يستخدم خيار التخصيص تكنولوجيا تعلُّم الآلة، وتحديدًا خوارزمية أسلوب "الذئب المنفرد" السياقي المتعدّد الأذرع، لتحديد تجربته المثلى لكل مستخدم لتحقيق هدف معيّن. في حالتنا، الهدف هو تحسين إجمالي عدد أحداث Google Analytics معيّنة أو إجمالي قيمة المَعلمة.
ما هي خوارزمية "الذئب المنفرد" السياقية المتعددة الأذرع؟
"الجهاز المتعدّد الأذرع" هو استعارة تُستخدَم لوصف الموقف الذي نريد فيه باستمرار اختيار مسار يؤدي إلى المكافآت الأعلى ثباتًا من قائمة مسارات متعددة. لتوضيح ذلك، يمكنك استخدام مقارنة بين المقامر أمام صف من ماكينات القمار، والتي يُشار إليها غالبًا باسم "المجرم ذو الذراع الواحدة" لأنّ ماكينة القمار لها ذراع واحدة (أو ذراع) وتأخذ أموالك. بما أنّنا نريد حلّ هجمات "الذراع الواحدة" المتعددة، يصبح "المهاجم ذو الذراع الواحدة" هو المهاجم ذو الأذرع المتعددة.
على سبيل المثال، لنفترض أنّ لدينا ثلاثة خيارات ونريد تحديد الخيار الذي يقدّم المكافأة الأكثر موثوقية: يمكننا تجربة كل خيار، وبعد تلقّي نتيجة، يمكننا مواصلة اختيار المجموعة التي تحقّق أكبر عدد من المكافآت. يُشار إلى ذلك باسم الخوارزمية الطموحة: الخيار الذي يقدّم أفضل نتيجة عند تجربته لأول مرة هو الخيار الذي سنواصل اختياره. ولكن يمكننا فهم أنّه قد لا ينجح ذلك دائمًا، لأنّ المكافأة العالية قد تكون ناتجة عن صدفة. أو ربما كان هناك سياق خاص بالمستخدم أدّى إلى منح مكافآت أعلى خلال تلك الفترة الزمنية، ولن تكون هذه المكافآت بنفس الفعالية في وقت لاحق.
لذلك، تتم إضافة السياق لجعل الخوارزمية أكثر فعالية. بالنسبة إلى Remote Config التخصيص، يمثّل هذا السياق الأوّلي عملية جمع عيّنات عشوائية، أو عدم اليقين، ما يقدّم بعضًا من الالتباس إلى التجربة. ينفّذ ذلك "أسلوب صيد الفريسة ببندقية متعددة المواضع السياقية". مع استمرار التجربة، يضيف التنقّل المستمر والمراقبة سياقًا حقيقيًا تم تعلّمه حول المجموعات التي يُرجّح أن تؤدي إلى مكافأة للنموذج، ما يجعله أكثر فعالية.
ما تأثير ذلك في تطبيقي؟
لنطّلِع الآن على معنى خوارزمية ماكينة الألعاب المتعددة في سياق تطبيقك. لنفترض أنّك تُجري تحسينًا لزيادة عدد النقرات على إعلانات البانر. في هذه الحالة، ستكون المجموعات التجريبية للتخصيص هي القيم البديلة التي تحدّدها لتمثل إعلانات البانر المختلفة التي تريد عرضها للمستخدمين. إنّ النقر على إعلان البانر هو المكافأة، ونشير إليه باسم هدف.
عند إطلاق عملية تخصيص لأول مرة، لا يعرف النموذج قيمة البديل التي من المرجّح أن تحقّق هدفك لكل مستخدم على حدة. بينما يستكشف التخصيص كل قيمة بديلة لفهم احتمالية تحقيق هدفك، يزداد وعي النموذج الأساسي، ما يُحسِّن من قدرته على توقّع التجربة المثلى واختيارها لكل مستخدم.
يستخدم التخصيص فترة ثبات تبلغ 24 ساعة. يشير ذلك إلى مدّة الوقت الذي تستغرقه خوارزمية التخصيص لاستكشاف قيمة بديلة واحدة. يجب منح تخصيصاتك وقتًا كافيًا لاستكشاف كل قيمة بديلة لعدة مرات (بشكل عام حوالي 14 يومًا). من الأفضل السماح لها بالعمل باستمرار حتى تتمكّن من التحسين والتكيّف باستمرار مع تغيُّر سلوكيات التطبيق والمستخدمين.
تتبُّع مقاييس إضافية
توفّر ميزة تخصيص Remote Config أيضًا إمكانية تتبُّع ما يصل إلى مقياسَين إضافيَين لمساعدتك في وضع النتائج في سياقها. لنفترض أنّك طوّرت تطبيقًا اجتماعيًا وضبطت قيمًا بديلة مختلفة لتشجيع المستخدِمين على مشاركة المحتوى مع الأصدقاء لزيادة التفاعل العام.
في هذه الحالة، يمكنك اختيار تحسين حدث Analytics مثل
link_received وضبط المقياسَين على user_engagement و
link_opened لمعرفة ما إذا كان تفاعل المستخدِم وعدد الروابط التي
يفتحها المستخدِم في تصاعد (تفاعل حقيقي) أو هبوط (ربما يكون هناك عدد كبير جدًا من الروابط غير المرغوب فيها).
على الرغم من أنّه لن يتمّ تضمين هذه المقاييس الإضافية في algorithim التخصيص، يمكنك تتبُّعها مباشرةً إلى جانب نتائج التخصيص، ما يقدّم إحصاءات قيّمة عن قدرة التخصيص على تحقيق أهدافك العامة.
فهم نتائج التخصيص
بعد تشغيل ميزة تخصيص لفترة كافية لجمع البيانات، يمكنك عرض نتائجها.
للاطّلاع على نتائج التخصيص:
افتح صفحة Remote Config وانقر على التخصيصات.
اختَر التخصيص الذي تريد الاطّلاع عليه. يمكنك البحث عن ميزة التخصيص المحدّدة حسب الاسم أو الهدف، ويمكنك الترتيب حسب الاسم أو وقت البدء أو إجمالي التأثير.
تلخّص صفحة النتائج إجمالي التأثير، أو الفرق النسبي في الأداء، الذي يقدّمه التخصيص مقارنةً بمجموعة المرجع.
تعرض صفحة النتائج أيضًا الحالة الحالية للتخصيص، وخصائص التخصيص، ورسم بياني تفاعلي:
تعرِض هذه البطاقة نظرة تفصيلية وإجمالية على أداء التخصيص مقارنةً بمستوى الأداء الأساسي.
تعرِض هذه السمة مستوى أداء كل قيمة بشكل عام على مستوى مجموعة الأساس.
تعرِض هذه الصفحة نتائج الأهداف وأدائها مقارنةً بالمقاييس الإضافية التي اختَرتها، ويمكن الوصول إليها باستخدام علامات التبويب في أعلى الملخّص.
يمكن ترك عملية التخصيص قيد التشغيل إلى أجل غير مسمى، ويمكنك مواصلة إعادة زيارة صفحة النتائج لمراقبة أدائها. ستواصل الخوارزمية التعرّف على السلوك وتعديله لكي تتمكّن من التكيّف عند تغيُّر سلوك المستخدم.
فهم عملية حذف المحتوى المخصّص
يمكنك حذف تخصيص باستخدام وحدة تحكّم Firebase أو عن طريق إزالة مَعلمة تخصيص من النموذج باستخدام Firebase Remote Config API. لا يمكن استعادة الإعدادات المخصّصة المحذوفة. للاطّلاع على معلومات عن الاحتفاظ بالبيانات، يُرجى الاطّلاع على مقالة حذف البيانات.
يمكنك أيضًا حذف عمليات التخصيص من خلال الرجوع إلى الإصدار السابق أو استيراد نموذج.
عمليات التراجع
إذا كان النموذج الحالي يتضمّن تخصيصات وأعدت الترجيع إلى نموذج لا يتضمّن
التخصيصات نفسها، يتم حذف التخصيصات. للرجوع إلى
نموذج سابق، استخدِم وحدة تحكّم Firebase أو
roll back
باستخدام واجهة برمجة تطبيقات 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 تحكّم Firebase من خلال تعديل التخصيص في علامة التبويب "المَعلمات" في صفحة Remote Config.
عمليات الاستيراد
يؤدي استيراد نموذج لم يعُد يتضمّن تخصيصاتك الحالية إلى حذف هذه التخصيصات أيضًا. لاستيراد نموذج، استخدِم وحدة تحكّم Firebase أو استخدِم Remote Config REST API.