Personalizacja wykorzystuje systemy uczące się, a konkretnie algorytm kontekstowego wielorękiego bandyty, aby określić optymalne wrażenia użytkownika, które pozwolą osiągnąć cel. W naszym przypadku celem jest optymalizacja pod kątem łącznej liczby lub łącznej wartości parametru określonych Google Analytics zdarzeń.
Czym jest algorytm kontekstowego wielorękiego bandyty?
„Wieloręki bandyta” to metafora używana do opisania sytuacji, w której chcemy stale wybierać ścieżkę prowadzącą do najwyższych i najbardziej niezawodnych nagród z listy wielu ścieżek. Aby to zobrazować, możesz użyć metafory hazardzisty stojącego przed rzędem automatów do gry, które często są potocznie nazywane „jednorękim bandytą”, ponieważ automat ma jedną dźwignię (rękę) i zabiera pieniądze. Ponieważ chcemy rozwiązać problem z wieloma „rękami”, jednoręki bandyta staje się wielorękim bandytą.
Załóżmy na przykład, że mamy 3 opcje i chcemy określić, która z nich zapewnia najbardziej niezawodną nagrodę. Możemy wypróbować każdą opcję, a następnie, po otrzymaniu wyniku, możemy po prostu nadal wybierać tę, która przyniosła najwięcej nagród. Nazywa się to algorytmem zachłannym: opcja, która przy pierwszej próbie przynosi najlepszy wynik, będzie tą, którą będziemy wybierać. Możemy jednak zrozumieć, że nie zawsze może to działać. Po pierwsze, wysoka nagroda może być przypadkiem. Po drugie, może istnieć kontekst specyficzny dla użytkownika, który spowodował wyższe nagrody w tym okresie, ale nie byłby tak skuteczny później.
Aby algorytm był bardziej skuteczny, dodajemy do niego kontekst. W przypadku Remote Config personalizacji ten początkowy kontekst to próbkowanie losowe, lub niepewność, która zapewnia pewną entropię eksperymentu. W ten sposób implementujemy „kontekstowego wielorękiego bandytę”. W miarę trwania eksperymentu ciągłe eksplorowanie i obserwowanie dodaje do modelu rzeczywisty, wyuczony kontekst dotyczący tego, które „ręce” najprawdopodobniej przyniosą nagrodę, co zwiększa jego skuteczność.
Co to oznacza dla mojej aplikacji?
Omówmy teraz, co algorytm wielorękiego bandyty oznacza w kontekście Twojej aplikacji. Załóżmy, że optymalizujesz pod kątem kliknięć banerów reklamowych. W tym przypadku „rękami” personalizacji będą wartości alternatywne , które określisz, aby reprezentować różne reklamy banerowe, które chcesz wyświetlać użytkownikom. Kliknięcie reklamy banerowej jest nagrodą, którą nazywamy celem.
Gdy po raz pierwszy uruchomisz personalizację, model nie będzie wiedział, która wartość alternatywna będzie bardziej prawdopodobna, aby osiągnąć Twój cel dla każdego użytkownika. Gdy personalizacja będzie eksplorować każdą wartość alternatywną, aby zrozumieć prawdopodobieństwo osiągnięcia Twojego celu, model bazowy będzie się uczył, co zwiększy jego zdolność do przewidywania i wybierania optymalnych wrażeń dla każdego użytkownika.
Personalizacja korzysta z okna trwałości wynoszącego 24 godziny. Jest to czas, przez który algorytm personalizacji eksploruje jedną wartość alternatywną. Powinieneś dać personalizacjom wystarczająco dużo czasu na wielokrotne eksplorowanie każdej wartości alternatywnej (zwykle około 14 dni). Najlepiej, aby personalizacje działały nieprzerwanie, dzięki czemu będą mogły się stale ulepszać i dostosowywać do zmian w aplikacji i zachowaniach użytkowników.
Śledzenie dodatkowych danych
Remote Config personalizacja umożliwia też śledzenie maksymalnie 2 dodatkowych danych, co pomaga w kontekstualizacji wyników. Załóżmy, że masz aplikację społecznościową i ustawiłeś różne wartości alternatywne, aby zachęcić użytkowników do udostępniania treści znajomym w celu zwiększenia ogólnego zaangażowania.
W takim przypadku możesz zoptymalizować pod kątem zdarzenia Analytics takiego jak
link_received i ustawić 2 dane na user_engagement i
link_opened, aby sprawdzić, czy zaangażowanie użytkowników i liczba otwieranych przez nich linków
rośnie (prawdziwe zaangażowanie) czy maleje (być może zbyt wiele spamu).
Chociaż te dodatkowe dane nie będą uwzględniane w algorytmie personalizacji, możesz je śledzić razem z wynikami personalizacji, co pozwoli Ci uzyskać cenne informacje o zdolności personalizacji do osiągania Twoich ogólnych celów.
Informacje o wynikach personalizacji
Gdy personalizacja działa wystarczająco długo, aby zebrać dane, możesz wyświetlić jej wyniki.
Aby wyświetlić wyniki personalizacji:
W konsoli Firebase otwórz stronę DevOps i zaangażowanie > Zdalna konfiguracja > Personalizacje.
Wybierz personalizację, którą chcesz wyświetlić. Możesz wyszukać konkretną personalizację według nazwy lub celu oraz posortować według nazwy, czasu rozpoczęcia lub łącznego wzrostu.
Na stronie wyników znajdziesz podsumowanie łącznego wzrostu, czyli procentowej różnicy w skuteczności, jaką personalizacja zapewnia w porównaniu z grupą odniesienia.
Na stronie wyników znajdziesz też aktualny stan personalizacji, jej atrybuty oraz interaktywny wykres, który:
pokazuje szczegółowy widok dzienny i łączny skuteczności personalizacji w porównaniu z grupą odniesienia;
pokazuje, jak każda wartość sprawdza się w grupie odniesienia;
wyświetla wyniki celów i skuteczność w porównaniu z wybranymi dodatkowymi danymi, do których można uzyskać dostęp za pomocą kart u góry podsumowania.
Personalizacja może działać bezterminowo, a Ty możesz regularnie sprawdzać stronę wyników, aby monitorować jej skuteczność. Algorytm będzie się uczył i dostosowywał, aby reagować na zmiany w zachowaniu użytkowników.
Informacje o usuwaniu personalizacji
Personalizację możesz usunąć w konsoli Firebase lub usuwając parametr personalizacji z szablonu za pomocą interfejsu Firebase Remote Config API. Usuniętych personalizacji nie można przywrócić. Więcej informacji o przechowywaniu danych znajdziesz w artykule Usuwanie danych.
Personalizacje możesz też usunąć, przywracając lub importując szablon.
Przywrócone
Jeśli Twój obecny szablon zawiera personalizacje i wycofasz zmiany do szablonu, który nie ma tych samych personalizacji, personalizacje zostaną usunięte. Aby przywrócić a
poprzedni szablon, użyj konsoli Firebase lub
roll back
używając interfejsu API Firebase Remote Config.
Gdy usuniesz personalizację i wycofasz zmiany do poprzedniego szablonu, w Firebase konsoli pojawi się odniesienie do tej nieprawidłowej personalizacji. Możesz usunąć nieprawidłową personalizację z Firebase konsoli przez edycję personalizacji na karcie Parametry na stronie Remote Config.
Importy
Importowanie szablonu, który nie zawiera już Twoich obecnych personalizacji, powoduje też usunięcie tych personalizacji. Aby zaimportować szablon, użyj konsoli Firebase lub użyj Remote Config interfejsu REST API.
Dalsze kroki
Zacznij korzystać z Remote Config personalizacji.