Informazioni sulla personalizzazione di Remote Config

La personalizzazione utilizza l'apprendimento automatico, in particolare un algoritmo contestuale multi-armed bandit, per determinare l'esperienza ottimale per i singoli utenti al fine di raggiungere un obiettivo. Nel nostro caso, l'obiettivo è ottimizzare il numero totale o il valore totale del parametro di eventi specifici di Google Analytics.

Che cos'è un algoritmo contestuale di banditi multi-armati?

Il "bandito multi-armato" è una metafora usata per descrivere la situazione in cui vogliamo scegliere continuamente un percorso che porti alle ricompense più alte e affidabili da un elenco di molteplici percorsi. Per visualizzarlo, puoi usare la metafora di un giocatore d'azzardo di fronte a una fila di slot machine, spesso colloquialmente chiamato "bandito con un braccio solo" perché una slot machine ha una maniglia (o un braccio) e prende i tuoi soldi. Poiché vogliamo risolvere "braccia" multiple, il bandito con un braccio solo diventa il bandito con più braccia .

Ad esempio, supponiamo di avere tre opzioni e di voler determinare quale fornisce la ricompensa più affidabile: potremmo provare ciascuna opzione e quindi, dopo aver ricevuto un risultato, potremmo semplicemente continuare a scegliere il braccio che ha prodotto il maggior numero di ricompense. Questo è ciò che viene definito un algoritmo goloso : l'opzione che produce il miglior risultato quando la proviamo per la prima volta è quella che continueremo a scegliere. Ma possiamo capire che questo potrebbe non funzionare sempre: per prima cosa, l’elevata ricompensa potrebbe essere un colpo di fortuna. O forse c'è un contesto specifico dell'utente che ha portato a ricompense più elevate durante quel periodo di tempo che non sarebbero state altrettanto efficaci in seguito.

Quindi viene aggiunto il contesto per rendere l'algoritmo più efficace. Per la personalizzazione di Remote Config, questo contesto iniziale è il campionamento casuale, o incertezza , che fornisce una certa entropia all'esperimento. Ciò implementa un "bandito multi-armato contestuale ". Mentre l’esperimento continua, l’esplorazione e l’osservazione continue aggiungono un reale contesto appreso su quali armi hanno maggiori probabilità di suscitare una ricompensa per il modello, rendendolo più efficace.

Cosa significa questo per la mia app?

Ora parliamo di cosa significa un algoritmo di banditi multi-armati nel contesto della tua app. Supponiamo che tu stia ottimizzando per i clic sugli annunci banner. In questo caso, le "braccia" della personalizzazione sarebbero i valori alternativi specificati per rappresentare i diversi banner pubblicitari che desideri mostrare agli utenti. Il clic sul banner pubblicitario è la ricompensa, che chiamiamo obiettivo .

Quando avvii per la prima volta una personalizzazione, il modello non sa quale valore alternativo avrà maggiori probabilità di raggiungere il tuo obiettivo per ogni singolo utente. Man mano che la personalizzazione esplora ciascun valore alternativo per comprendere la probabilità di raggiungere l'obiettivo, il modello sottostante diventa più informato, migliorando la sua capacità di prevedere e selezionare l'esperienza ottimale per ciascun utente.

La personalizzazione utilizza una finestra di aderenza di 24 ore. Questa è la quantità di tempo in cui l'algoritmo di personalizzazione esplora un singolo valore alternativo. Dovresti concedere alle tue personalizzazioni tempo sufficiente per esplorare ogni valore alternativo più volte (in genere circa 14 giorni). Idealmente, puoi lasciarli funzionare continuamente in modo che possano migliorare e adattarsi continuamente al cambiamento della tua app e dei comportamenti degli utenti.

Tieni traccia di parametri aggiuntivi

La personalizzazione di Remote Config offre inoltre la possibilità di monitorare fino a due parametri aggiuntivi, per aiutarti a contestualizzare i risultati. Supponiamo che tu abbia sviluppato un'app social e abbia impostato diversi valori alternativi per incoraggiare gli utenti a condividere contenuti con gli amici per aumentare il coinvolgimento complessivo.

In questo caso, potresti scegliere di ottimizzare per un evento Analytics come link_received e impostare le tue due metriche su user_engagement e link_opened per capire se il coinvolgimento dell'utente e il numero di link aperti dall'utente aumentano (coinvolgimento reale) o diminuiscono (possibilmente troppi link spam ).

Anche se questi parametri aggiuntivi non verranno presi in considerazione nell'algoritmo di personalizzazione, puoi monitorarli insieme ai risultati della personalizzazione, fornendo informazioni preziose sulla capacità della personalizzazione di raggiungere i tuoi obiettivi generali.

Comprendere i risultati della personalizzazione

Dopo che una personalizzazione è stata eseguita per un tempo sufficiente a raccogliere dati, è possibile visualizzarne i risultati.

Per visualizzare i risultati della personalizzazione:

  1. Aprire la pagina Configurazione remota e fare clic su Personalizzazioni .

  2. Seleziona la personalizzazione che desideri visualizzare. Puoi cercare la personalizzazione specifica per nome o obiettivo e ordinarla per nome, ora di inizio o incremento totale.

La pagina dei risultati riepiloga l' incremento totale , o differenza percentuale nel rendimento, fornito dalla personalizzazione rispetto al gruppo di riferimento .

La pagina dei risultati mostra anche lo stato attuale della personalizzazione, gli attributi della personalizzazione e un grafico interattivo che:

  • Mostra una visione dettagliata giornaliera e totale del rendimento della personalizzazione rispetto al valore di riferimento.

  • Mostra il rendimento complessivo di ciascun valore nel gruppo di riferimento.

  • Visualizza i risultati e le prestazioni degli obiettivi rispetto alle metriche aggiuntive scelte, accessibili utilizzando le schede nella parte superiore del riepilogo.

Una personalizzazione può essere lasciata in esecuzione a tempo indeterminato ed è possibile continuare a visitare la pagina dei risultati per monitorarne le prestazioni. L'algoritmo continuerà ad apprendere e ad adattarsi, in modo da potersi adattare quando cambia il comportamento dell'utente.

Comprendere l'eliminazione della personalizzazione

Puoi eliminare una personalizzazione utilizzando la console Firebase o rimuovendo un parametro di personalizzazione dal modello utilizzando l' API Firebase Remote Config . Le personalizzazioni eliminate non possono essere ripristinate. Per informazioni sulla conservazione dei dati, consulta Eliminazione dei dati .

Puoi anche eliminare le personalizzazioni ripristinando o importando un modello .

Rollback

Se il modello corrente dispone di personalizzazioni e si ripristina un modello che non dispone delle stesse personalizzazioni, le personalizzazioni verranno eliminate. Per ripristinare un modello precedente, utilizza la console Firebase o roll back utilizzando l'API Firebase Remote Config.

Quando elimini una personalizzazione e torni a un modello precedente, nella console Firebase viene visualizzato un riferimento a quella personalizzazione non valida. Puoi rimuovere la personalizzazione non valida dalla console Firebase modificando la personalizzazione nella scheda Parametri della pagina Configurazione remota.

Importazioni

Anche l'importazione di un modello che non contiene più le personalizzazioni correnti elimina tali personalizzazioni. Per importare un modello, utilizza la console Firebase o l' API REST Remote Config .

Prossimi passi

  • Esplora i casi d'uso della personalizzazione di Remote Config.

  • Inizia con la personalizzazione di Remote Config.