个性化使用机器学习技术（尤其是上下文多臂老虎机算法）来确定单个用户实现目标的最佳体验。在本例中，我们的目标是针对特定 Google Analytics 事件的总数或总参数值进行优化。
什么是上下文多臂老虎机算法？
“多臂老虎机”是一种比喻，用来描述我们想要不断从多个路径的列表中选择通向最高、最可靠的奖励的路径的情况。为了形象说明这一点，您可以使用一排老虎机前的赌徒的比喻（通常俗称“单臂老虎机”，因为老虎机有一个手柄[或手臂]并拿走您的钱）。由于我们要求解多个“手臂”，因此单臂老虎机变成了多臂老虎机。
例如，假设我们有三个选项，并且想要确定哪个选项提供最可靠的奖励：我们可以尝试每个选项，然后在收到结果后，继续选择产生最多奖励的手臂。这就是所谓的贪婪算法：当我们第一次尝试时产生最佳结果的选项是我们将继续选择的选项。但我们可以理解，这可能并不总是奏效的 - 一方面，高奖励可能纯属侥幸。或者，可能有一些特定于用户的上下文导致在该时间段内获得更高的奖励，而以后不会那么有效。
因此，我们添加了上下文以使算法更有效。对于 Remote Config 个性化，此初始上下文是随机采样（不确定性），用于为实验提供一定的熵。这样就实现了“上下文多臂老虎机”。随着实验的继续进行，持续的探索和观察可以增加关于哪些手臂最有可能对模型产生奖励的真实学习上下文，从而使其更有效。
这对我的应用有什么影响？
现在，我们来探讨一下多臂老虎机算法在您的应用上下文中的意义。假设您要针对横幅广告点击进行优化。在本例中，个性化“手臂”将是您为了表示要向用户展示的不同横幅广告而指定的替代值。横幅广告点击是奖励，我们称之为目标。
在您首次启动个性化时，该模型不知道哪个替代值更有可能针对每个用户实现您的目标。随着个性化探索每个替代值以了解实现目标的可能性，底层模型会变得越来越智能，从而提高为每个用户预测和选择最佳体验的能力。
个性化使用 24 小时的黏度期。这是个性化算法探索单个替代值的时长。您应该为个性化提供足够长的时间，以便多次探索每个替代值（通常约为 14 天）。理想情况下，您可以无限期地运行个性化，以便它们随着您的应用和用户行为的变化不断改进和调整。
跟踪额外指标
Remote Config 个性化最多还能跟踪两个额外的指标，以帮助您将结果置于上下文中。假设您开发了一个社交应用，并设置了不同的替代值，以鼓励用户与好友分享内容，从而提高整体互动度。
在本例中，您可以选择针对 link_received 等 Analytics 事件进行优化，并将两个指标设置为 user_engagement 和 link_opened，以了解用户互动度以及用户打开的链接数是上升了（积极互动）还是下降了（垃圾内容链接可能太多了）。
虽然个性化算法不会考虑这些额外的指标，但您可以直接在个性化结果旁边跟踪这些指标，为了解个性化实现总体目标的能力提供有价值的数据分析。
了解个性化结果
在个性化运行足够长的时间来收集数据后，您可以查看其结果。
如需查看个性化结果，请执行以下操作：
打开 Remote Config 页面，然后点击个性化。
选择要查看的个性化。您可以按名称或目标搜索特定的个性化，并且可以按名称、开始时间或总提升进行排序。
结果页面汇总了个性化相对于基准组提供的总提升（性能百分比差异）。
结果页面还会显示个性化的当前状态、个性化的特性，以及一个交互式图表，该图表显示以下内容：
显示个性化相对于基准性能的详细每日视图和总视图。
显示每个值在基准组中的整体表现。
根据您选择的额外指标显示目标结果和效果，您可以使用摘要顶部的标签页访问这些信息。
个性化可以无限期地运行，您可以继续再次访问结果页面以监控其性能。该算法将不断学习和调整，以便在用户行为发生变化时自行适应。
了解如何删除个性化设置
要删除个性化设置，您可以使用 Firebase 控制台，也可以使用 Firebase Remote Config API 从模板中移除个性化参数。您无法恢复已删除的个性化设置。如需了解数据保留，请参阅数据删除。
回滚
如果当前模板具有个性化设置，并且您将其回滚不具有相同个性化设置的模板，则系统会删除现有的个性化设置。如需还原到之前的模板，请使用 Firebase 控制台或使用 Firebase Remote Config API 进行 roll back。
在您删除某项个性化设置并回滚到之前的模板后，Firebase 控制台中会显示对该无效个性化设置的引用。您可以从 Firebase 控制台中移除无效个性化设置，方法是在 Remote Config 页面的“参数”标签页中修改个性化设置。
导入
如果导入的模板不再包含您当前的个性化配置，也意味着删除这些个性化设置。如需导入模板，请使用 Firebase 控制台或使用 Remote Config REST API。