La personalizzazione utilizza il machine learning, in particolare l'algoritmo multi-armed bandit contestuale per determinare l'esperienza ottimale per i singoli utenti al fine di raggiungere un obiettivo. Nel nostro caso, l'obiettivo è ottimizzare rispetto al numero totale valore del parametro di specifici eventi Google Analytics.
Che cos'è un algoritmo multi-armed bandit contestuale?
Il "multi-armed bandit" è una metafora utilizzata per descrivere la situazione in cui vogliano scegliere continuamente un percorso che conduca al percorso premi da un elenco di più percorsi. Per visualizzare questo concetto, puoi utilizzare la metafora di un giocatore davanti a una fila di slot machine, spesso colloquialmente chiamate "one-armed bandit" perché una slot machine ha un'unica leva (o braccio) e ti sottrae i soldi. Poiché vogliamo risolvere "braccia", lo slot machine a un braccio diventa la multi-armed bandit.
Ad esempio, supponiamo di avere tre opzioni e di voler stabilire quali forniscono il premio più affidabile: potremmo provare ogni opzione e poi, dopo aver ricevuto di conseguenza, potremmo semplicemente continuare a scegliere il gruppo che ha prodotto i maggiori premi. Questo viene chiamato algoritmo greedy, ovvero l'opzione che genera al primo tentativo, sarà quello che continueremo a scegliere. Ma possiamo capiamo che questa soluzione potrebbe non funzionare sempre: per prima cosa, l'alta ricompensa potrebbe essere una fortuna. Oppure, è possibile che il contesto specifico dell'utente abbia generato premi più elevati durante questo periodo di tempo che non saranno più così efficaci in seguito.
Quindi viene aggiunto il contesto per rendere l'algoritmo più efficace. Per la personalizzazioneRemote Config, questo contesto iniziale è il campionamento casuale o l'incertezza, che fornisce un po' di entropia all'esperimento. Questo implementa un "multi-armed bandit contestuale". Man mano che l'esperimento è in esecuzione, l'esplorazione e l'osservazione continua aggiunge contesto reale appreso su quali gruppi hanno maggiori probabilità di ottenere un premio al modello, rendendolo più efficace.
Quali saranno le conseguenze per la mia app?
Ora parliamo di cosa significa algoritmo multi-armed bandit nel contesto la tua app. Supponiamo che tu stia ottimizzando per i clic sugli annunci banner. In questo caso, "braccia" della personalizzazione sono i valori alternativi da te specificati rappresentare i vari annunci banner che vuoi mostrare agli utenti. L'annuncio banner il clic è il premio, che definiamo un obiettivo.
Quando avvii per la prima volta una personalizzazione, il modello non sa quale valore alternativo ha maggiori probabilità di raggiungere il tuo obiettivo per ogni individuo utente. Quando la personalizzazione esplora ogni valore alternativo per comprendere probabilità di raggiungere l'obiettivo, il modello sottostante cresce informati, migliorando la sua capacità di prevedere e selezionare l'esperienza ottimale ogni utente.
La personalizzazione utilizza una finestra di fidelizzazione di 24 ore. Questa è la quantità volta che l'algoritmo di personalizzazione esplora un singolo valore alternativo. Tu dovrebbe fornire alle personalizzazioni abbastanza tempo per esplorare ogni alternativa valore più volte (generalmente circa 14 giorni). Idealmente, puoi lasciarle eseguire in modo che possano continuare a migliorare e adattarsi alle esigenze dell'app e dell'utente dei comportamenti cambiano.
Monitora metriche aggiuntive
La personalizzazione di Remote Config offre anche la possibilità di monitorare fino a due metriche aggiuntive per aiutarti a contestualizzare i risultati. Immaginiamo sviluppato un'app social e hanno definito diversi valori alternativi per incoraggiare gli utenti possono condividere contenuti con amici per aumentare il coinvolgimento complessivo.
In questo caso, potresti scegliere di eseguire l'ottimizzazione per un evento Analytics come
link_received e imposta le due metriche su user_engagement e
link_opened per capire se il coinvolgimento degli utenti e il numero di link
l'utente apre aumenti (coinvolgimento reale) o diminuzioni (probabilmente troppi link contenenti spam).
Queste metriche aggiuntive non verranno prese in considerazione per la personalizzazione personalizzato, puoi monitorarli insieme ai risultati della personalizzazione, fornendo preziose informazioni sulla capacità della personalizzazione di raggiungere obiettivi generali.
Comprendere i risultati della personalizzazione
Dopo che una personalizzazione è stata eseguita per un tempo sufficiente a raccogliere dati, puoi: visualizzare i risultati.
Per visualizzare i risultati della personalizzazione:
Apri la pagina Remote Config e fai clic su Personalizzazioni:
Seleziona la personalizzazione che vuoi visualizzare. Puoi cercare la personalizzazione specifica per nome o scopo e ordinare in base a Nome, Ora inizio o Aumento totale.
La pagina dei risultati riassume l'incremento totale o la differenza percentuale delle prestazioni, che la personalizzazione fornisce rispetto al gruppo Baseline.
La pagina dei risultati mostra anche lo stato corrente della personalizzazione, attributi della personalizzazione e un grafico interattivo che:
Mostra una visualizzazione dettagliata giornaliera e totale del rendimento della personalizzazione rispetto alla base di riferimento.
Mostra il rendimento complessivo di ogni valore nel gruppo di riferimento.
Mostra i risultati e il rendimento degli obiettivi rispetto alle metriche aggiuntive che scelto, accessibile tramite le schede nella parte superiore del riepilogo.
Una personalizzazione può essere lasciata in esecuzione a tempo indeterminato e puoi continuare visitare di nuovo la pagina dei risultati per monitorarne il rendimento. L'algoritmo continuerà di apprendere e adattarsi, in modo da potersi adattare al cambiamento del comportamento degli utenti.
Informazioni sull'eliminazione delle personalizzazioni
Puoi eliminare una personalizzazione utilizzando la console Firebase o rimuovendo una parametro di personalizzazione del modello utilizzando API Firebase Remote Config. Le personalizzazioni eliminate non possono essere ripristinate. Per saperne di più sulla conservazione dei dati, consulta Eliminazione dei dati.
Puoi anche eliminare le personalizzazioni o importando un'immagine .
Rollback
Se il modello corrente contiene personalizzazioni e roll
a un modello che non ha
le stesse personalizzazioni, vengono eliminate. Per ripristinare un
modello precedente, usa la console Firebase oppure
roll back
usando l'API Firebase Remote Config.
Quando elimini una personalizzazione e esegui il rollback a un modello precedente, nella console Firebase viene visualizzato un riferimento alla personalizzazione non valida. Puoi rimuovere la personalizzazione non valida dal Console Firebase modificando la personalizzazione nella scheda Parametri della pagina Remote Config.
Importazioni
È in corso l'importazione di un modello che non contiene più le personalizzazioni attuali elimina quelle personalizzazioni. Per importare un modello, usa la console Firebase o utilizza API REST Remote Config.
Passaggi successivi
Esplora la personalizzazione di Remote Config casi d'uso.
Inizia a utilizzare Personalizzazione di Remote Config.