يستخدم التخصيص تقنية تعلُّم الآلة، خاصةً خوارزمية ماكينات الألعاب المتعددة السياقية - وتحديد التجربة المثلى للمستخدمين الفرديين لتحقيق هدف ما. وفي حالتنا، يكون الهدف هو تحسين العدد الإجمالي قيمة مَعلمة أحداث Google Analytics محدّدة.
ما المقصود بخوارزمية ماكينات الألعاب المتعددة السياقية؟
"ماكينات الألعاب المتعددة" هي استعارة تُستخدم لوصف الموقف الذي يريدون باستمرار اختيار مسار يؤدي إلى الأعلى والأكثر موثوقية مكافآت من قائمة مسارات متعددة لتصور ذلك، يمكنك استخدام استعارة مقامر أمام صف من ماكينات القمار باسم "ماكينة سلاح واحد" لأن ماكينة القمار لها مؤشر واحد (أو ذات الصلة) ويأخذ أموالك. نظرًا لأننا نريد حل العديد من و "الأسلحة" تصبح ماكينات السلاح الواحد ماكينات الألعاب المتعددة.
على سبيل المثال، لنفترض أن لدينا ثلاثة خيارات ونريد تحديد أيها يقدم المكافأة الأكثر موثوقية: يمكننا تجربة كل خيار، ثم بعد الحصول على النتيجة، فيمكننا مواصلة اختيار المجموعة التي حققت أكبر قدر من المكافآت. هذا النمط ما يُعرف باسم الخوارزمية الجشعة، وهو الخيار الذي يُسفر عن أفضل النتيجة التي سنستمر في اختيارها عندما نحاولها لأول مرة. ولكن يمكننا أدرك أن هذا قد لا ينجح دائمًا، ويرجع ذلك لسبب واحد هو أن المكافأة العالية يمكن أن يكون حظًا. أو ربما يكون هناك بعض السياق الخاص بالمستخدم نتج عنه مكافآت أعلى خلال تلك الفترة الزمنية التي لن تكون فعالة لاحقًا.
ومن ثم، يضاف السياق لجعل الخوارزمية أكثر فعالية. بالنسبة إلى Remote Config التخصيص، يكون هذا السياق الأوّلي هو أخذ عيّنات عشوائية، أو عدم اليقين، ما يقدّم بعضًا من الالتباس إلى التجربة. يؤدي هذا إلى تنفيذ "ماكينات الألعاب المتعددة السياقية". ومع استمرار تنفيذ التجربة فإن الاستكشاف والملاحظة المستمرين يضيفان سياقًا حقيقيًا مكتسبًا حول الأشكال يستدعي النموذج مكافأة، مما يزيد من فعاليتها.
ما تأثير هذا التغيير في تطبيقي؟
والآن، لنناقش ما تعنيه خوارزمية ماكينات الألعاب المتعددة في سياق تطبيقك. لنفترض أنك تُجري التحسين لزيادة النقرات على إعلانات البانر. في هذه الحالة، ستكون "مجموعات التجربة" للتخصيص هي القيم البديلة التي تحدّدها ل represent the different banner ads you want to display to users. إعلان البانر النقرة هي المكافأة، والتي نشير إليها على أنّها هدف.
عند إطلاق تخصيص لأول مرة، لا يعرف النموذج أيٍ منها تزيد احتمالية أن تحقق القيمة البديلة هدفك لكل فرد المستخدم. وأثناء استكشاف التخصيص لكل قيمة بديلة لفهم احتمالية تحقيق هدفك، يزداد حجم النموذج الأساسي على اطلاع دائم، تحسين قدرته على التنبؤ واختيار التجربة المثلى لكل مستخدم.
يستخدم التخصيص فترة ثبات تبلغ 24 ساعة. وهذا هو مقدار الوقت الذي تستغرقه خوارزمية التخصيص لاستكشاف قيمة بديلة واحدة. إِنْتَ يجب أن يكون لديك وقت كافٍ لاستكشاف كل بديل من اختياراتك القيمة عدة مرات (حوالي 14 يومًا بشكل عام). من الناحية المثالية، يمكنك السماح لهم بتشغيل بشكل دائم حتى يتمكنوا من التحسين والتكيّف بشكل مستمر مع كل من تطبيقك والمستخدم تتغير سلوكياتهم.
تتبُّع مقاييس إضافية
يوفّر تخصيص "Remote Config" أيضًا إمكانية تتبُّع ما يصل إلى مستخدمَين. مقاييس إضافية، لمساعدتك على وضع نتائجك في سياقها. لنفترض أنك وطورت تطبيقًا اجتماعيًا وحددت قيمًا بديلة مختلفة لتشجيع مشاركة المحتوى مع الأصدقاء لزيادة التفاعل بشكل عام
في هذه الحالة، يمكنك اختيار تحسين حدث Analytics مثل
link_received وضبط المقياسَين على user_engagement
link_opened لمعرفة ما إذا كان تفاعل المستخدمين وعدد الروابط
ارتفاع عدد مرات فتح المستخدِم (التفاعل الحقيقي) أو تراجعه (قد يكون هناك عدد كبير جدًا من الروابط غير المرغوب فيها)
ولن يتم تضمين هذه المقاييس الإضافية في عملية التخصيص. يمكنك تتبعها مباشرةً بجانب نتائج التخصيص والذي يقدم إحصاءات قيّمة حول قدرة التخصيص على تحقيق والأهداف العامة.
فهم نتائج التخصيص
بعد تشغيل التخصيص لمدة كافية لجمع البيانات، يمكنك الاطلاع على نتائجه.
للاطّلاع على نتائج التخصيص:
فتح صفحة Remote Config وانقر على عمليات التخصيص:
اختَر التخصيص الذي تريد الاطّلاع عليه. يمكنك البحث عن تخصيص محدد حسب الاسم أو الهدف، ويمكن ترتيبها حسب الاسم، وقت البدء أو إجمالي التحسّن.
تلخِّص صفحة النتائج إجمالي التحسّن أو الفرق بالنسبة المئوية في الأداء، الذي يوفره التخصيص على مجموعة المرجع.
كما تعرض صفحة النتائج الحالة الحالية للتخصيص سمات التخصيص ورسم بياني تفاعلي:
يعرض عرضًا تفصيليًا يوميًا وإجماليًا حول مستوى أداء التخصيص. مقابل المتوقع.
يعرِض مستوى أداء كلّ قيمة بشكلٍ عام في المجموعة المرجعية.
يعرض نتائج الأهداف والأداء مقارنةً بالمقاييس الإضافية التي تستخدمها. الذي تم اختياره، يمكن الوصول إليه باستخدام علامات التبويب الموجودة أعلى الملخص.
يمكن ترك التخصيص قيد التشغيل إلى أجل غير مسمى ويمكنك المتابعة وإعادة زيارة صفحة النتائج لمراقبة أدائها. ستستمر الخوارزمية للتعلم والتكيّف، بحيث يمكنها التكيّف عندما يتغير سلوك المستخدم.
التعرّف على خيار حذف التخصيص
يمكنك حذف تخصيص باستخدام وحدة تحكّم "Firebase" أو عن طريق إزالة معلَمة التخصيص من نموذجك باستخدام Firebase Remote Config API: لا يمكن استعادة عمليات التخصيص التي تم حذفها. للاطّلاع على معلومات عن الاحتفاظ بالبيانات، يُرجى الاطّلاع على مقالة حذف البيانات.
يمكنك أيضًا حذف التخصيصات من خلال التمرير الرجوع أو استيراد نموذج.
العودة إلى الإصدارات السابقة
إذا كان النموذج الحالي يتضمن تخصيصات وشغّلته
الرجوع إلى نموذج لا يتضمن
نفس التخصيصات، فسيتم حذف عمليات التخصيص. للرجوع إلى ملف تخطيط سابق، استخدِم وحدة تحكّم Firebase أو
roll back
باستخدام واجهة برمجة التطبيقات Firebase Remote Config.
عند حذف تخصيص وإعادة الرجوع إلى نموذج سابق، يظهر إشارة إلى هذا التخصيص غير الصالح في وحدة تحكّم Firebase. يمكنك إزالة التخصيص غير الصالح من وحدة تحكم Firebase عن طريق تعديل التخصيص في علامة التبويب "المَعلمات" في صفحة Remote Config.
عمليات الاستيراد
استيراد نموذج لم يعد يحتوي على التخصيصات الحالية أيضًا هذه التخصيصات. لاستيراد نموذج، استخدِم وحدة تحكّم Firebase أو استخدِم Remote Config REST API.