Personalizacja wykorzystuje systemy uczące się, a konkretnie kontekstowy algorytm wielorękiego bandyty, aby określić optymalne wrażenia użytkowników, które pozwolą osiągnąć określony cel. W naszym przypadku celem jest optymalizacja pod kątem łącznej liczby lub łącznej wartości parametru określonych zdarzeń Google Analytics.
Czym jest kontekstowy algorytm wielorękiego bandyty?
„Wieloręki bandyta” to metafora opisująca sytuację, w której chcemy stale wybierać ścieżkę, która prowadzi do najwyższych i najbardziej wiarygodnych nagród z listy wielu ścieżek. Możesz to sobie wyobrazić jako gracza stojącego przed rzędem automatów do gier, które często są potocznie nazywane „jednorękim bandytą”, ponieważ mają jedną dźwignię (lub ramię) i zabierają pieniądze. Ponieważ chcemy rozwiązać problem z wieloma „ramionami”, jednoręki bandyta staje się wielorękim bandytą.
Załóżmy, że mamy 3 opcje i chcemy określić, która z nich zapewnia najbardziej wiarygodną nagrodę. Możemy wypróbować każdą z nich, a potem, po otrzymaniu wyniku, po prostu wybierać tę, która przyniosła najwięcej nagród. Jest to tak zwany algorytm zachłanny: opcja, która przy pierwszej próbie daje najlepszy wynik, jest wybierana dalej. Rozumiemy jednak, że nie zawsze może to działać – po pierwsze, wysoka nagroda może być przypadkowa. Może istnieją jakieś konteksty związane z użytkownikiem, które spowodowały, że w tym okresie nagrody były wyższe, ale później nie byłyby już tak skuteczne.
Dlatego dodawany jest kontekst, aby zwiększyć skuteczność algorytmu. W przypadku personalizacji ten początkowy kontekst to próbkowanie losowe lub niepewność, która zapewnia eksperymentowi pewną entropię.Remote Config Jest to implementacja kontekstowego wielorękiego bandyty. W miarę trwania eksperymentu ciągłe eksplorowanie i obserwacja dodają do modelu rzeczywisty kontekst dotyczący tego, które grupy eksperymentalne najprawdopodobniej przyniosą nagrodę, co zwiększa jego skuteczność.
Co to oznacza dla mojej aplikacji?
Omówmy teraz, co oznacza algorytm wielorękiego bandyty w kontekście Twojej aplikacji. Załóżmy, że optymalizujesz kliknięcia reklam banerowych. W tym przypadku „ramionami” personalizacji będą wartości alternatywne, które określisz, aby reprezentowały różne reklamy banerowe, jakie chcesz wyświetlać użytkownikom. Nagrodą jest kliknięcie reklamy banerowej, które określamy jako cel.
Gdy po raz pierwszy uruchomisz personalizację, model nie będzie wiedzieć, która wartość alternatywna z większym prawdopodobieństwem pozwoli Ci osiągnąć cel w przypadku poszczególnych użytkowników. Gdy personalizacja sprawdza każdą wartość alternatywną, aby określić prawdopodobieństwo osiągnięcia celu, model bazowy staje się bardziej precyzyjny, co zwiększa jego zdolność do przewidywania i wybierania optymalnych ustawień dla każdego użytkownika.
Personalizacja korzysta z okna utrzymania trwającego 24 godziny. Jest to czas, w którym algorytm personalizacji sprawdza jedną wartość alternatywną. Daj personalizacji wystarczająco dużo czasu na wielokrotne sprawdzenie każdej alternatywnej wartości (zwykle około 14 dni). Najlepiej, aby działały one nieustannie, dzięki czemu będą mogły się stale ulepszać i dostosowywać do zmian w aplikacji i zachowaniach użytkowników.
Śledzenie dodatkowych danych
Remote Config personalizacji umożliwia też śledzenie maksymalnie 2 dodatkowych danych, co pomaga w kontekstualizacji wyników. Załóżmy, że masz aplikację społecznościową i ustawiasz różne wartości alternatywne, aby zachęcać użytkowników do udostępniania treści znajomym i zwiększać ogólne zaangażowanie.
W takim przypadku możesz zoptymalizować Analyticszdarzenie, np.link_received i ustawić 2 rodzaje danych: user_engagement i link_opened, aby sprawdzić, czy zaangażowanie użytkowników i liczba otwieranych przez nich linków rośnie (prawdziwe zaangażowanie) czy maleje (prawdopodobnie zbyt wiele linków spamowych).
Te dodatkowe dane nie będą uwzględniane w algorytmie personalizacji, ale możesz je śledzić obok wyników personalizacji, co pozwoli Ci uzyskać cenne informacje o tym, jak personalizacja pomaga w osiąganiu ogólnych celów.
Interpretowanie wyników personalizacji
Gdy personalizacja będzie działać wystarczająco długo, aby zebrać dane, możesz wyświetlić jej wyniki.
Aby wyświetlić wyniki personalizacji:
Otwórz Remote Configstronę i kliknij Personalizacja.
Wybierz personalizację, którą chcesz wyświetlić. Możesz wyszukać konkretną personalizację według nazwy lub celu oraz posortować wyniki według nazwy, czasu rozpoczęcia lub całkowitego wzrostu.
Na stronie wyników znajdziesz podsumowanie całkowitego wzrostu, czyli procentowej różnicy w skuteczności, jaką personalizacja zapewnia w porównaniu z grupą podstawową.
Na stronie wyników znajdziesz też aktualny stan personalizacji, jej atrybuty i interaktywny wykres, który:
Zawiera szczegółowe dzienne i całkowite dane o skuteczności personalizacji w porównaniu z wartością bazową.
Pokazuje ogólną skuteczność każdej wartości w grupie odniesienia.
Wyświetla wyniki celu i skuteczność w odniesieniu do wybranych przez Ciebie dodatkowych danych, do których możesz uzyskać dostęp za pomocą kart u góry podsumowania.
Personalizację można pozostawić włączoną na czas nieokreślony i możesz nadal wracać na stronę wyników, aby monitorować jej skuteczność. Algorytm będzie się uczyć i dostosowywać, aby reagować na zmiany w zachowaniach użytkowników.
Informacje o usuwaniu personalizacji
Personalizację możesz usunąć za pomocą Firebasekonsoli lub usuwając parametr personalizacji z szablonu za pomocą Firebase Remote Config API. Usuniętych personalizacji nie można przywrócić. Więcej informacji o przechowywaniu danych znajdziesz w artykule Usuwanie danych.
Możesz też usunąć personalizację, cofając zmiany lub importując szablon.
Przywrócone
Jeśli Twój obecny szablon zawiera personalizacje, a przywrócisz szablon, który nie ma tych samych personalizacji, zostaną one usunięte. Aby przywrócić poprzedni szablon, użyj Firebasekonsoli lub roll back interfejsu Firebase Remote Config API.
Gdy usuniesz personalizację i wrócisz do poprzedniego szablonu, w Firebase konsoli pojawi się odniesienie do tej nieprawidłowej personalizacji. Nieprawidłową personalizację możesz usunąć z Firebasekonsoli, edytując personalizację na karcie Parametry na stronie Remote Config.
Importy
Importowanie szablonu, który nie zawiera już Twoich obecnych personalizacji, również je usuwa. Aby zaimportować szablon, użyj konsoli lub interfejsu API REST.FirebaseRemote Config
Dalsze kroki
Poznaj Remote Config przypadki użyciapersonalizacji.
Zacznij korzystać z Remote Config personalizacji.