התאמה אישית מתבססת על למידת מכונה – ספציפית על אלגוריתם של שודד רב-זרועות הקשרי – כדי לקבוע את חוויית השימוש האופטימלית למשתמשים ספציפיים להשגת מטרה. בדוגמה שלנו, המטרה היא לבצע אופטימיזציה לפי המספר הכולל או הערך הכולל של פרמטרים של אירועים ספציפיים מסוג Google Analytics.
מהו אלגוריתם של שודד עם כמה זרועות בהקשר?
המונח "שודד עם כמה ידיים" הוא מטאפורה שמתארת מצב שבו אנחנו רוצים לבחור באופן רציף נתיב שמוביל לתגמולים הכי גבוהים והכי מהימנים מתוך רשימה של כמה נתיבים. כדי להמחיש את זה, אפשר להשתמש במטפורה של מהמר שעומד מול שורה של מכונות מזל – לעיתים קרובות מכונות מזל נקראות בלשון העממית "שודד עם יד אחת" כי למכונת מזל יש ידית אחת (או זרוע) והיא לוקחת את הכסף שלכם. מכיוון שאנחנו רוצים לפתור את הבעיה של כמה 'זרועות', מכונת המזל עם הזרוע האחת הופכת למכונת מזל עם כמה זרועות.
לדוגמה, נניח שיש לנו שלוש אפשרויות ואנחנו רוצים לקבוע איזו מהן מספקת את התגמול הכי אמין: אנחנו יכולים לנסות כל אפשרות, ואז, אחרי קבלת התוצאה, פשוט להמשיך לבחור את קבוצת הניסוי שהניבה את הכי הרבה תגמולים. זה מה שנקרא אלגוריתם חמדן: האפשרות שמניבה את התוצאה הטובה ביותר בניסיון הראשון היא האפשרות שנמשיך לבחור. אבל אנחנו מבינים שלא תמיד זה עובד – למשל, יכול להיות שהתגמול הגבוה הוא מקרי. או אולי יש הקשר ספציפי למשתמש שהוביל לתגמולים גבוהים יותר במהלך תקופת הזמן הזו, שלא יהיו יעילים באותה מידה בהמשך.
לכן, נוסף הקשר כדי לשפר את היעילות של האלגוריתם. לצורך התאמה אישית, ההקשר הראשוני הזה הוא דגימה אקראית, או אי-ודאות, שמספקת אנטרופיה מסוימת לניסוי.Remote Config הקוד הזה מיישם 'שודד הקזינו ההקשרי'. ככל שהניסוי ממשיך לפעול, תהליך החיפוש וההתבוננות המתמשך מוסיף הקשר אמיתי שנלמד לגבי הקבוצות שהכי סביר שיניבו תגמול למודל, וכך הופך אותו ליעיל יותר.
מה המשמעות מבחינת האפליקציה שלי?
עכשיו נסביר מה המשמעות של אלגוריתם multi-armed bandit בהקשר של האפליקציה שלכם. נניח שאתם מבצעים אופטימיזציה לקליקים על מודעות באנר. במקרה כזה, הערכים החלופיים שאתם מציינים כדי לייצג את מודעות הבאנר השונות שאתם רוצים להציג למשתמשים הם ה'זרועות' של ההתאמה האישית. הקליק על מודעת הבאנר הוא התגמול, שאנחנו קוראים לו יעד.
כשמפעילים התאמה אישית בפעם הראשונה, המודל לא יודע איזה ערך חלופי ישיג את היעד שהגדרתם עבור כל משתמש בנפרד. במהלך ההתאמה האישית, המערכת בודקת כל ערך חלופי כדי להבין את הסבירות להשגת היעד שהגדרתם. כך המודל הבסיסי מקבל יותר מידע, ומשפר את היכולת שלו לחזות ולבחור את חוויית השימוש האופטימלית לכל משתמש.
ההתאמה האישית מתבצעת באמצעות חלון שמירת נתונים של 24 שעות. זהו משך הזמן שבו האלגוריתם להתאמה אישית בודק ערך חלופי יחיד. חשוב לתת מספיק זמן להתאמות האישיות כדי לבדוק כל ערך חלופי כמה פעמים (בדרך כלל כ-14 ימים). מומלץ להפעיל אותם באופן קבוע כדי שהם יוכלו להשתפר ולהתאים את עצמם כל הזמן, ככל שהאפליקציה וההתנהגויות של המשתמשים משתנות.
מעקב אחרי מדדים נוספים
Remote Configהתאמה אישית גם מאפשרת לעקוב אחרי עד שני מדדים נוספים, כדי להוסיף הקשר לתוצאות. נניח שפיתחתם אפליקציה חברתית והגדרתם ערכים חלופיים שונים כדי לעודד את המשתמשים לשתף תוכן עם חברים ולהגדיל את רמת המעורבות הכוללת.
במקרה כזה, כדאי לבצע אופטימיזציה לאירוע Analytics כמו
link_received ולהגדיר את שני המדדים כ-user_engagement וכ-link_opened כדי להבין אם התעניינות המשתמש ומספר הקישורים שהמשתמש פותח עולים (התעניינות אמיתית) או יורדים (יכול להיות שיש יותר מדי קישורים שהם ספאם).
המדדים הנוספים האלה לא ייכללו באלגוריתם ההתאמה האישית, אבל תוכלו לעקוב אחריהם לצד תוצאות ההתאמה האישית. כך תוכלו לקבל תובנות חשובות לגבי היכולת של ההתאמה האישית להשיג את היעדים הכוללים שלכם.
הסבר על תוצאות בהתאמה אישית
אחרי שהתאמה אישית פועלת מספיק זמן כדי לאסוף נתונים, אפשר לראות את התוצאות שלה.
כדי לראות את תוצאות ההתאמה האישית:
פותחים את הדף Remote Config ולוחצים על התאמות אישיות.
בוחרים את ההתאמה האישית שרוצים לראות. אפשר לחפש את ההתאמה האישית הספציפית לפי שם או לפי יעד, ולמיין לפי שם, זמן התחלה או עלייה כוללת.
בדף התוצאות מוצג סיכום של העלייה הכוללת, או אחוז ההבדל בביצועים, שההתאמה האישית מספקת בהשוואה לקבוצת הבסיס.
בדף התוצאות מוצג גם הסטטוס הנוכחי של ההתאמה האישית, המאפיינים שלה וגרף אינטראקטיבי שבו:
מוצגת תצוגה מפורטת של הביצועים של ההתאמה האישית ביחס לנקודת ההשוואה, לפי יום ולפי סך הכול.
המדד הזה מראה את הביצועים הכוללים של כל ערך בקבוצת הבסיס.
בכרטיסייה הזו מוצגים התוצאות של היעדים והביצועים בהשוואה למדדים הנוספים שבחרתם. אפשר לגשת אליה באמצעות הכרטיסיות בחלק העליון של הסיכום.
אפשר להשאיר התאמה אישית פועלת ללא הגבלת זמן, ולהמשיך לחזור לדף התוצאות כדי לעקוב אחרי הביצועים שלה. האלגוריתם ימשיך ללמוד ולהתאים את עצמו, כדי שיוכל להסתגל לשינויים בהתנהגות המשתמשים.
הסבר על מחיקת נתונים להתאמה אישית
אפשר למחוק התאמה אישית באמצעות Firebase Console או על ידי הסרת פרמטר של התאמה אישית מהתבנית באמצעות Firebase Remote Config API. אי אפשר לשחזר התאמות אישיות שנמחקו. מידע נוסף על שמירת נתונים זמין במאמר בנושא מחיקת נתונים.
אפשר גם למחוק התאמות אישיות על ידי חזרה לגרסה קודמת או ייבוא של תבנית.
רולבק
אם בתבנית הנוכחית יש התאמות אישיות וחוזרים לתבנית שאין בה את אותן התאמות אישיות, ההתאמות האישיות נמחקות. כדי לחזור לתבנית קודמת, משתמשים במסוף Firebase או ב-roll back באמצעות Firebase Remote Config API.
כשמוחקים התאמה אישית וחוזרים לתבנית קודמת, מופיע הפניה להתאמה האישית הלא תקינה במסוף Firebase. אפשר להסיר את ההתאמה האישית הלא תקינה ממסוף Firebase על ידי עריכת ההתאמה האישית בכרטיסייה Parameters (פרמטרים) בדף Remote Config.
פעולות ייבוא
אם מייבאים תבנית שכבר לא מכילה את ההתאמות האישיות הנוכחיות, ההתאמות האישיות האלה יימחקו. כדי לייבא תבנית, משתמשים במסוף Firebase או ב-Remote Config REST API.
השלבים הבאים
איך מתחילים להשתמש בהתאמה אישית שלRemote Config