Personalizacja wykorzystuje uczenie maszynowe, a konkretnie kontekstowy algorytm wielorękiego bandyty, aby określać optymalne ustawienia dla poszczególnych użytkowników, które pozwolą osiągnąć dany cel. W naszym przypadku celem jest optymalizacja pod kątem łącznej liczby lub łącznej wartości parametru określonych zdarzeń Google Analytics.
Czym jest kontekstowy algorytm wielorękiego bandyty?
„Problem wielorękiego bandyty” 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 gracza stojącego przed rzędem automatów do gier, często nazywanych potocznie „jednorękimi bandytami”, ponieważ automat ma jedną rączkę (lub ramię) i zabiera pieniądze. Ponieważ chcemy rozwiązać problem wielu „ramion”, 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 z nich, a po otrzymaniu wyniku po prostu wybierać tę, która przyniosła najwięcej nagród. Jest to tak zwany algorytm zachłanny: opcja, która daje najlepszy wynik przy pierwszej próbie, jest tą, którą będziemy nadal wybierać. Wiemy jednak, że nie zawsze się to sprawdza – na przykład wysoka nagroda może być dziełem przypadku. Możliwe też, że w tym okresie wystąpił jakiś kontekst związany z użytkownikiem, który spowodował wyższe nagrody, ale później nie byłby już tak skuteczny.
Dlatego dodajemy kontekst, aby zwiększyć skuteczność algorytmu. W przypadku personalizacji Remote Config ten początkowy kontekst to losowe próbkowanie lub niepewność, która zapewnia eksperymentowi pewną entropię. W ten sposób wdrażamy „kontekstowy problem wielorękiego bandyty”. W miarę trwania eksperymentu ciągła eksploracja i obserwacja dostarczają modelowi rzeczywistych informacji o tym, które grupy eksperymentalne mają największe szanse na uzyskanie nagrody, co zwiększa jego skuteczność.
Co to oznacza dla mojej aplikacji?
Zastanów się, co oznacza algorytm wielorękiego bandyty w kontekście Twojej aplikacji. Załóżmy, że optymalizujesz kliknięcia banera reklamowego. W tym przypadku „ramionami” personalizacji będą określone przez Ciebie wartości alternatywne, które reprezentują różne banery reklamowe, które chcesz wyświetlać użytkownikom. Kliknięcie reklamy banerowej jest nagrodą, którą nazywamy celem.
Gdy po raz pierwszy uruchamiasz personalizację, model nie wie, która wartość alternatywna będzie bardziej prawdopodobna do osiągnięcia celu w przypadku poszczególnych użytkowników. W miarę jak personalizacja analizuje każdą alternatywną wartość, aby określić prawdopodobieństwo osiągnięcia celu, model, na którym się opiera, staje się coraz bardziej świadomy, co zwiększa jego zdolność do prognozowania i wybierania optymalnych ustawień dla każdego użytkownika.
Personalizacja korzysta z okna utrzymania, które trwa 24 godziny. Jest to czas, przez który algorytm personalizacji bada pojedynczą wartość alternatywną. Należy dać personalizacjom wystarczająco dużo czasu na wielokrotne przetestowanie każdej alternatywnej wartości (zwykle około 14 dni). Najlepiej, aby działały one bezterminowo, dzięki czemu będą mogły stale się ulepszać i dostosowywać do zmian w aplikacji i zachowaniach użytkowników.
Śledzenie dodatkowych danych
Personalizacja Remote Config umożliwia też śledzenie maksymalnie 2 dodatkowych danych, które pomogą Ci analizować wyniki w kontekście. Załóżmy na przykład, że masz aplikację społecznościową i ustawiasz różne wartości alternatywne, aby zachęcać użytkowników do udostępniania treści znajomym i w ten sposób zwiększać ogólne zaangażowanie.
W takim przypadku możesz zoptymalizować pod kątem zdarzenia Analytics, takiego jak link_received, i ustawić 2 rodzaje danych na user_engagement i link_opened, aby dowiedzieć się, czy zaangażowanie użytkowników i liczba otwieranych przez nich linków rośnie (prawdziwe zaangażowanie) czy spada (prawdopodobnie zbyt wiele linków spamerskich).
Te dodatkowe wskaźniki nie będą uwzględniane w algorytmie personalizacji, ale możesz je śledzić razem z wynikami personalizacji, aby uzyskać cenne statystyki o tym, jak personalizacja pomaga Ci osiągać ogólne cele.
Interpretowanie wyników 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 > Remote Config > Personalizacje.
Wybierz personalizację, którą chcesz wyświetlić. Możesz wyszukać konkretną personalizację według nazwy lub celu, a także posortować wyniki według nazwy, czasu rozpoczęcia lub całkowitego wzrostu.
Strona wyników zawiera podsumowanie łącznego wzrostu, czyli procentowej różnicy w skuteczności, którą personalizacja zapewnia w porównaniu z grupą bazową.
Na stronie wyników wyświetlany jest też bieżący stan personalizacji, jej atrybuty oraz interaktywny wykres, który:
Pokazuje szczegółowy widok dzienny i łączny skuteczności personalizacji w porównaniu z wartością bazową.
Pokazuje, jak każda wartość sprawdza się w grupie bazowej.
Wyświetla wyniki celów i skuteczność w odniesieniu do wybranych przez Ciebie dodatkowych danych, które są dostępne na kartach u góry podsumowania.
Personalizacja może działać bezterminowo, a Ty możesz nadal odwiedzać stronę wyników, aby monitorować jej skuteczność. Algorytm będzie nadal uczył się i dostosowywał, aby móc 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 API Firebase Remote Config. Usuniętych personalizacji nie można przywrócić. Więcej informacji o przechowywaniu danych znajdziesz w artykule Usuwanie danych.
Możesz też usunąć personalizacje, przywracając lub importując szablon.
Przywrócone
Jeśli bieżący szablon zawiera personalizacje i przywrócisz szablon, który nie ma tych samych personalizacji, zostaną one usunięte. Aby przywrócić poprzedni szablon, użyj konsoli Firebase lub roll back za pomocą interfejsu API Firebase Remote Config.
Gdy usuniesz personalizację i przywrócisz poprzedni szablon, w konsoli Firebase pojawi się odniesienie do tej nieprawidłowej personalizacji. Nieprawidłową personalizację możesz usunąć z konsoli Firebase, edytując ją na karcie Parametry na stronie Remote Config.
Importy
Zaimportowanie szablonu, który nie zawiera już Twoich obecnych personalizacji, spowoduje również usunięcie tych personalizacji. Aby zaimportować szablon, użyj konsoli Firebase lub interfejsu REST API Remote Config.
Dalsze kroki
Poznaj Remote Config przypadków użycia personalizacji.
Zacznij korzystać z personalizacji Remote Config.