उपयोगकर्ता के हिसाब से बनाए जाने की सुविधा, मशीन लर्निंग का इस्तेमाल करती है. खास तौर पर, कॉन्टेक्स्ट के हिसाब से मल्टी-आर्म्ड बैंडिट एल्गोरिदम का इस्तेमाल करती है. इससे, किसी लक्ष्य को हासिल करने के लिए, अलग-अलग उपयोगकर्ताओं को सबसे अच्छा अनुभव देने में मदद मिलती है. हमारे मामले में, मकसद यह है कि कुछ खास Google Analytics इवेंट की कुल संख्या या कुल पैरामीटर वैल्यू के लिए ऑप्टिमाइज़ किया जाए.
कॉन्टेक्स्टुअल मल्टी-आर्म्ड बैंडिट एल्गोरिदम क्या है?
"मल्टी-आर्म्ड बैंडिट" एक मेटाफ़र है. इसका इस्तेमाल ऐसी स्थिति के बारे में बताने के लिए किया जाता है जहां हमें कई पाथ की सूची में से, लगातार ऐसा पाथ चुनना होता है जिससे सबसे ज़्यादा और भरोसेमंद इनाम मिलें. इसे समझने के लिए, स्लॉट मशीनों की लाइन के सामने खड़े जुआरी का उदाहरण लिया जा सकता है. आम बोलचाल की भाषा में, स्लॉट मशीन को "वन-आर्म्ड बैंडिट" भी कहा जाता है. ऐसा इसलिए, क्योंकि स्लॉट मशीन में एक हैंडल (या आर्म) होता है और वह आपके पैसे ले लेती है. हम कई "आर्म" के लिए समाधान चाहते हैं, इसलिए वन-आर्म्ड बैंडिट, मल्टी-आर्म्ड बैंडिट बन जाता है.
उदाहरण के लिए, मान लें कि हमारे पास तीन विकल्प हैं और हमें यह तय करना है कि कौनसा विकल्प सबसे भरोसेमंद इनाम देता है: हम हर विकल्प को आज़मा सकते हैं. इसके बाद, नतीजा मिलने पर, हम उस विकल्प को चुन सकते हैं जिससे सबसे ज़्यादा इनाम मिले. इसे ग्रीडी एल्गोरिदम कहा जाता है: पहली बार में सबसे अच्छा नतीजा देने वाले विकल्प को ही हम चुनते रहेंगे. हालांकि, हम समझते हैं कि ऐसा हमेशा नहीं हो सकता. उदाहरण के लिए, हो सकता है कि ज़्यादा इनाम मिलना एक इत्तेफ़ाक़ हो. ऐसा भी हो सकता है कि उस समयावधि के दौरान, उपयोगकर्ता के हिसाब से कुछ ऐसा हुआ हो जिसकी वजह से ज़्यादा इनाम मिले हों. हालांकि, बाद में ऐसा न हुआ हो.
इसलिए, एल्गोरिदम को ज़्यादा असरदार बनाने के लिए, कॉन्टेंट के बारे में जानकारी जोड़ी जाती है. Remote Config को मनमुताबिक बनाने के लिए, यह शुरुआती कॉन्टेक्स्ट रैंडम सैंपलिंग या अनिश्चितता है. इससे प्रयोग को कुछ एंट्रॉपी मिलती है. यह "कॉन्टेक्स्ट के हिसाब से मल्टी-आर्म्ड बैंडिट" को लागू करता है. एक्सपेरिमेंट के दौरान, लगातार की जाने वाली जांच और निगरानी से, मॉडल को यह समझने में मदद मिलती है कि कौनसे ग्रुप से सबसे ज़्यादा इनाम मिलने की संभावना है. इससे मॉडल ज़्यादा असरदार बनता है.
मेरे ऐप्लिकेशन पर इसका क्या असर होगा?
अपने ऐप्लिकेशन के हिसाब से, मल्टी-आर्म्ड बैंडिट एल्गोरिदम का मतलब समझें. मान लें कि आपको बैनर विज्ञापन पर मिलने वाले क्लिक के लिए ऑप्टिमाइज़ करना है. इस मामले में, मनमुताबिक बनाने की सुविधा के "आर्म" वे वैकल्पिक वैल्यू होंगी जिन्हें आपने उपयोगकर्ताओं को दिखाए जाने वाले अलग-अलग बैनर विज्ञापनों को दिखाने के लिए तय किया है. बैनर विज्ञापन पर क्लिक करना ही इनाम है. इसे मकसद कहा जाता है.
जब पहली बार मनमुताबिक बनाने की सुविधा लॉन्च की जाती है, तो मॉडल को यह नहीं पता होता कि हर उपयोगकर्ता के लिए, कौनसी वैकल्पिक वैल्यू आपके लक्ष्य को हासिल करने की संभावना को बढ़ाएगी. मनमुताबिक बनाने की सुविधा, हर वैकल्पिक वैल्यू को एक्सप्लोर करती है, ताकि आपके लक्ष्य को हासिल करने की संभावना को समझा जा सके. इससे, इस सुविधा के लिए इस्तेमाल होने वाले मॉडल को ज़्यादा जानकारी मिलती है. साथ ही, हर उपयोगकर्ता के लिए सबसे सही अनुभव का अनुमान लगाने और उसे चुनने की इसकी क्षमता बेहतर होती है.
मनमुताबिक बनाने की सुविधा, 24 घंटे की स्टिकनेस विंडो का इस्तेमाल करती है. यह वह समय है जो मनमुताबिक बनाने वाला एल्गोरिदम, किसी एक वैकल्पिक वैल्यू को एक्सप्लोर करने में लेता है. आपको अपनी पसंद के मुताबिक बनाए गए हर वर्शन को इतना समय देना चाहिए कि वह हर वैकल्पिक वैल्यू को कई बार एक्सप्लोर कर सके. आम तौर पर, इसमें करीब 14 दिन लगते हैं. आदर्श रूप से, आप उन्हें लगातार चलने दे सकते हैं ताकि वे आपके ऐप्लिकेशन और उपयोगकर्ता के व्यवहार में बदलाव के साथ लगातार सुधार और अनुकूलन कर सकें.
अन्य मेट्रिक ट्रैक करना
Remote Config को अपनी पसंद के मुताबिक बनाने पर, आपको दो और मेट्रिक ट्रैक करने की सुविधा भी मिलती है. इससे आपको अपने नतीजों को बेहतर तरीके से समझने में मदद मिलती है. उदाहरण के लिए, मान लें कि आपने एक सोशल मीडिया ऐप्लिकेशन बनाया है और उपयोगकर्ताओं को दोस्तों के साथ कॉन्टेंट शेयर करने के लिए बढ़ावा देने के लिए, अलग-अलग वैकल्पिक वैल्यू सेट की हैं. इससे, ऐप्लिकेशन में उपयोगकर्ताओं की दिलचस्पी बढ़ाई जा सकती है.
इस मामले में, Analytics जैसे
link_received किसी इवेंट के लिए ऑप्टिमाइज़ करने का विकल्प चुना जा सकता है. साथ ही, अपनी दो मेट्रिक को user_engagement और
link_opened पर सेट किया जा सकता है. इससे यह समझने में मदद मिलती है कि उपयोगकर्ता की दिलचस्पी और
उपयोगकर्ता के खोले गए लिंक की संख्या बढ़ती है (असल दिलचस्पी) या घटती है (शायद बहुत ज़्यादा स्पैम लिंक).
हालांकि, इन अतिरिक्त मेट्रिक को मनमुताबिक बनाने वाले एल्गोरिदम में शामिल नहीं किया जाएगा, लेकिन इन्हें मनमुताबिक बनाने के नतीजों के साथ ट्रैक किया जा सकता है. इससे आपको यह अहम जानकारी मिलेगी कि मनमुताबिक बनाने की सुविधा, आपके लक्ष्यों को हासिल करने में कितनी मदद कर सकती है.
मनमुताबिक बनाने की सुविधा के नतीजों को समझना
जब मनमुताबिक बनाने की सुविधा को डेटा इकट्ठा करने के लिए काफ़ी समय तक चलाया जाता है, तब उसके नतीजे देखे जा सकते हैं.
मनमुताबिक बनाने की सुविधा के नतीजे देखने के लिए:
Firebase कंसोल में, DevOps और यूज़र ऐक्टिविटी > Remote Config > मनमुताबिक बनाने की सुविधा पेज पर जाएं.
वह सेटिंग चुनें जिसे आपको देखना है. नाम या मकसद के हिसाब से, किसी खास पर्सनलाइज़ेशन को खोजा जा सकता है. साथ ही, नाम, शुरू होने का समय या कुल लिफ़्ट के हिसाब से क्रम में लगाया जा सकता है.
नतीजों वाले पेज पर, कुल लिफ़्ट या परफ़ॉर्मेंस में प्रतिशत के अंतर की खास जानकारी मिलती है. यह जानकारी, बेसलाइन ग्रुप के मुकाबले, मनमुताबिक बनाए गए ग्रुप के लिए मिलती है.
नतीजों वाले पेज पर, मनमुताबिक बनाने की सुविधा की मौजूदा स्थिति, उसकी विशेषताएं, और एक इंटरैक्टिव ग्राफ़ भी दिखता है. इस ग्राफ़ में:
इससे, बेसलाइन की तुलना में, दिलचस्पी के मुताबिक विज्ञापन दिखाने की सुविधा की परफ़ॉर्मेंस की पूरी जानकारी रोज़ाना और कुल तौर पर दिखती है.
इससे पता चलता है कि बेसलाइन ग्रुप में हर वैल्यू की परफ़ॉर्मेंस कैसी है.
यह आपकी चुनी गई अतिरिक्त मेट्रिक के हिसाब से, लक्ष्य के नतीजे और परफ़ॉर्मेंस दिखाता है. इसे खास जानकारी के सबसे ऊपर मौजूद टैब का इस्तेमाल करके ऐक्सेस किया जा सकता है.
मनमुताबिक बनाने की सुविधा को हमेशा के लिए चालू रखा जा सकता है. साथ ही, इसकी परफ़ॉर्मेंस को मॉनिटर करने के लिए, नतीजों वाले पेज पर बार-बार जाया जा सकता है. एल्गोरिदम लगातार सीखता रहेगा और बदलाव करता रहेगा, ताकि उपयोगकर्ता के व्यवहार में बदलाव होने पर, वह उसके हिसाब से काम कर सके.
मनमुताबिक बनाने की सेटिंग से जुड़ा डेटा मिटाने के बारे में जानकारी
Firebase कंसोल का इस्तेमाल करके, ऐप्लिकेशन या उसके कॉन्टेंट को उपयोगकर्ता की दिलचस्पी के हिसाब से दिखाने की सेटिंग को मिटाया जा सकता है. इसके अलावा, Firebase Remote Config एपीआई का इस्तेमाल करके, अपने टेंप्लेट से ऐप्लिकेशन या उसके कॉन्टेंट को उपयोगकर्ता की दिलचस्पी के हिसाब से दिखाने की सेटिंग के पैरामीटर को हटाकर भी ऐसा किया जा सकता है. मिटाए गए मनमुताबिक बनाए गए अनुभव वापस नहीं लाए जा सकते. डेटा के रखरखाव के बारे में जानने के लिए, डेटा मिटाना लेख पढ़ें.
रोलबैक करके या टेंप्लेट इंपोर्ट करके भी, मनमुताबिक बनाए गए वर्शन मिटाए जा सकते हैं.
रोलबैक
अगर आपके मौजूदा टेंप्लेट में, पसंद के मुताबिक बनाए गए कॉलम हैं और आपने किसी ऐसे टेंप्लेट पर रोलबैक किया है जिसमें पसंद के मुताबिक बनाए गए कॉलम नहीं हैं, तो पसंद के मुताबिक बनाए गए कॉलम मिटा दिए जाएंगे. पिछले टेंप्लेट पर वापस जाने के लिए, Firebase कंसोल या roll back का इस्तेमाल करें. इसके अलावा, Firebase Remote Config एपीआई का इस्तेमाल करके भी ऐसा किया जा सकता है.
जब किसी पर्सनलाइज़ेशन को मिटाया जाता है और पिछले टेंप्लेट पर वापस जाया जाता है, तो Firebase कंसोल में उस अमान्य पर्सनलाइज़ेशन का रेफ़रंस दिखता है. Firebase कंसोल से अमान्य पर्सनलाइज़ेशन को हटाया जा सकता है. इसके लिए, Remote Config पेज के पैरामीटर टैब में जाकर, पर्सनलाइज़ेशन में बदलाव करें.
आयात
अगर कोई ऐसा टेंप्लेट इंपोर्ट किया जाता है जिसमें आपकी मौजूदा सेटिंग शामिल नहीं हैं, तो वे सेटिंग भी मिट जाती हैं. टेंप्लेट इंपोर्ट करने के लिए, Firebase कंसोल का इस्तेमाल करें या Remote Config REST API का इस्तेमाल करें.
अगले चरण
Remote Config को मनमुताबिक बनाने के इस्तेमाल के उदाहरण देखें.
Remote Config को मनमुताबिक बनाने की शुरुआत करें.