個人化功能會運用機器學習技術 (具體來說是情境多臂機器人演算法)，為個別使用者決定最適合的體驗，以達成目標。在本例中，目標是針對特定 Google Analytics 事件的總數或總參數值進行最佳化。
什麼是內容相關多臂老虎機演算法？
「多臂強盜」是一種比喻，用來描述我們想從多個路徑清單中，持續選擇可帶來最高、最可靠獎勵的路徑。為了讓您更容易理解這項概念，我們以賭徒在老虎機前面的情境做為比喻，老虎機在英文中又稱為「單臂強盜」，因為老虎機有一個把手 (或手臂)，會拿走您的錢。由於我們要解決多個「臂」的問題，單臂老虎機就會變成多臂老虎機。
舉例來說，假設我們有三個選項，想判斷哪一個提供最可靠的獎勵：我們可以嘗試每個選項，然後在收到結果後，選擇產生最多獎勵的選項。這就是所謂的貪婪演算法：系統會在首次嘗試時選擇最理想的選項，並持續選擇該選項。不過，我們瞭解這不一定會成功，因為高額獎勵可能只是偶然。或者，也許有某些使用者專屬的背景資訊，會導致在該期間獲得較高獎勵，但在之後就不會那麼有效。
因此，我們新增了背景資訊，讓演算法更有效。對於 Remote Config 個人化功能，這個初始情境是隨機抽樣或不確定性，可為實驗提供一些熵。這會實作「情境多臂老虎機」。隨著實驗持續進行，持續探索和觀察會為模型帶來獎勵的臂，可讓模型學習到真實的上下文，進而提升成效。
這對我的應用程式有何影響？
接下來，我們來討論多選項吃角子老虎機器演算法在應用程式中的意義。假設您要針對橫幅廣告點擊次數進行最佳化。在這種情況下，個人化設定的「臂」就是您指定的替代值，用來代表您要向使用者顯示的不同橫幅廣告。橫幅廣告點擊次數是獎勵，我們稱之為目標。
首次啟動個人化功能時，模型不知道哪個替代值最有可能達成個別使用者的目標。個人化功能會探索每個替代值，以瞭解達成目標的可能性，進而讓基礎模型掌握更多資訊，提升預測和選擇每位使用者最佳體驗的能力。
個人化功能會使用 24 小時的黏著期。這是個人化演算法探索單一替代值的時間長度。您應讓個人化功能有足夠的時間探索每個替代值多次 (通常約 14 天)。理想情況下，您可以讓這些測試持續執行，以便隨著應用程式和使用者行為的變化，持續改善及調整測試。
追蹤其他指標
Remote Config 個人化功能還可讓您追蹤最多兩項額外指標，協助您瞭解搜尋結果的脈絡。假設您開發了一個社群應用程式，並設定不同的替代值，鼓勵使用者與朋友分享內容，以提高整體參與度。
在這種情況下，您可以選擇針對 Analytics 事件 (例如 link_received) 進行最佳化，並將兩個指標設為 user_engagement 和 link_opened，以瞭解使用者參與度和使用者開啟的連結數量是否增加 (真實參與度) 或減少 (可能有太多垃圾連結)。
雖然這些額外指標不會納入個人化演算法，但您可以直接在個人化結果中追蹤這些指標，瞭解個人化功能是否有助於達成整體目標。
瞭解個人化結果
個人化設定運作一段時間後，系統就會收集到足夠的資料，您就可以查看結果。
如何查看個人化結果：
開啟 Remote Config 頁面，然後按一下「個人化」。
選取要查看的個人化功能。您可以依名稱或目標搜尋特定個人化功能，並依名稱、開始時間或總提升率排序。
結果頁面會總結總升幅，也就是個人化功能相較於基準組的效能差異百分比。
結果頁面也會顯示個人化功能的目前狀態、個人化功能的屬性，以及以下互動式圖表：
顯示個人化功能相對於基準值的每日和總成效詳細資料。
顯示每個值在基準群組中的整體成效。
根據您選擇的額外指標，顯示目標結果和成效，您可以透過摘要頂端的分頁存取這些指標。
您可以讓個人化功能持續執行，並繼續返回結果頁面監控其效能。演算法會持續學習及調整，以便在使用者行為改變時進行調整。
瞭解個人化設定刪除作業
您可以使用 Firebase 主控台刪除個人化設定，也可以使用 Firebase Remote Config API 從範本中移除個人化參數。刪除的個人化設定無法還原。如要瞭解資料保留政策，請參閱「資料刪除」一文。
復原
如果目前的範本含有個人化設定，而您回溯至不含相同個人化設定的範本，系統就會刪除個人化設定。如要還原為先前的範本，請使用 Firebase 主控台或 roll back，並使用 Firebase Remote Config API。
刪除個人化設定並還原至先前的範本後，Firebase 主控台會顯示該無效個人化設定的參照。如要從 Firebase 主控台移除無效的個人化設定，請在 Remote Config 頁面的「參數」分頁中編輯個人化設定。
匯入
匯入的範本如果不再包含目前的個人化設定，系統也會刪除這些設定。如要匯入範本，請使用 Firebase 主控台或 Remote Config REST API。