Giới thiệu về cá nhân hóa Cấu hình từ xa

Quá trình cá nhân hóa sử dụng công nghệ học máy—cụ thể là thuật toán kẻ cướp đa nhánh theo ngữ cảnh—để xác định trải nghiệm tối ưu cho từng người dùng nhằm đạt được mục tiêu. Trong trường hợp của chúng tôi, mục tiêu là tối ưu hóa tổng số hoặc tổng giá trị thông số của các sự kiện Google Analytics cụ thể.

Thuật toán tên cướp đa nhánh theo ngữ cảnh là gì?

“Kẻ cướp nhiều tay” là một phép ẩn dụ dùng để mô tả tình huống chúng ta muốn liên tục chọn con đường dẫn đến phần thưởng cao nhất, đáng tin cậy nhất từ ​​danh sách nhiều con đường. Để hình dung điều này, bạn có thể sử dụng phép ẩn dụ về một con bạc trước một dãy máy đánh bạc – thường được gọi một cách thông tục là "kẻ cướp một tay" vì máy đánh bạc có một tay cầm (hoặc một cánh tay) và lấy tiền của bạn. Vì chúng ta muốn giải quyết nhiều "cánh tay", tên cướp một tay trở thành tên cướp nhiều tay .

Ví dụ: giả sử chúng tôi có ba tùy chọn và chúng tôi muốn xác định tùy chọn nào mang lại phần thưởng đáng tin cậy nhất: Chúng tôi có thể thử từng tùy chọn và sau đó, sau khi nhận được kết quả, chúng tôi có thể tiếp tục chọn nhánh mang lại nhiều phần thưởng nhất. Đây được gọi là thuật toán tham lam : tùy chọn mang lại kết quả tốt nhất khi chúng ta thử lần đầu tiên là tùy chọn chúng ta sẽ tiếp tục chọn. Nhưng chúng ta có thể hiểu rằng điều này không phải lúc nào cũng hiệu quả—có một điều, phần thưởng cao có thể là một sự may mắn. Hoặc có thể có một số bối cảnh cụ thể của người dùng dẫn đến phần thưởng cao hơn trong khoảng thời gian đó nhưng sau này sẽ không còn hiệu quả nữa.

Vì vậy ngữ cảnh được thêm vào để làm cho thuật toán hiệu quả hơn. Đối với cá nhân hóa Cấu hình từ xa, bối cảnh ban đầu này là lấy mẫu ngẫu nhiên hoặc độ không chắc chắn , cung cấp một số entropy cho thử nghiệm. Điều này thực hiện một "kẻ cướp đa vũ trang theo ngữ cảnh ". Khi thử nghiệm tiếp tục diễn ra, quá trình khám phá và quan sát đang diễn ra sẽ bổ sung thêm bối cảnh thực tế đã học được về cánh tay nào có nhiều khả năng tạo ra phần thưởng cho mô hình nhất, giúp mô hình trở nên hiệu quả hơn.

Điều này có ý nghĩa gì đối với ứng dụng của tôi?

Bây giờ, hãy thảo luận về ý nghĩa của thuật toán kẻ cướp nhiều nhánh trong ngữ cảnh ứng dụng của bạn. Giả sử bạn đang tối ưu hóa cho số lượt nhấp vào quảng cáo biểu ngữ. Trong trường hợp này, "nhánh" cá nhân hóa sẽ là các giá trị thay thế mà bạn chỉ định để thể hiện các quảng cáo biểu ngữ khác nhau mà bạn muốn hiển thị cho người dùng. Lần nhấp vào quảng cáo biểu ngữ là phần thưởng mà chúng tôi gọi là mục tiêu .

Khi bạn khởi chạy hoạt động cá nhân hóa lần đầu tiên, mô hình không biết giá trị thay thế nào sẽ có nhiều khả năng đạt được mục tiêu của bạn hơn cho từng người dùng. Khi quá trình cá nhân hóa khám phá từng giá trị thay thế để hiểu khả năng đạt được mục tiêu của bạn, mô hình cơ bản sẽ phát triển nhiều thông tin hơn, cải thiện khả năng dự đoán và chọn trải nghiệm tối ưu cho mỗi người dùng.

Cá nhân hóa sử dụng cửa sổ cố định trong 24 giờ. Đây là khoảng thời gian thuật toán cá nhân hóa khám phá một giá trị thay thế duy nhất. Bạn nên cung cấp cho các cá nhân hóa của mình đủ thời gian để khám phá từng giá trị thay thế nhiều lần (thường là khoảng 14 ngày). Lý tưởng nhất là bạn có thể để chúng chạy liên tục để chúng có thể liên tục cải thiện và thích ứng khi ứng dụng và hành vi người dùng của bạn thay đổi.

Theo dõi các số liệu bổ sung

Cá nhân hóa Cấu hình từ xa cũng cung cấp khả năng theo dõi tối đa hai số liệu bổ sung để giúp bạn ngữ cảnh hóa kết quả của mình. Giả sử bạn đã phát triển một ứng dụng xã hội và đặt các giá trị thay thế khác nhau để khuyến khích người dùng chia sẻ nội dung với bạn bè nhằm tăng mức độ tương tác tổng thể.

Trong trường hợp này, bạn có thể chọn tối ưu hóa cho một sự kiện Analytics như link_received và đặt hai chỉ số của mình thành user_engagementlink_opened để hiểu liệu mức độ tương tác của người dùng và số lượng liên kết mà người dùng mở tăng (tương tác thực sự) hay giảm (có thể có quá nhiều liên kết spam) ).

Mặc dù các số liệu bổ sung này sẽ không được đưa vào thuật toán cá nhân hóa nhưng bạn có thể theo dõi chúng cùng với kết quả cá nhân hóa của mình, cung cấp thông tin chi tiết có giá trị về khả năng cá nhân hóa để đạt được mục tiêu chung của bạn.

Hiểu kết quả cá nhân hóa

Sau khi quá trình cá nhân hóa đã chạy đủ lâu để thu thập dữ liệu, bạn có thể xem kết quả của nó.

Để xem kết quả cá nhân hóa:

  1. Mở trang Remote Config và nhấp vào Personalizations .

  2. Chọn cá nhân hóa bạn muốn xem. Bạn có thể tìm kiếm hoạt động cá nhân hóa cụ thể theo tên hoặc mục tiêu và có thể sắp xếp theo Tên, Thời gian bắt đầu hoặc Tổng mức tăng.

Trang kết quả tóm tắt Tổng mức tăng hoặc chênh lệch phần trăm về hiệu suất mà hoạt động cá nhân hóa mang lại so với nhóm Cơ sở .

Trang kết quả cũng hiển thị trạng thái hiện tại của việc cá nhân hóa, các thuộc tính của việc cá nhân hóa và biểu đồ tương tác:

  • Hiển thị chế độ xem chi tiết hàng ngày và tổng thể về cách hoạt động cá nhân hóa so với đường cơ sở.

  • Hiển thị cách mỗi giá trị hoạt động tổng thể trong nhóm cơ sở.

  • Hiển thị kết quả mục tiêu và hiệu suất so với các số liệu bổ sung mà bạn đã chọn, có thể truy cập được bằng cách sử dụng các tab ở đầu bản tóm tắt.

Việc cá nhân hóa có thể được chạy vô thời hạn và bạn có thể tiếp tục truy cập lại trang kết quả để theo dõi hiệu suất của nó. Thuật toán sẽ tiếp tục học hỏi và điều chỉnh để có thể thích ứng khi hành vi của người dùng thay đổi.

Hiểu việc xóa cá nhân hóa

Bạn có thể xóa hoạt động cá nhân hóa bằng bảng điều khiển Firebase hoặc bằng cách xóa tham số cá nhân hóa khỏi mẫu của mình bằng API cấu hình từ xa Firebase . Không thể khôi phục các cá nhân hóa đã xóa. Để tìm hiểu về việc lưu giữ dữ liệu, hãy xem Xóa dữ liệu .

Bạn cũng có thể xóa các cá nhân hóa bằng cách quay lại hoặc nhập mẫu .

Khôi phục

Nếu mẫu hiện tại của bạn có các nội dung cá nhân hóa và bạn quay lại mẫu không có các nội dung cá nhân hóa tương tự thì các nội dung cá nhân hóa đó sẽ bị xóa. Để hoàn nguyên về mẫu trước đó, hãy sử dụng bảng điều khiển Firebase hoặc roll back bằng API cấu hình từ xa Firebase.

Khi bạn xóa một nội dung cá nhân hóa và quay lại mẫu trước đó, tham chiếu đến nội dung cá nhân hóa không hợp lệ đó sẽ xuất hiện trong bảng điều khiển Firebase. Bạn có thể xóa hoạt động cá nhân hóa không hợp lệ khỏi bảng điều khiển Firebase bằng cách chỉnh sửa hoạt động cá nhân hóa trong tab Tham số của trang Cấu hình từ xa.

Nhập khẩu

Việc nhập mẫu không còn chứa các thông tin cá nhân hóa hiện tại của bạn cũng sẽ xóa các thông tin cá nhân hóa đó. Để nhập mẫu, hãy sử dụng bảng điều khiển Firebase hoặc sử dụng API REST cấu hình từ xa .

Bước tiếp theo