Acerca de la personalización de Remote Config

La personalización utiliza el aprendizaje automático, específicamente un algoritmo contextual de bandidos de múltiples brazos, para determinar la experiencia óptima para que los usuarios individuales logren un objetivo. En nuestro caso, el objetivo es optimizar el número total o el valor total del parámetro de eventos específicos de Google Analytics.

¿Qué es un algoritmo contextual de bandidos con múltiples brazos?

El "bandido de múltiples brazos" es una metáfora utilizada para describir la situación en la que queremos elegir continuamente un camino que conduzca a las recompensas más altas y confiables de una lista de múltiples caminos. Para visualizar esto, puede utilizar la metáfora de un jugador frente a una fila de máquinas tragamonedas, a menudo denominado coloquialmente "bandido manco" porque una máquina tragamonedas tiene una manija (o brazo) y toma su dinero. Como queremos resolver múltiples "brazos", el bandido manco se convierte en el bandido multiarmado .

Por ejemplo, digamos que tenemos tres opciones y queremos determinar cuál proporciona la recompensa más confiable: podríamos probar cada opción y luego, después de recibir un resultado, podríamos seguir eligiendo el brazo que generó la mayor recompensa. Esto es lo que se conoce como algoritmo codicioso : la opción que produce el mejor resultado cuando lo intentamos por primera vez es la que seguiremos eligiendo. Pero podemos entender que esto no siempre funcione; por un lado, la alta recompensa podría ser una casualidad. O tal vez haya algún contexto específico del usuario que resultó en recompensas más altas durante ese período de tiempo que no sería tan efectivo más adelante.

Entonces se agrega contexto para hacer que el algoritmo sea más efectivo. Para la personalización de Remote Config, este contexto inicial es un muestreo aleatorio o incertidumbre que proporciona cierta entropía al experimento. Esto implementa un "bandido contextual de múltiples brazos". A medida que el experimento continúa ejecutándose, la exploración y observación continuas agregan un contexto real aprendido sobre qué armas tienen más probabilidades de provocar una recompensa para el modelo, haciéndolo más efectivo.

¿Qué significa esto para mi aplicación?

Ahora, analicemos qué significa un algoritmo de bandido con múltiples brazos en el contexto de su aplicación. Supongamos que está optimizando los clics en anuncios publicitarios. En este caso, los "brazos" de la personalización serían los valores alternativos que usted especifica para representar los diferentes anuncios publicitarios que desea mostrar a los usuarios. El clic en el anuncio publicitario es la recompensa, a la que nos referimos como objetivo .

Cuando inicia una personalización por primera vez, el modelo no sabe qué valor alternativo tendrá más probabilidades de lograr su objetivo para cada usuario individual. A medida que la personalización explora cada valor alternativo para comprender la probabilidad de lograr su objetivo, el modelo subyacente se vuelve más informado, mejorando su capacidad para predecir y seleccionar la experiencia óptima para cada usuario.

La personalización utiliza una ventana de permanencia de 24 horas. Esta es la cantidad de tiempo que el algoritmo de personalización explora un único valor alternativo. Debe proporcionar a sus personalizaciones tiempo suficiente para explorar cada valor alternativo varias veces (generalmente alrededor de 14 días). Idealmente, puede dejar que se ejecuten perpetuamente para que puedan mejorar y adaptarse continuamente a medida que cambian su aplicación y los comportamientos de los usuarios.

Seguimiento de métricas adicionales

La personalización de Remote Config también brinda la capacidad de realizar un seguimiento de hasta dos métricas adicionales para ayudarlo a contextualizar sus resultados. Supongamos que desarrolló una aplicación social y estableció diferentes valores alternativos para alentar a los usuarios a compartir contenido con amigos para aumentar la participación general.

En este caso, puede optar por optimizar para un evento de Analytics como link_received y establecer sus dos métricas en user_engagement y link_opened para comprender si la participación del usuario y la cantidad de enlaces que abre aumenta (participación real) o disminuye (posiblemente demasiados enlaces spam). ).

Si bien estas métricas adicionales no se tendrán en cuenta en el algoritmo de personalización, puede realizar un seguimiento de ellas junto con los resultados de personalización, lo que proporciona información valiosa sobre la capacidad de la personalización para lograr sus objetivos generales.

Comprender los resultados de personalización

Después de que una personalización se haya ejecutado durante el tiempo suficiente para recopilar datos, podrá ver sus resultados.

Para ver los resultados de personalización:

  1. Abra la página Remote Config y haga clic en Personalizaciones .

  2. Seleccione la personalización que desea ver. Puede buscar la personalización específica por nombre u objetivo y ordenarla por Nombre, Hora de inicio o Incremento total.

La página de resultados resume el aumento total , o la diferencia porcentual en el rendimiento, que la personalización proporciona con respecto al grupo de referencia .

La página de resultados también muestra el estado actual de la personalización, los atributos de la personalización y un gráfico interactivo que:

  • Muestra una vista detallada diaria y total de cómo se desempeñó la personalización en comparación con la línea de base.

  • Muestra el rendimiento general de cada valor en todo el grupo de referencia.

  • Muestra los resultados de los objetivos y el rendimiento en comparación con las métricas adicionales que eligió, a las que se puede acceder mediante las pestañas en la parte superior del resumen.

Una personalización se puede dejar ejecutándose indefinidamente y usted puede continuar visitando la página de resultados para monitorear su desempeño. El algoritmo seguirá aprendiendo y ajustándose para poder adaptarse cuando cambie el comportamiento del usuario.

Comprender la eliminación de personalización

Puedes eliminar una personalización usando Firebase console o eliminando un parámetro de personalización de tu plantilla usando Firebase Remote Config API . Las personalizaciones eliminadas no se pueden restaurar. Para obtener información sobre la retención de datos, consulte Eliminación de datos .

También puede eliminar personalizaciones retrocediendo o importando una plantilla .

Reversiones

Si su plantilla actual tiene personalizaciones y vuelve a una plantilla que no tiene las mismas personalizaciones, las personalizaciones se eliminan. Para volver a una plantilla anterior, use Firebase console o roll back usando la API de Firebase Remote Config.

Cuando eliminas una personalización y vuelves a una plantilla anterior, aparece una referencia a esa personalización no válida en Firebase console. Puede eliminar la personalización no válida de Firebase console editando la personalización en la pestaña Parámetros de la página de Configuración remota.

Importaciones

Importar una plantilla que ya no contiene sus personalizaciones actuales también elimina esas personalizaciones. Para importar una plantilla, use Firebase console o use la API REST de Remote Config .

Próximos pasos