เกี่ยวกับการปรับเปลี่ยนการกำหนดค่าระยะไกลตามโปรไฟล์ของผู้ใช้

การปรับเปลี่ยนในแบบของคุณใช้แมชชีนเลิร์นนิง โดยเฉพาะอัลกอริทึม Multi-Armed Bandit ตามบริบท เพื่อกำหนดประสบการณ์ใช้งานที่เหมาะสมที่สุดสำหรับผู้ใช้แต่ละรายเพื่อให้บรรลุวัตถุประสงค์ ในกรณีของเรา วัตถุประสงค์คือการเพิ่มประสิทธิภาพสําหรับจํานวนรวมหรือค่าพารามิเตอร์รวมของเหตุการณ์ Google Analytics ที่เฉพาะเจาะจง

อัลกอริทึม Multi-Armed Bandit ตามบริบทคืออะไร

"Multi-Armed Bandit" เป็นคำเปรียบเทียบที่ใช้อธิบายสถานการณ์ที่เราต้องการเลือกเส้นทางที่นำไปสู่รางวัลสูงสุดและน่าเชื่อถือที่สุดอย่างต่อเนื่องจากรายการเส้นทางหลายเส้นทาง เพื่อให้เห็นภาพชัดเจนขึ้น คุณสามารถใช้การเปรียบเทียบกับนักพนันที่อยู่หน้าแถวของตู้สล็อตแมชชีน ซึ่งมักเรียกกันในภาษาพูดว่า "โจรแขนเดียว" เนื่องจากตู้สล็อตแมชชีนมีคันโยก (หรือแขน) เพียงข้างเดียวและกินเงินของคุณ เนื่องจากเราต้องการแก้ปัญหาสำหรับ "แขน" หลายข้าง โจรแขนเดียวจึงกลายเป็นโจรหลายแขน

ตัวอย่างเช่น สมมติว่าเรามี 3 ตัวเลือกและต้องการพิจารณาว่าตัวเลือกใดให้รางวัลที่น่าเชื่อถือที่สุด เราอาจลองแต่ละตัวเลือก แล้วหลังจากได้รับผลลัพธ์ เราก็อาจเลือกตัวเลือกที่ให้รางวัลมากที่สุดต่อไป ซึ่งเรียกว่าอัลกอริทึมแบบโลภ (Greedy Algorithm) กล่าวคือ ตัวเลือกที่ให้ผลลัพธ์ดีที่สุดเมื่อเราพยายามครั้งแรกจะเป็นตัวเลือกที่เราจะเลือกต่อไป แต่เราเข้าใจว่าวิธีนี้อาจไม่ได้ผลเสมอไป เช่น รางวัลที่สูงอาจเป็นเรื่องฟลุก หรืออาจมีบริบทเฉพาะของผู้ใช้ที่ส่งผลให้ได้รับรางวัลสูงขึ้นในช่วงระยะเวลาดังกล่าว ซึ่งจะไม่มีประสิทธิภาพเท่าเดิมในภายหลัง

จึงมีการเพิ่มบริบทเพื่อให้อัลกอริทึมมีประสิทธิภาพมากขึ้น สำหรับการปรับเปลี่ยนในแบบของคุณRemote Config บริบทเริ่มต้นนี้คือการสุ่มตัวอย่าง หรือความไม่แน่นอน ซึ่งทำให้การทดสอบมีเอนโทรปี ซึ่งใช้ "Multi-Armed Bandit ตามบริบท" เมื่อการทดสอบดำเนินต่อไป การสำรวจและการสังเกตการณ์อย่างต่อเนื่องจะเพิ่มบริบทที่เรียนรู้จริงเกี่ยวกับกลุ่มที่มีแนวโน้มจะกระตุ้นให้เกิดรางวัลแก่โมเดลมากที่สุด ซึ่งจะทำให้โมเดลมีประสิทธิภาพมากขึ้น

ผลกระทบที่จะเกิดกับแอป

ลองพิจารณาความหมายของอัลกอริทึม Multi-Armed Bandit ในบริบทของแอป สมมติว่าคุณกำลังเพิ่มประสิทธิภาพการคลิกโฆษณาแบนเนอร์ ในกรณีนี้ "ตัวเลือก" ของการปรับเปลี่ยนในแบบของคุณจะเป็นค่าทางเลือกที่คุณระบุเพื่อแสดงโฆษณาแบนเนอร์ต่างๆ ที่ต้องการแสดงต่อผู้ใช้ การคลิกโฆษณาแบนเนอร์คือรางวัล ซึ่งเรียกว่าวัตถุประสงค์

เมื่อเปิดใช้การปรับเปลี่ยนในแบบของคุณเป็นครั้งแรก โมเดลจะไม่ทราบว่าค่าทางเลือกใดมีแนวโน้มที่จะบรรลุเป้าหมายสำหรับผู้ใช้แต่ละรายมากกว่ากัน ขณะที่การปรับเปลี่ยนในแบบของคุณสำรวจค่าทางเลือกแต่ละค่าเพื่อทำความเข้าใจแนวโน้มที่จะบรรลุวัตถุประสงค์ โมเดลที่อยู่เบื้องหลังจะได้รับข้อมูลมากขึ้น ซึ่งจะช่วยปรับปรุงความสามารถในการคาดการณ์และเลือกประสบการณ์ที่เหมาะสมที่สุดสำหรับผู้ใช้แต่ละราย

การปรับเปลี่ยนในแบบของคุณใช้กรอบเวลาความเหนียวแน่น 24 ชั่วโมง ซึ่งเป็นระยะเวลาที่อัลกอริทึมการปรับเปลี่ยนในแบบของคุณจะสำรวจค่าทางเลือกเดียว คุณควรให้เวลาการปรับเปลี่ยนในแบบของคุณมากพอที่จะสำรวจค่าทางเลือกแต่ละค่าหลายๆ ครั้ง (โดยทั่วไปประมาณ 14 วัน) คุณควรปล่อยให้แคมเปญทำงานอย่างต่อเนื่องเพื่อให้แคมเปญปรับปรุงและปรับตัวได้อย่างต่อเนื่องเมื่อแอปและพฤติกรรมของผู้ใช้เปลี่ยนแปลงไป

ติดตามเมตริกเพิ่มเติม

การปรับเปลี่ยน Remote Config ในแบบของคุณยังช่วยให้คุณติดตามเมตริกเพิ่มเติมได้สูงสุด 2 รายการ เพื่อช่วยให้คุณเข้าใจบริบทของผลลัพธ์ได้ ตัวอย่างเช่น สมมติว่าคุณพัฒนาแอปโซเชียลและตั้งค่าทางเลือกต่างๆ เพื่อกระตุ้นให้ผู้ใช้แชร์เนื้อหากับเพื่อนเพื่อเพิ่มการมีส่วนร่วมโดยรวม

ในกรณีนี้ คุณอาจเลือกเพิ่มประสิทธิภาพสำหรับเหตุการณ์ Analytics เช่น link_received และตั้งค่าเมตริก 2 รายการเป็น user_engagement และ link_opened เพื่อทำความเข้าใจว่าการมีส่วนร่วมของผู้ใช้และจำนวนลิงก์ที่ผู้ใช้เปิดเพิ่มขึ้น (การมีส่วนร่วมที่แท้จริง) หรือลดลง (อาจเป็นลิงก์สแปมมากเกินไป)

แม้ว่าเมตริกเพิ่มเติมเหล่านี้จะไม่รวมอยู่ในอัลกอริทึมการปรับเปลี่ยนในแบบของคุณ แต่คุณสามารถติดตามเมตริกเหล่านี้ควบคู่ไปกับผลลัพธ์การปรับเปลี่ยนในแบบของคุณ ซึ่งจะให้ข้อมูลเชิงลึกที่มีคุณค่าเกี่ยวกับความสามารถในการปรับเปลี่ยนในแบบของคุณเพื่อบรรลุเป้าหมายโดยรวม

ทำความเข้าใจผลลัพธ์ของการปรับเปลี่ยนในแบบของคุณ

หลังจากที่การปรับเปลี่ยนในแบบของคุณทำงานนานพอที่จะรวบรวมข้อมูลแล้ว คุณจะดูผลลัพธ์ได้

วิธีดูผลลัพธ์การปรับเปลี่ยนในแบบของคุณ

  1. ในคอนโซล Firebase ให้ไปที่หน้า DevOps และการมีส่วนร่วม > Remote Config > การปรับเปลี่ยนในแบบของคุณ

  2. เลือกการปรับเปลี่ยนในแบบของคุณที่ต้องการดู คุณสามารถค้นหาการปรับเปลี่ยนในแบบของคุณเฉพาะตามชื่อหรือวัตถุประสงค์ และจัดเรียงตามชื่อ เวลาเริ่มต้น หรือ Total lift ได้

หน้าผลลัพธ์จะสรุปTotal lift หรือเปอร์เซ็นต์ความแตกต่างของประสิทธิภาพที่การปรับเปลี่ยนในแบบของคุณให้มากกว่ากลุ่มBaseline

หน้าผลลัพธ์ยังแสดงสถานะปัจจุบันของการปรับเปลี่ยนในแบบของคุณ แอตทริบิวต์ของการปรับเปลี่ยนในแบบของคุณ และกราฟแบบอินเทอร์แอกทีฟที่ทำสิ่งต่อไปนี้

  • แสดงมุมมองรายวันและมุมมองรวมโดยละเอียดเกี่ยวกับประสิทธิภาพของการปรับเปลี่ยนในแบบของคุณเทียบกับเกณฑ์พื้นฐาน

  • แสดงประสิทธิภาพโดยรวมของแต่ละค่าในกลุ่มพื้นฐาน

  • แสดงผลลัพธ์ของเป้าหมายและประสิทธิภาพเทียบกับเมตริกเพิ่มเติมที่คุณเลือก ซึ่งเข้าถึงได้โดยใช้แท็บที่ด้านบนของข้อมูลสรุป

คุณสามารถปล่อยให้การปรับเปลี่ยนในแบบของคุณทำงานต่อไปได้เรื่อยๆ และกลับมาที่หน้าผลลัพธ์เพื่อตรวจสอบประสิทธิภาพได้เสมอ อัลกอริทึมจะเรียนรู้และปรับเปลี่ยนอย่างต่อเนื่อง เพื่อให้สามารถปรับตัวได้เมื่อพฤติกรรมของผู้ใช้เปลี่ยนไป

ทำความเข้าใจการลบการปรับเปลี่ยนในแบบของคุณ

คุณสามารถลบการปรับเปลี่ยนในแบบของคุณได้โดยใช้คอนโซล Firebase หรือโดยการนำพารามิเตอร์การปรับเปลี่ยนในแบบของคุณออกจากเทมเพลตโดยใช้ Firebase Remote Config API การปรับเปลี่ยนในแบบของคุณที่ลบไปแล้วจะกู้คืนไม่ได้ ดูข้อมูลเกี่ยวกับการเก็บรักษาข้อมูลได้ที่การลบข้อมูล

นอกจากนี้ คุณยังลบการปรับเปลี่ยนในแบบของคุณได้โดยย้อนกลับหรือนำเข้าเทมเพลต

ย้อนกลับ

หากเทมเพลตปัจจุบันมีการปรับเปลี่ยนในแบบของคุณ และคุณย้อนกลับไปใช้เทมเพลตที่ไม่มีการปรับเปลี่ยนในแบบของคุณเหมือนกัน ระบบจะลบการปรับเปลี่ยนในแบบของคุณออก หากต้องการเปลี่ยนกลับไปใช้เทมเพลตก่อนหน้า ให้ใช้คอนโซล Firebase หรือroll backโดยใช้ Firebase Remote Config API

เมื่อคุณลบการปรับเปลี่ยนในแบบของคุณและย้อนกลับไปใช้เทมเพลตก่อนหน้า ข้อมูลอ้างอิงถึงการปรับเปลี่ยนในแบบของคุณที่ไม่ถูกต้องจะปรากฏในคอนโซล Firebase คุณสามารถนำการปรับเปลี่ยนในแบบของคุณที่ไม่ถูกต้องออกจากคอนโซล Firebase ได้โดยแก้ไขการปรับเปลี่ยนในแบบของคุณในแท็บพารามิเตอร์ของหน้า Remote Config

การนำเข้า

การนําเข้าเทมเพลตที่ไม่มีการปรับเปลี่ยนในแบบของคุณในปัจจุบันจะเป็นการลบการปรับเปลี่ยนในแบบของคุณเหล่านั้นด้วย หากต้องการนำเข้าเทมเพลต ให้ใช้คอนโซล Firebase หรือใช้ REST API ของ Remote Config

ขั้นตอนถัดไป