يستخدم التخصيص تعلُّم الآلة، وتحديدًا خوارزمية "قطاع الطرق المتعدد الأذرع" السياقية، لتحديد التجربة المثلى للمستخدمين الأفراد من أجل تحقيق هدف معيّن. في حالتنا، الهدف هو تحسين إجمالي عدد أحداث معيّنة أو إجمالي قيمة مَعلماتها Google Analytics.
ما هي خوارزمية "قطاع الطرق المتعدد الأذرع" السياقية؟
"قطاع الطرق المتعدد الأذرع" هو استعارة تُستخدم لوصف الحالة التي نريد فيها اختيار مسار باستمرار يؤدي إلى أعلى المكافآت وأكثرها موثوقية من قائمة مسارات متعدّدة. لتوضيح ذلك، يمكنك استخدام استعارة مقامر أمام صف من آلات القمار، التي يُشار إليها غالبًا بشكل عام باسم "قطاع الطرق ذو الذراع الواحد" لأنّ آلة القمار لها ذراع واحد وتأخذ أموالك. بما أنّنا نريد حلّ مشكلة "أذرع" متعدّدة، يصبح "قطاع الطرق ذو الذراع الواحد" هو "قطاع الطرق المتعدد الأذرع".
على سبيل المثال، لنفترض أنّ لدينا ثلاثة خيارات ونريد تحديد الخيار الذي يقدّم المكافأة الأكثر موثوقية: يمكننا تجربة كل خيار، ثم بعد تلقّي نتيجة، يمكننا الاستمرار في اختيار الذراع الذي حقّق أكبر عدد من المكافآت. يُشار إلى ذلك باسم الخوارزمية الجشعة: الخيار الذي يحقّق أفضل نتيجة عند تجربته لأول مرة هو الخيار الذي سنستمر في اختياره. لكنّنا ندرك أنّ هذا قد لا ينجح دائمًا، فمثلاً قد تكون المكافأة العالية مجرد صدفة. أو ربما كان هناك سياق خاص بالمستخدم أدّى إلى تحقيق مكافآت أعلى خلال تلك الفترة الزمنية، ولكنّه لن يكون فعّالاً بالقدر نفسه لاحقًا.
لذلك، تتم إضافة السياق لجعل الخوارزمية أكثر فعالية. بالنسبة إلى Remote Config التخصيص، يكون هذا السياق الأولي هو أخذ عيّنات عشوائية، أو عدم اليقين، ما يوفّر بعض العشوائية للتجربة. يؤدي ذلك إلى تنفيذ خوارزمية "قطاع الطرق المتعدد الأذرع السياقية". مع استمرار التجربة، يضيف الاستكشاف والملاحظة المستمرّان إلى النموذج سياقًا حقيقيًا تم تعلّمه حول الأذرع التي من المرجّح أن تؤدي إلى الحصول على مكافأة، ما يجعل النموذج أكثر فعالية.
ماذا يعني ذلك لتطبيقي؟
لنناقش الآن ما تعنيه خوارزمية "قطاع الطرق المتعدد الأذرع" في سياق تطبيقك. لنفترض أنّك تعمل على تحسين الأداء من أجل نقرات الإعلانات الصورية. في هذه الحالة، ستكون "أذرع" التخصيص هي القيم البديلة التي تحدّدها لتمثيل الإعلانات الصورية المختلفة التي تريد عرضها للمستخدمين. نقرة الإعلان الصوري هي المكافأة، التي نشير إليها باسم الهدف.
عند إطلاق عملية تخصيص لأول مرة، لا يعرف النموذج أي قيمة بديلة من المرجّح أن تحقّق هدفك لكل مستخدم فردي. بما أنّ عملية التخصيص تستكشف كل قيمة بديلة لفهم مدى احتمال تحقيق هدفك، يصبح النموذج الأساسي أكثر اطّلاعًا، ما يحسّن قدرته على التنبؤ بالتجربة المثلى لكل مستخدم واختيارها.
تستخدم عملية التخصيص فترة ثبات مدتها 24 ساعة. هذه هي المدة الزمنية التي تستكشف خلالها خوارزمية التخصيص قيمة بديلة واحدة. عليك منح عمليات التخصيص وقتًا كافيًا لاستكشاف كل قيمة بديلة عدة مرات (عادةً حوالي 14 يومًا). من الأفضل أن تتركها تعمل بشكل دائم حتى تتمكّن من التحسّن والتكيّف باستمرار مع تغيُّر تطبيقك وسلوكيات المستخدمين.
تتبُّع مقاييس إضافية
Remote Config توفّر عملية تخصيص أيضًا إمكانية تتبُّع ما يصل إلى مقياسَين إضافيَين لمساعدتك في وضع نتائجك في سياقها. لنفترض أنّك طوّرت تطبيقًا اجتماعيًا وضبطت قيمًا بديلة مختلفة لتشجيع المستخدمين على مشاركة المحتوى مع الأصدقاء من أجل زيادة التفاعل العام.
في هذه الحالة، يمكنك اختيار تحسين الأداء من أجل حدث Analytics مثل
link_received وضبط مقياسَيك على user_engagement و
link_opened لمعرفة ما إذا كان تفاعل المستخدم وعدد الروابط التي يفتحها المستخدم
يرتفعان (تفاعل حقيقي) أو ينخفضان (ربما عدد كبير جدًا من الروابط غير المرغوب فيها).
على الرغم من أنّ هذه المقاييس الإضافية لن يتم أخذها في الاعتبار في خوارزمية التخصيص، يمكنك تتبُّعها جنبًا إلى جنب مع نتائج التخصيص، ما يوفّر إحصاءات قيّمة حول قدرة التخصيص على تحقيق أهدافك العامة.
فهم نتائج التخصيص
بعد أن تعمل عملية التخصيص لفترة كافية لجمع البيانات، يمكنك الاطّلاع على نتائجها.
للاطّلاع على نتائج التخصيص:
في Firebase Console، انتقِل إلى صفحة DevOps والتفاعل > الإعداد عن بُعد > عمليات التخصيص.
اختَر عملية التخصيص التي تريد الاطّلاع عليها. يمكنك البحث عن عملية التخصيص المحدّدة حسب الاسم أو الهدف، ويمكنك الترتيب حسب الاسم أو وقت البدء أو التحسّن الإجمالي.
تلخّص صفحة النتائج التحسّن الإجمالي، أو النسبة المئوية للفرق في الأداء، التي توفّرها عملية التخصيص مقارنةً بمجموعة المرجع.
تعرض صفحة النتائج أيضًا الحالة الحالية لعملية التخصيص وسماتها ورسمًا بيانيًا تفاعليًا:
يعرض عرضًا تفصيليًا يوميًا وإجماليًا لمستوى أداء عملية التخصيص مقارنةً بالمرجع.
يوضّح مستوى أداء كل قيمة بشكل عام على مستوى مجموعة المرجع.
يعرض نتائج الأهداف والأداء مقارنةً بالمقاييس الإضافية التي اخترتها، ويمكنك الوصول إليها باستخدام علامات التبويب في أعلى الملخّص.
يمكن ترك عملية التخصيص تعمل إلى أجل غير مسمّى، ويمكنك مواصلة إعادة زيارة صفحة النتائج لمراقبة أدائها. ستستمر الخوارزمية في التعلّم والتعديل، ما يتيح لها التكيّف عند تغيُّر سلوك المستخدم.
فهم عملية حذف التخصيص
يمكنك حذف عملية تخصيص باستخدام وحدة التحكم Firebase أو عن طريق إزالة مَعلمة تخصيص من نموذجك باستخدام Firebase Remote Config واجهة برمجة التطبيقات. لا يمكن استعادة عمليات التخصيص المحذوفة. للتعرّف على الاحتفاظ بالبيانات، اطّلِع على مقالة حذف البيانات.
يمكنك أيضًا حذف عمليات التخصيص عن طريق التراجع عن نموذج أو استيراد قالب.
عمليات التراجع
إذا كان نموذجك الحالي يتضمّن عمليات تخصيص وتراجعت إلى نموذج لا يتضمّن عمليات التخصيص نفسها، يتم حذف عمليات التخصيص. للرجوع إلى نموذج سابق، استخدِم Firebase console أو
roll back
باستخدام Firebase Remote Config API.
عند حذف عملية تخصيص والتراجع إلى نموذج سابق، يظهر مرجع إلى عملية التخصيص غير الصالحة هذه في الـ Firebase Console. يمكنك إزالة عملية التخصيص غير الصالحة من الـ Firebase Console عن طريق تعديل عملية التخصيص في علامة التبويب "المَعلمات" في صفحة Remote Config.
عمليات الاستيراد
يؤدي استيراد نموذج لم يعُد يتضمّن عمليات التخصيص الحالية إلى حذف عمليات التخصيص هذه أيضًا. لاستيراد نموذج، استخدِم Firebase Console أو استخدِم Remote Config REST API.
الخطوات التالية
استكشاف Remote Config تخصيص حالات الاستخدام.
البدء في استخدام Remote Config التخصيص.