A personalização usa aprendizado de máquina – especificamente um algoritmo contextual de bandido multi-armado – para determinar a experiência ideal para usuários individuais atingirem um objetivo. No nosso caso, o objetivo é otimizar o número total ou o valor total do parâmetro de eventos específicos do Google Analytics.
O que é um algoritmo contextual de bandido multi-armado?
O “bandido multi-armado” é uma metáfora usada para descrever a situação em que queremos escolher continuamente um caminho que leve às recompensas mais altas e confiáveis de uma lista de múltiplos caminhos. Para visualizar isso, você pode usar a metáfora de um jogador na frente de uma fileira de caça-níqueis – muitas vezes chamado coloquialmente de “bandido de um braço só” porque uma caça-níqueis tem uma alça (ou braço) e pega seu dinheiro. Como queremos resolver múltiplos “braços”, o bandido de um braço só se torna o bandido de vários braços .
Por exemplo, digamos que temos três opções e queremos determinar qual oferece a recompensa mais confiável: Poderíamos tentar cada opção e, depois de receber um resultado, poderíamos simplesmente continuar escolhendo o braço que rendeu mais recompensas. Isso é chamado de algoritmo ganancioso : a opção que produz o melhor resultado quando tentamos pela primeira vez é aquela que continuaremos a escolher. Mas podemos compreender que isto nem sempre funciona – por um lado, a elevada recompensa pode ser um acaso. Ou talvez haja algum contexto específico do usuário que resultou em recompensas maiores durante esse período e que não seria tão eficaz posteriormente.
Portanto, o contexto é adicionado para tornar o algoritmo mais eficaz. Para a personalização da Configuração remota, esse contexto inicial é uma amostragem aleatória, ou incerteza , que fornece alguma entropia ao experimento. Isso implementa um “bandido multi-armado contextual ”. À medida que a experiência continua a decorrer, a exploração e a observação contínuas acrescentam um contexto real aprendido sobre quais as armas com maior probabilidade de obter uma recompensa ao modelo, tornando-o mais eficaz.
O que isso significa para meu aplicativo?
Agora, vamos discutir o que significa um algoritmo de bandido multi-armado no contexto do seu aplicativo. Digamos que você esteja otimizando para cliques em anúncios de banner. Nesse caso, os “braços” da personalização seriam os valores alternativos que você especifica para representar os diferentes banners que deseja exibir aos usuários. O clique no banner é a recompensa, que chamamos de objetivo .
Quando você lança uma personalização pela primeira vez, o modelo não sabe qual valor alternativo terá maior probabilidade de atingir seu objetivo para cada usuário individual. À medida que a personalização explora cada valor alternativo para compreender a probabilidade de atingir o seu objetivo, o modelo subjacente fica mais informado, melhorando a sua capacidade de prever e selecionar a experiência ideal para cada utilizador.
A personalização usa uma janela de aderência de 24 horas. Esta é a quantidade de tempo que o algoritmo de personalização explora um único valor alternativo. Você deve fornecer às suas personalizações tempo suficiente para explorar cada valor alternativo várias vezes (geralmente cerca de 14 dias). Idealmente, você pode deixá-los rodar continuamente para que possam melhorar e se adaptar continuamente à medida que seu aplicativo e o comportamento do usuário mudam.
Acompanhe métricas adicionais
A personalização da Configuração remota também oferece a capacidade de rastrear até duas métricas adicionais para ajudar você a contextualizar seus resultados. Digamos que você desenvolveu um aplicativo social e definiu diferentes valores alternativos para incentivar os usuários a compartilhar conteúdo com amigos para aumentar o envolvimento geral.
Nesse caso, você pode optar por otimizar para um evento do Analytics como link_received e definir suas duas métricas como user_engagement e link_opened para entender se o envolvimento do usuário e o número de links que o usuário abre aumentam (engajamento verdadeiro) ou diminuem (possivelmente muitos links com spam). ).
Embora essas métricas adicionais não sejam levadas em consideração no algoritmo de personalização, você pode acompanhá-las junto com os resultados da personalização, fornecendo informações valiosas sobre a capacidade da personalização de atingir seus objetivos gerais.
Entenda os resultados da personalização
Depois que uma personalização estiver em execução por tempo suficiente para coletar dados, será possível visualizar seus resultados.
Para visualizar os resultados da personalização:
Abra a página Configuração remota e clique em Personalizações .
Selecione a personalização que deseja visualizar. Você pode pesquisar a personalização específica por nome ou objetivo e classificar por Nome, Hora de início ou Aumento total.
A página de resultados resume o aumento total , ou a diferença percentual no desempenho, que a personalização fornece no grupo Linha de base .
A página de resultados também mostra o status atual da personalização, os atributos da personalização e um gráfico interativo que:
Mostra uma visão diária e total detalhada do desempenho da personalização em relação à linha de base.
Mostra o desempenho geral de cada valor no grupo de linha de base.
Exibe os resultados das metas e o desempenho em relação às métricas adicionais escolhidas, acessíveis nas guias na parte superior do resumo.
Uma personalização pode permanecer em execução indefinidamente e você pode continuar revisitando a página de resultados para monitorar seu desempenho. O algoritmo continuará a aprender e a se ajustar, para que possa se adaptar quando o comportamento do usuário mudar.
Entenda a exclusão da personalização
Você pode excluir uma personalização usando o Console do Firebase ou removendo um parâmetro de personalização do seu modelo usando a API Configuração remota do Firebase . As personalizações excluídas não podem ser restauradas. Para saber mais sobre retenção de dados, consulte Exclusão de dados .
Você também pode excluir personalizações revertendo ou importando um modelo .
Reversões
Se o seu modelo atual tiver personalizações e você reverter para um modelo que não tenha as mesmas personalizações, as personalizações serão excluídas. Para reverter para um modelo anterior, use o console do Firebase ou roll back usando a API Firebase Remote config.
Quando você exclui uma personalização e reverte para um modelo anterior, uma referência a essa personalização inválida aparece no Firebase Console. Você pode remover a personalização inválida do Firebase console editando a personalização na guia Parâmetros da página Configuração remota.
Importações
Importar um modelo que não contém mais as personalizações atuais também exclui essas personalizações. Para importar um modelo, use o console do Firebase ou a API REST do Configuração remota .
Próximos passos
Conheça os casos de uso de personalização do Configuração remota.
Comece a personalizar a Configuração remota.