Personalizacja korzysta z systemów uczących się, a w szczególności z algorytmu kontekstowego automatu z wieloma ramionami, aby określić optymalne wrażenia dla poszczególnych użytkowników, które pomogą osiągnąć cel. W naszym przypadku celem jest optymalizacja pod kątem łącznej liczby lub łącznej wartości parametru konkretnych zdarzeń Google Analytics.
Czym jest kontekstowy algorytm wielorękiego bandyty?
„Automat z wieloma ramionami” to metafora używana do opisania sytuacji, w której chcemy stale wybierać ścieżkę, która prowadzi do najwyższych i najbardziej niezawodnych nagród spośród wielu ścieżek. Aby to zobrazować, możesz użyć metafory hazardzisty stojącego przed rzędem automatów do gry, które często nazywane są „jednorękimi bandytami”, ponieważ mają 1 dźwignię (lub rękę) i biorą od Ciebie pieniądze. Ponieważ chcemy uzyskać rozwiązanie dla wielu „ramion”, jednoręki bandyta staje się wielorękim bandytą.
Załóżmy, że mamy 3 opcje i chcemy określić, która z nich zapewnia najbardziej niezawodną nagrodę. Możemy wypróbować każdą opcję, a potem, po otrzymaniu wyniku, wybierać tylko tę, która przyniosła najwięcej nagród. Jest to tak zwany algorytm chciwy: opcja, która przynosi najlepszy wynik przy pierwszym próbie, będzie wybierana przez nas w dalszych próbach. Zdajemy sobie jednak sprawę, że nie zawsze jest to możliwe. Wysoka nagroda może być przypadkowa. Może też być tak, że w danym okresie kontekst związany z konkretnym użytkownikiem spowodował wyższe nagrody, które nie byłyby tak skuteczne w późniejszym czasie.
Aby zwiększyć skuteczność algorytmu, dodano kontekst. W przypadku personalizacji Remote Config ten początkowy kontekst to losowy dobór próby lub niepewność, która zapewnia pewną ilość entropii w eksperymencie. Jest to implementacja kontekstowego wielorękiego bandyty. W miarę jak eksperyment trwa, trwająca eksploracja i obserwacja dodają do modelu rzeczywisty kontekst, który pozwala mu określić, które ramiona są najbardziej prawdopodobne do uzyskania nagrody, co zwiększa jego skuteczność.
Co to oznacza dla mojej aplikacji?
Omówmy teraz, co oznacza algorytm wielorękiego bandyty w kontekście Twojej aplikacji. Załóżmy, że optymalizujesz kliknięcia banerów reklamowych. W tym przypadku „ramiona” personalizacji to wartości alternatywne, które określasz, aby reprezentowały różne reklamy banerowe, które chcesz wyświetlać użytkownikom. Kliknięcie banera reklamowego to nagroda, którą nazywamy celem.
Gdy po raz pierwszy uruchamiasz personalizację, model nie wie, która wartość alternatywna zwiększy szanse na osiągnięcie Twojego celu w przypadku poszczególnych użytkowników. Gdy personalizacja analizuje każdą wartość alternatywną, aby określić prawdopodobieństwo osiągnięcia Twojego celu, model bazowy staje się coraz bardziej świadomy, co pozwala mu lepiej przewidywać i wybierać optymalne wrażenia dla każdego użytkownika.
Personalizacja korzysta z okna utrzymania o długości 24 godzin. Jest to liczba prób, w których algorytm personalizacji bada jedną wartość alternatywną. Personalizacje powinny mieć wystarczająco dużo czasu na zapoznanie się z każdą wartością alternatywną (zazwyczaj około 14 dni). Najlepiej, jeśli będą one działać nieprzerwanie, aby mogły się stale ulepszać i dostosowywać do zmian w zachowaniu aplikacji i użytkowników.
Śledzenie dodatkowych danych
Personalizacja Remote Config umożliwia też śledzenie do 2 dodatkowych rodzajów danych, aby ułatwić kontekstualizację wyników. Załóżmy, że masz opracowaną aplikację społecznościową i ustawione różne wartości alternatywne, aby zachęcić użytkowników do udostępniania treści znajomym i zwiększania ogólnego zaangażowania.
W takim przypadku możesz zoptymalizować działanie pod kątem zdarzenia Analytics, np. link_received, i ustawić 2 rodzaje danych: user_engagement i link_opened, aby dowiedzieć się, czy zaangażowanie użytkownika i liczba otwieranych przez niego linków rośnie (prawdziwe zaangażowanie) czy maleje (być może zbyt dużo linków spamowych).
Te dodatkowe dane nie są uwzględniane w algorytmie personalizacji, ale możesz je śledzić obok wyników personalizacji, co zapewni Ci cenne informacje o tym, jak dobrze personalizacja pomaga Ci osiągać ogólne cele.
Interpretowanie wyników personalizacji
Gdy personalizacja będzie działać wystarczająco długo, aby zebrać dane, możesz wyświetlić jej wyniki.
Aby wyświetlić wyniki personalizacji:
Otwórz stronę Remote Config i kliknij 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 skuteczności.
Strona z wynikami zawiera podsumowanie łącznej wartości wzrostu, czyli procentowej różnicy w wydajności, jaką zapewnia personalizacja w porównaniu z grupą Baza.
Na stronie wyników znajdziesz też bieżący stan personalizacji, jej atrybuty oraz interaktywny wykres, który:
Pokazuje szczegółowe dane dotyczące skuteczności personalizacji w ujęciu dziennym i całkowitym w porównaniu z punktem odniesienia.
Pokazuje ogólną skuteczność poszczególnych wartości w grupie odniesienia.
Wyświetla wyniki i skuteczność celu na podstawie wybranych przez Ciebie dodatkowych danych, do których możesz przejść za pomocą kart u góry podsumowania.
Personalizacja może działać w nieskończoność, a Ty możesz wracać na stronę wyników, aby sprawdzać jej skuteczność. Algorytm będzie się nadal uczyć i dostosowywać, aby mógł się dostosować do zmian w zachowaniu użytkowników.
Usuwanie personalizacji
Personalizację możesz usunąć za pomocą konsoli Firebase lub usuwając parametr personalizacji z szablonu za pomocą interfejsu Firebase Remote Config API. Usuniętej personalizacji nie można przywrócić. Więcej informacji o przechowywaniu danych znajdziesz w artykule Usuwanie danych.
Możesz też usunąć personalizację, cofa ją lub importujesz szablon.
Przywrócone
Jeśli Twój obecny szablon zawiera elementy spersonalizowane, a Ty powrócisz do szablonu, który ich nie ma, elementy te zostaną usunięte. Aby przywrócić poprzedni szablon, użyj konsoli Firebase lub interfejsu Firebase Remote Config API (roll back).
Gdy usuniesz personalizację i przywrócisz poprzedni szablon, w konsoli Firebase pojawi się odwołanie do tej nieprawidłowej personalizacji. Nieprawidłową personalizację możesz usunąć z konsoli Firebase, edytując personalizację na karcie Parametry na stronie Remote Config.
Importy
Importowanie szablonu, który nie zawiera już Twoich bieżących personalizacji, powoduje też usunięcie tych personalizacji. Aby zaimportować szablon, użyj konsoli Firebase lub interfejsu Remote Config REST API.
Dalsze kroki
Zapoznaj się z przypadkami użycia Remote Config personalizacji.
Rozpocznij korzystanie z usługi Remote Config.