個人化功能會運用機器學習技術 (具體來說是情境多臂老千演算法)，為個別使用者找出最合適的體驗，以達成目標。在本例中，目標是盡量提高特定Google Analytics事件的總數或總參數值。
什麼是情境多臂吃角子老虎機演算法？
「多臂強盜」是個比喻，用來描述我們想從多條路徑中，持續選擇能帶來最高、最可靠報酬的路徑。為方便理解，您可以想像賭徒站在一排吃角子老虎機前，這些機器通常俗稱「獨臂強盜」，因為吃角子老虎機只有一個把手 (或手臂)，而且會吃掉你的錢。由於我們想解決多個「臂」的問題，單臂吃角子老虎機就變成了多臂吃角子老虎機。
舉例來說，假設我們有三個選項，並想找出最可靠的獎勵：我們可以嘗試每個選項，然後在收到結果後，繼續選擇產生最多獎勵的選項。這就是所謂的貪婪演算法：我們第一次嘗試時，會選擇產生最佳結果的選項，並持續選擇該選項。但我們瞭解這不一定適用於所有情況，例如高額獎勵可能只是僥倖。或者，可能是因為某些使用者專屬的脈絡，導致該時段的獎勵較高，但之後可能就沒那麼有效。
因此，系統會加入脈絡，讓演算法更有效率。就Remote Config個人化而言，這個初始脈絡是隨機取樣，或是不確定性，可為實驗提供一些熵。這會實作「情境式多臂吃角子老虎機」。隨著實驗持續進行，持續探索和觀察可為模型提供更多真實的學習背景資訊，瞭解哪些實驗組最有可能引發獎勵，進而提升模型效能。
這對我的應用程式有何影響？
現在，我們來討論多臂老鷹演算法在應用程式中的意義。假設您要盡量爭取橫幅廣告點擊次數，在這種情況下，個人化設定的「分支」就是您指定的替代值，代表要向使用者顯示的不同橫幅廣告。橫幅廣告點擊次數就是獎勵，也就是我們所謂的目標。
首次推出個人化設定時，模型並不知道哪一個替代值較有可能為每位使用者達成目標。個人化設定會探索每個替代值，瞭解達成目標的可能性，而基礎模型也會因此獲得更多資訊，進而提升預測能力，為每位使用者選取最佳體驗。
個人化功能會使用 24 小時的黏著期。這是指個人化演算法探索單一替代值的時間量。您應給予個人化設定足夠的時間，多次探索每個替代值 (一般約 14 天)。最好是讓這些測試持續進行，以便在應用程式和使用者行為改變時，持續改善及調整。
追蹤其他指標
Remote Config個人化功能也提供追蹤最多兩項額外指標的功能，有助您瞭解結果的脈絡。假設您開發了社群應用程式，並設定不同的替代值，鼓勵使用者與朋友分享內容，以提高整體參與度。
在這種情況下，您可能會選擇針對 Analytics 等事件 (例如
link_received) 進行最佳化，並將兩項指標設為 user_engagement 和
link_opened，藉此瞭解使用者參與度和使用者開啟的連結數量是增加 (真實參與度) 還是減少 (可能是有太多垃圾連結)。
雖然這些額外指標不會納入個人化演算法，但您可以一併追蹤這些指標和個人化結果，深入瞭解個人化功能達成整體目標的能力。
瞭解個人化結果
個人化設定運作一段時間並收集到資料後，您就能查看結果。
如要查看個人化結果，請按照下列步驟操作：
開啟「Remote Config」頁面，然後按一下「個人化」。
選取要查看的個人化設定。您可以依名稱或目標搜尋特定個人化設定，並依名稱、開始時間或總升幅排序。
結果頁面會匯總個人化功能相較於基準組帶來的總升幅，或成效百分比差異。
結果頁面也會顯示個人化設定的目前狀態、個人化屬性，以及互動式圖表，其中包含：
詳細顯示個人化功能與基準值相比的每日和總體成效。
顯示每個值在基準群組中的整體成效。
顯示目標結果和成效，並與您選擇的其他指標進行比較。您可以透過摘要頂端的索引標籤存取這些資訊。
個人化設定可以無限期執行，您也可以繼續返回結果頁面監控成效。演算法會持續學習及調整，以便在使用者行為改變時適應。
瞭解如何刪除個人化設定
您可以使用 Firebase 控制台刪除個人化設定，也可以使用 Firebase Remote Config API 從範本中移除個人化參數。個人化設定一經刪除即無法還原。如要瞭解資料保留方式，請參閱「資料刪除」。
復原
如果目前的範本有個人化設定，而您復原到沒有相同個人化設定的範本，系統就會刪除這些設定。如要還原為先前的範本，請使用 Firebase 控制台或 roll back Firebase Remote Config API。
刪除個人化設定並還原為舊版範本時，Firebase 控制台中會顯示該無效個人化設定的參照。如要從 Firebase 管理中心移除無效的個人化設定，請前往 Remote Config 頁面的「參數」分頁編輯個人化設定。
匯入
匯入不再包含目前個人化設定的範本時，系統也會刪除這些設定。如要匯入範本，請使用 Firebase 控制台或 Remote Config REST API。