Firebase Summit에서 발표된 모든 내용을 살펴보고 Firebase로 앱을 빠르게 개발하고 안심하고 앱을 실행하는 방법을 알아보세요. 자세히 알아보기

원격 구성 개인화 정보

개인화는 기계 학습, 특히 상황에 맞는 다중 무장 밴딧 알고리즘을 사용하여 개별 사용자가 목표를 달성할 수 있는 최적의 경험을 결정합니다. 우리의 경우 목표는 특정 Google Analytics 이벤트의 총 매개변수 값 또는 총 수를 최적화하는 것입니다.

상황별 다중 암 적기 알고리즘이란 무엇입니까?

"multi-armed bandit"은 여러 경로 목록에서 가장 높고 가장 신뢰할 수 있는 보상으로 이어지는 경로를 지속적으로 선택하려는 상황을 설명하는 데 사용되는 은유입니다. 이것을 시각화하기 위해 슬롯 머신이 한 줄의 슬롯 머신 앞에 있는 도박꾼의 은유를 사용할 수 있습니다. 슬롯 머신은 손잡이(또는 팔)가 하나이고 돈을 가져가기 때문에 구어적으로 "외팔 강도"라고 합니다. 우리는 여러 개의 "팔"을 풀고 싶기 때문에 한 팔을 가진 적기는 여러 팔을 가진 적기가 됩니다.

예를 들어, 세 가지 옵션이 있고 어떤 것이 가장 신뢰할 수 있는 보상을 제공하는지 결정하고 싶다고 가정해 보겠습니다. 각 옵션을 시도한 다음 결과를 받은 후 가장 많은 보상을 제공하는 암을 계속 선택할 수 있습니다. 이것은 욕심 많은 알고리즘이라고 하는 것입니다. 처음 시도할 때 최상의 결과를 산출하는 옵션은 계속 선택하게 됩니다. 그러나 우리는 이것이 항상 작동하지 않을 수도 있다는 것을 이해할 수 있습니다. 우선 높은 보상은 요행일 수 있습니다. 또는 해당 기간 동안 더 높은 보상을 받았지만 나중에는 효과적이지 않은 일부 사용자별 컨텍스트가 있을 수 있습니다.

따라서 알고리즘을 보다 효과적으로 만들기 위해 컨텍스트 가 추가됩니다. 원격 구성 개인화의 경우 이 초기 컨텍스트는 실험에 약간의 엔트로피를 제공하는 무작위 샘플링 또는 불확실성 입니다. 이것은 " 상황 에 맞는 다중 암 적기"를 구현합니다. 실험이 계속 진행됨에 따라 지속적인 탐색과 관찰을 통해 어떤 팔이 모델에 대한 보상을 이끌어낼 가능성이 가장 높은지에 대한 실제 학습된 컨텍스트를 추가하여 모델을 더욱 효과적으로 만듭니다.

이것이 내 앱에 의미하는 바는 무엇입니까?

이제 앱의 맥락에서 multi-armed bandit 알고리즘이 무엇을 의미하는지 논의해 보겠습니다. 배너 광고 클릭을 최적화한다고 가정해 보겠습니다. 이 경우 개인화의 "팔"은 사용자에게 표시하려는 다양한 배너 광고를 나타내기 위해 지정하는 대체 값 입니다. 배너 광고 클릭은 목표 라고 하는 보상입니다.

개인화를 처음 시작할 때 모델은 각 개별 사용자에 대한 목표를 달성할 가능성이 더 높은 대체 값을 알지 못합니다. 개인화가 목표 달성 가능성을 이해하기 위해 각 대체 값을 탐색함에 따라 기본 모델은 더 많은 정보를 얻고 각 사용자에 대한 최적의 경험을 예측하고 선택하는 능력을 향상시킵니다.

개인화는 24시간의 고정 창 을 사용합니다. 이것은 개인화 알고리즘이 단일 대체 값을 탐색하는 시간입니다. 각 대체 값을 여러 번 탐색할 수 있는 충분한 시간(일반적으로 약 14일)을 개인화에 제공해야 합니다. 이상적으로는 앱과 사용자 행동이 변화함에 따라 지속적으로 개선하고 적응할 수 있도록 지속적으로 실행되도록 할 수 있습니다.

추가 메트릭 추적

원격 구성 개인화는 또한 최대 2개의 추가 메트릭을 추적하는 기능을 제공하여 결과를 맥락화하는 데 도움이 됩니다. 소셜 앱을 개발했고 사용자가 친구와 콘텐츠를 공유하도록 장려하여 전반적인 참여를 늘리도록 다양한 대체 값을 설정했다고 가정해 보겠습니다.

이 경우 link_received 와 같은 애널리틱스 이벤트에 대해 최적화하도록 선택하고 두 측정항목을 user_engagementlink_opened 로 설정하여 사용자 참여 및 사용자가 여는 링크 수가 증가(실제 참여) 또는 감소(스팸 링크가 너무 많을 수 있음) 여부를 이해할 수 있습니다. ).

이러한 추가 메트릭은 개인화 알고리즘에 고려되지 않지만 개인화 결과와 함께 이를 추적하여 전체 목표를 달성하는 개인화의 능력에 대한 귀중한 통찰력을 제공할 수 있습니다.

개인화 결과 이해

개인화가 데이터를 수집할 수 있을 만큼 오랫동안 실행된 후에는 해당 결과를 볼 수 있습니다.

개인화 결과를 보려면:

  1. 원격 구성 페이지 를 열고 개인화 를 클릭합니다.

  2. 보려는 개인화를 선택하십시오. 이름이나 목표로 특정 개인화를 검색하고 이름, 시작 시간 또는 총 리프트로 정렬할 수 있습니다.

결과 페이지에는 개인화가 기준선 그룹에 대해 제공하는 총 상승 도 또는 성능의 백분율 차이가 요약됩니다.

또한 결과 페이지에는 개인화의 현재 상태, 개인화 속성 및 다음과 같은 대화형 그래프가 표시됩니다.

  • 기준선에 대해 개인화가 어떻게 수행되었는지에 대한 자세한 일별 및 전체 보기를 표시합니다.

  • 각 값이 기준선 그룹에서 전반적으로 어떻게 수행되는지 보여줍니다.

  • 요약 상단에 있는 탭을 사용하여 액세스할 수 있는 선택한 추가 메트릭에 대한 목표 결과 및 성과를 표시합니다.

개인화는 무기한 실행될 수 있으며 계속해서 결과 페이지를 다시 방문하여 성능을 모니터링할 수 있습니다. 알고리즘은 사용자 행동이 변경될 때 적응할 수 있도록 계속 학습하고 조정합니다.

다음 단계