Hoạt động cá nhân hoá sử dụng công nghệ học máy—cụ thể là thuật toán thử nghiệm chia nhiều nhánh theo ngữ cảnh xác định trải nghiệm tối ưu cho từng người dùng để đạt được mục tiêu. Trong trường hợp của chúng ta, mục tiêu là tối ưu hoá cho tổng số hoặc tổng số giá trị thông số của các sự kiện cụ thể trong Google Analytics.
Thuật toán thử nghiệm chia nhiều nhánh theo ngữ cảnh là gì?
"Chiến dịch chia nhiều nhánh" là phép ẩn dụ dùng để mô tả tình huống khi chúng ta muốn liên tục chọn con đường dẫn đến kết quả cao nhất, đáng tin cậy nhất phần thưởng từ một danh sách gồm nhiều lộ trình. Để hình dung điều này, bạn có thể sử dụng ẩn dụ về một con bạc trước một dãy máy đánh bạc – thường là thông thường được gọi là "thử nghiệm chia một vũ khí" vì máy đánh bạc có một tên người dùng (hoặc và nhận tiền. Vì chúng ta muốn giải quyết vấn đề cho nhiều "vũ khí", thử nghiệm chia một nhánh sẽ trở thành thử nghiệm chia nhiều nhánh.
Ví dụ: giả sử chúng ta có 3 lựa chọn và muốn xác định lựa chọn nào cung cấp phần thưởng đáng tin cậy nhất: Chúng tôi có thể thử từng lựa chọn, và sau khi nhận được kết quả là chúng tôi có thể tiếp tục chọn nhóm thử nghiệm mang lại nhiều phần thưởng nhất. Chiến dịch này được gọi là thuật toán tham lam: lựa chọn mang lại kết quả tốt nhất kết quả khi chúng tôi thử lần đầu thì đó là kết quả mà chúng tôi sẽ tiếp tục chọn. Nhưng chúng tôi có thể hiểu rằng điều này không phải lúc nào cũng hiệu quả—một điều là phần thưởng cao có thể là một con sáo. Hoặc có thể có một số bối cảnh cụ thể về người dùng đã dẫn đến việc phần thưởng cao hơn trong khoảng thời gian đó nhưng sẽ không hiệu quả sau này.
Vì vậy, bối cảnh được thêm vào để giúp thuật toán hiệu quả hơn. Để Hoạt động cá nhân hoá Cấu hình từ xa, ngữ cảnh ban đầu này là hoạt động lấy mẫu ngẫu nhiên, hoặc độ không chắc chắn để cung cấp một số entropy cho thử nghiệm. Chiến dịch này triển khai một thử nghiệm chia nhiều nhánh "theo ngữ cảnh". Khi thử nghiệm tiếp tục chạy, hoạt động khám phá và quan sát liên tục sẽ bổ sung bối cảnh thực tế đã học về nhóm thử nghiệm nào có nhiều khả năng nhất sẽ mang lại phần thưởng cho mô hình, giúp mô hình trở nên hiệu quả hơn.
Ảnh hưởng của việc này đến ứng dụng của bạn
Bây giờ, hãy cùng thảo luận về ý nghĩa của thuật toán thử nghiệm chia nhiều nhánh trong bối cảnh ứng dụng của bạn. Giả sử bạn đang tối ưu hoá nhằm thu hút lượt nhấp vào quảng cáo biểu ngữ. Trong trường hợp này, "vũ khí" của hoạt động cá nhân hoá sẽ là giá trị thay thế mà bạn chỉ định đại diện cho các quảng cáo biểu ngữ khác nhau mà bạn muốn hiển thị cho người dùng. Quảng cáo biểu ngữ lượt nhấp là phần thưởng mà chúng tôi gọi là mục tiêu.
Khi bạn chạy một hoạt động cá nhân hoá lần đầu tiên, mô hình này sẽ không biết giá trị thay thế nào sẽ có nhiều khả năng đạt được mục tiêu của bạn cho mỗi cá nhân người dùng. Khi hoạt động cá nhân hoá tìm hiểu từng giá trị thay thế để hiểu được khả năng đạt được mục tiêu thì mô hình cơ bản sẽ phát triển sáng suốt, cải thiện khả năng dự đoán và chọn trải nghiệm tối ưu cho cho mỗi người dùng.
Hoạt động cá nhân hoá sử dụng khoảng thời gian cố định là 24 giờ. Đây là số lượng mỗi khi thuật toán cá nhân hoá khám phá một giá trị thay thế duy nhất. Bạn phải cung cấp cho hoạt động cá nhân hoá của bạn đủ thời gian để khám phá từng giải pháp thay thế giá trị này nhiều lần (thường trong khoảng 14 ngày). Tốt nhất là bạn có thể để quảng cáo chạy vĩnh viễn để họ có thể liên tục cải tiến và thích ứng với tư cách là người dùng và ứng dụng của bạn hành vi thay đổi.
Theo dõi các chỉ số khác
Hoạt động cá nhân hoá Cấu hình từ xa cũng cho phép theo dõi tối đa chỉ số bổ sung, để giúp bạn cung cấp bối cảnh cho kết quả của mình. Giả sử bạn đã đã phát triển một ứng dụng mạng 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 hoá cho một sự kiện Analytics như
link_received, rồi đặt hai chỉ số của bạn thành user_engagement và
link_opened để biết được liệu mức độ tương tác của người dùng và số lượng liên kết
số lượt mở của người dùng tăng (mức độ tương tác thực sự) hoặc giảm (có thể có quá nhiều đường liên kết vi phạm).
Mặc dù những chỉ số bổ sung này sẽ không được tính vào hoạt động cá nhân hoá bạn có thể theo dõi chúng ngay bên cạnh kết quả cá nhân hoá, cung cấp thông tin chi tiết có giá trị về khả năng của hoạt động cá nhân hoá để đạt được mục tiêu chung.
Tìm hiểu kết quả của hoạt động cá nhân hoá
Sau khi hoạt động cá nhân hoá đã chạy đủ lâu để thu thập dữ liệu, bạn có thể xem kết quả.
Cách xem kết quả cá nhân hoá:
Mở trang Cấu hình từ xa và nhấp vào Hoạt động cá nhân hoá.
Chọn hoạt động cá nhân hoá mà bạn muốn xem. Bạn có thể tìm kiếm cá nhân hoá 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 mức chênh lệch theo tỷ lệ phần trăm về mà hoạt động cá nhân hoá cung cấp qua nhóm Baseline (Cơ sở).
Trang kết quả cũng cho biết trạng thái hiện tại của hoạt động cá nhân hoá, của hoạt động cá nhân hoá và một biểu đồ tương tác:
Cho thấy chế độ xem chi tiết hằng ngày và tổng thể về hiệu suất của hoạt động cá nhân hoá so với đường cơ sở.
Cho biết hiệu suất tổng thể của từng giá trị trên nhóm cơ sở.
Hiển thị kết quả mục tiêu và hiệu suất dựa trên các chỉ số bổ sung mà bạn có thể truy cập được bằng cách sử dụng các thẻ ở đầu phần tóm tắt.
Hoạt động cá nhân hoá có thể chạy vô thời hạn và bạn có thể tiếp tục truy cập lại vào trang kết quả để theo dõi hiệu suất của trang đó. Thuật toán sẽ tiếp tục tìm hiểu và điều chỉnh để ứng dụng có thể thích ứng khi hành vi của người dùng thay đổi.
Tìm hiểu về việc xoá dữ liệu cá nhân hoá
Bạn có thể xoá một hoạt động cá nhân hoá bằng bảng điều khiển của Firebase hoặc bằng cách xoá một từ mẫu của mình bằng cách sử dụng API Cấu hình từ xa Firebase. Không thể khôi phục các mục cá nhân hoá đã bị xoá. Để tìm hiểu về việc giữ lại dữ liệu, hãy xem Xoá dữ liệu.
Bạn cũng có thể xoá các nội dung cá nhân hoá bằng cách cuộn quay lại hoặc nhập một mẫu.
Khôi phục
Nếu mẫu hiện tại của bạn có tính năng cá nhân hoá và bạn cuộn
để quay lại một mẫu không có
cùng các nội dung được cá nhân hoá, thì các nội dung cá nhân hoá đó sẽ bị xoá. Để hoàn nguyên về
mẫu trước đó, hãy sử dụng bảng điều khiển của Firebase hoặc
roll back
thông qua API Cấu hình từ xa Firebase.
Khi bạn xoá một hoạt động cá nhân hoá và khôi phục về mẫu trước đó, tham chiếu đến hoạt động cá nhân hoá không hợp lệ đó sẽ xuất hiện trong bảng điều khiển của Firebase. Bạn có thể xoá hoạt động cá nhân hoá không hợp lệ khỏi bảng điều khiển của Firebase bằng cách chỉnh sửa cá nhân hoá trong thẻ Thông số của trang Cấu hình từ xa.
Số lần nhập
Nhập một mẫu không còn chứa nội dung cá nhân hoá hiện tại của bạn cũng sẽ xoá các nội dung cá nhân hoá đó. Cách nhập một mẫu: sử dụng bảng điều khiển của Firebase hoặc sử dụng API REST Cấu hình từ xa.
Các bước tiếp theo
Khám phá hoạt động cá nhân hoá Cấu hình từ xa trường hợp sử dụng.
Bắt đầu với Cá nhân hoá Cấu hình từ xa.