या या कुल पैरामीटर मान के लिए अनुकूलन करना है।
प्रासंगिक बहु-सशस्त्र दस्यु एल्गोरिथ्म क्या है?
"बहु-सशस्त्र डाकू" एक रूपक है जिसका उपयोग उस स्थिति का वर्णन करने के लिए किया जाता है जहां हम लगातार एक ऐसा रास्ता चुनना चाहते हैं जो कई रास्तों की सूची से उच्चतम, सबसे विश्वसनीय पुरस्कार की ओर ले जाता है। इसकी कल्पना करने के लिए, आप स्लॉट मशीनों की एक पंक्ति के सामने एक जुआरी के रूपक का उपयोग कर सकते हैं - जिसे अक्सर बोलचाल की भाषा में "एक-सशस्त्र डाकू" कहा जाता है क्योंकि एक स्लॉट मशीन में एक हैंडल (या बांह) होता है और आपका पैसा लेता है। चूँकि हम कई "हथियारों" का समाधान करना चाहते हैं, एक-सशस्त्र डाकू बहु-सशस्त्र डाकू बन जाता है।
उदाहरण के लिए, मान लें कि हमारे पास तीन विकल्प हैं और हम यह निर्धारित करना चाहते हैं कि कौन सा विकल्प सबसे विश्वसनीय पुरस्कार प्रदान करता है: हम प्रत्येक विकल्प को आज़मा सकते हैं, और फिर, परिणाम प्राप्त करने के बाद, हम केवल उस हाथ को चुन सकते हैं जो सबसे अधिक पुरस्कार देता है। इसे एक लालची एल्गोरिदम के रूप में जाना जाता है: जब हम पहली बार प्रयास करते हैं तो जो विकल्प सबसे अच्छा परिणाम देता है, वही विकल्प हम चुनना जारी रखेंगे। लेकिन हम समझ सकते हैं कि यह हमेशा काम नहीं कर सकता है - एक बात के लिए, उच्च इनाम एक अस्थायी हो सकता है। या हो सकता है कि कुछ उपयोगकर्ता-विशिष्ट संदर्भ हो जिसके परिणामस्वरूप उस समय अवधि के दौरान उच्च पुरस्कार मिले जो बाद में उतने प्रभावी नहीं होंगे।
इसलिए एल्गोरिथम को अधिक प्रभावी बनाने के लिए संदर्भ जोड़ा जाता है। रिमोट कॉन्फिग वैयक्तिकरण के लिए, यह प्रारंभिक संदर्भ यादृच्छिक नमूनाकरण, या अनिश्चितता है, जो प्रयोग को कुछ एन्ट्रापी प्रदान करता है। यह एक " प्रासंगिक बहु-सशस्त्र डाकू" को लागू करता है। जैसे-जैसे प्रयोग चलता रहता है, चल रहे अन्वेषण और अवलोकन से वास्तविक सीखा हुआ संदर्भ जुड़ जाता है कि किन हथियारों से मॉडल को पुरस्कार मिलने की सबसे अधिक संभावना है, जिससे यह और अधिक प्रभावी हो जाता है।
मेरे ऐप के लिए इसका क्या मतलब है?
अब, आइए चर्चा करें कि आपके ऐप के संदर्भ में मल्टी-आर्म्ड बैंडिट एल्गोरिदम का क्या अर्थ है। मान लीजिए कि आप बैनर विज्ञापन क्लिक के लिए अनुकूलन कर रहे हैं। इस मामले में, वैयक्तिकरण के "हथियार" वे वैकल्पिक मान होंगे जिन्हें आप उन विभिन्न बैनर विज्ञापनों का प्रतिनिधित्व करने के लिए निर्दिष्ट करते हैं जिन्हें आप उपयोगकर्ताओं को प्रदर्शित करना चाहते हैं। बैनर विज्ञापन क्लिक एक पुरस्कार है, जिसे हम एक उद्देश्य के रूप में संदर्भित करते हैं।
जब आप पहली बार वैयक्तिकरण लॉन्च करते हैं, तो मॉडल को यह नहीं पता होता है कि प्रत्येक व्यक्तिगत उपयोगकर्ता के लिए कौन सा वैकल्पिक मूल्य आपके लक्ष्य को प्राप्त करने की अधिक संभावना होगी। जैसे-जैसे वैयक्तिकरण आपके उद्देश्य को प्राप्त करने की संभावना को समझने के लिए प्रत्येक वैकल्पिक मूल्य की खोज करता है, अंतर्निहित मॉडल अधिक जानकारीपूर्ण हो जाता है, जिससे प्रत्येक उपयोगकर्ता के लिए इष्टतम अनुभव की भविष्यवाणी करने और चयन करने की क्षमता में सुधार होता है।
वैयक्तिकरण 24 घंटे की स्टिकनेस विंडो का उपयोग करता है। यह वह समय है जब वैयक्तिकरण एल्गोरिदम एकल वैकल्पिक मूल्य की खोज करता है। आपको प्रत्येक वैकल्पिक मूल्य को कई बार (आमतौर पर लगभग 14 दिन) तलाशने के लिए अपने वैयक्तिकरण को पर्याप्त समय प्रदान करना चाहिए। आदर्श रूप से, आप उन्हें लगातार चलने दे सकते हैं ताकि वे आपके ऐप और उपयोगकर्ता के व्यवहार में बदलाव के अनुसार लगातार सुधार और अनुकूलन कर सकें।
अतिरिक्त मेट्रिक्स ट्रैक करें
रिमोट कॉन्फिग वैयक्तिकरण आपके परिणामों को प्रासंगिक बनाने में मदद करने के लिए दो अतिरिक्त मेट्रिक्स को ट्रैक करने की क्षमता भी प्रदान करता है। मान लीजिए कि आपने एक सामाजिक ऐप विकसित किया है और उपयोगकर्ताओं को समग्र जुड़ाव बढ़ाने के लिए दोस्तों के साथ सामग्री साझा करने के लिए प्रोत्साहित करने के लिए अलग-अलग वैकल्पिक मूल्य निर्धारित किए हैं।
इस मामले में, आप link_received जैसे एनालिटिक्स इवेंट के लिए ऑप्टिमाइज़ करना चुन सकते हैं और अपने दो मेट्रिक्स को user_engagement और link_opened पर सेट कर सकते हैं ताकि यह समझ सकें कि उपयोगकर्ता की सहभागिता और उपयोगकर्ता द्वारा खोले गए लिंक की संख्या बढ़ती है (सच्ची सहभागिता) या गिरती है (संभवतः बहुत सारे स्पैम लिंक ).
हालाँकि इन अतिरिक्त मेट्रिक्स को वैयक्तिकरण एल्गोरिथ्म में शामिल नहीं किया जाएगा, आप उन्हें अपने वैयक्तिकरण परिणामों के साथ ही ट्रैक कर सकते हैं, जो आपके समग्र लक्ष्यों को प्राप्त करने के लिए वैयक्तिकरण की क्षमता में मूल्यवान अंतर्दृष्टि प्रदान करते हैं।
वैयक्तिकरण परिणामों को समझें
डेटा एकत्र करने के लिए वैयक्तिकरण काफी समय तक चलने के बाद, आप इसके परिणाम देख सकते हैं।
वैयक्तिकरण परिणाम देखने के लिए:
रिमोट कॉन्फिग पेज खोलें और वैयक्तिकरण पर क्लिक करें।
वह वैयक्तिकरण चुनें जिसे आप देखना चाहते हैं. आप नाम या उद्देश्य के आधार पर विशिष्ट वैयक्तिकरण खोज सकते हैं, और नाम, प्रारंभ समय या कुल लिफ्ट के आधार पर क्रमबद्ध कर सकते हैं।
परिणाम पृष्ठ कुल वृद्धि , या प्रदर्शन में प्रतिशत अंतर का सारांश देता है, जो वैयक्तिकरण बेसलाइन समूह पर प्रदान करता है।
परिणाम पृष्ठ वैयक्तिकरण की वर्तमान स्थिति, वैयक्तिकरण की विशेषताएं और एक इंटरैक्टिव ग्राफ़ भी दिखाता है:
बेसलाइन के मुकाबले वैयक्तिकरण ने कैसा प्रदर्शन किया, इसका एक विस्तृत दैनिक और समग्र दृश्य दिखाता है।
दिखाता है कि प्रत्येक मान बेसलाइन समूह में समग्र रूप से कैसा प्रदर्शन करता है।
आपके द्वारा चुने गए अतिरिक्त मेट्रिक्स के विरुद्ध लक्ष्य परिणाम और प्रदर्शन प्रदर्शित करता है, जिसे सारांश के शीर्ष पर टैब का उपयोग करके एक्सेस किया जा सकता है।
वैयक्तिकरण को अनिश्चित काल तक चालू रखा जा सकता है और आप इसके प्रदर्शन की निगरानी के लिए परिणाम पृष्ठ पर दोबारा जाना जारी रख सकते हैं। एल्गोरिदम सीखना और समायोजित करना जारी रखेगा, ताकि उपयोगकर्ता के व्यवहार में बदलाव होने पर यह अनुकूलित हो सके।
वैयक्तिकरण विलोपन को समझें
आप फ़ायरबेस कंसोल का उपयोग करके या फ़ायरबेस रिमोट कॉन्फ़िगरेशन एपीआई का उपयोग करके अपने टेम्पलेट से एक वैयक्तिकरण पैरामीटर को हटाकर वैयक्तिकरण हटा सकते हैं। हटाए गए वैयक्तिकरण को पुनर्स्थापित नहीं किया जा सकता. डेटा प्रतिधारण के बारे में जानने के लिए, डेटा हटाना देखें।
आप किसी टेम्प्लेट को वापस रोल करके या आयात करके भी वैयक्तिकरण हटा सकते हैं।
पुनरावर्तन
यदि आपके वर्तमान टेम्पलेट में वैयक्तिकरण हैं और आप ऐसे टेम्पलेट पर वापस जाते हैं जिसमें समान वैयक्तिकरण नहीं हैं, तो वैयक्तिकरण हटा दिए जाते हैं। पिछले टेम्पलेट पर वापस जाने के लिए, फायरबेस कंसोल का उपयोग करें या फायरबेस रिमोट कॉन्फिग एपीआई का उपयोग करके roll back ।
जब आप वैयक्तिकरण हटाते हैं और पिछले टेम्पलेट पर वापस जाते हैं, तो उस अमान्य वैयक्तिकरण का संदर्भ फायरबेस कंसोल में दिखाई देता है। आप रिमोट कॉन्फिग पेज के पैरामीटर्स टैब में वैयक्तिकरण को संपादित करके फायरबेस कंसोल से अमान्य वैयक्तिकरण को हटा सकते हैं।
आयात
ऐसे टेम्पलेट को आयात करना जिसमें अब आपका वर्तमान वैयक्तिकरण शामिल नहीं है, वे वैयक्तिकरण भी हटा दिए जाते हैं। टेम्पलेट आयात करने के लिए, फ़ायरबेस कंसोल का उपयोग करें या रिमोट कॉन्फ़िग REST API का उपयोग करें।
अगले कदम
रिमोट कॉन्फ़िगरेशन वैयक्तिकरण उपयोग मामलों का अन्वेषण करें।
रिमोट कॉन्फिग वैयक्तिकरण के साथ आरंभ करें ।