Hoạt động cá nhân hoá sử dụng công nghệ học máy (cụ thể là thuật toán nhiều tay cướp có vũ trang theo bối cảnh) để xác định trải nghiệm tối ưu cho từng người dùng nhằm đạt được một mục tiêu. Trong trường hợp của chúng tôi, mục tiêu là tối ưu hoá cho tổng số hoặc tổng giá trị thông số của các sự kiện Google Analytics cụ thể.
Thuật toán nhiều tay có vũ trang theo ngữ cảnh là gì?
"Đạo tặc nhiều tay" là một phép ẩn dụ dùng để mô tả tình huống mà chúng ta muốn liên tục chọn một đường dẫn mang lại phần thưởng cao nhất và đáng tin cậy nhất trong danh sách gồm nhiều đường dẫn. Để hình dung điều này, bạn có thể sử dụng phép ẩn dụ về một người đánh bạc đứng trước một hàng máy đánh bạc – thường được gọi là "kẻ cướp một tay" vì máy đánh bạc có một tay cầm (hoặc cánh tay) và lấy tiền của bạn. Vì chúng ta muốn giải quyết nhiều "vấn đề", nên máy đánh bạc một tay sẽ trở thành máy đánh bạc nhiều tay.
Ví dụ: giả sử chúng ta có 3 lựa chọn và muốn xác định lựa chọn nào mang lại phần thưởng đáng tin cậy nhất: Chúng ta có thể thử từng lựa chọn, sau đó, sau khi nhận được kết quả, chúng ta có thể tiếp tục chọn lựa chọn mang lại nhiều phần thưởng nhất. Đây là thuật toán tham lam: lựa chọn mang lại kết quả tốt nhất khi chúng ta thử lần đầu tiên là lựa chọn mà chúng ta sẽ tiếp tục chọn. Nhưng chúng ta có thể hiểu rằng điều này không phải lúc nào cũng hiệu quả. Một phần là do phần thưởng cao có thể chỉ là ngẫu nhiên. Hoặc có thể có một số bối cảnh dành riêng cho người dùng dẫn đến phần thưởng cao hơn trong khoảng thời gian đó nhưng sẽ không hiệu quả sau này.
Vì vậy, bối cảnh được thêm vào để thuật toán hoạt động hiệu quả hơn. Đối với hoạt động cá nhân hoá Remote Config, ngữ cảnh ban đầu này là lấy mẫu ngẫu nhiên hoặc sự không chắc chắn, giúp cung cấp một số entropy cho thử nghiệm. Điều này triển khai "bandit nhiều tay theo bối cảnh". Khi thử nghiệm tiếp tục chạy, quá trình khám phá và quan sát liên tục sẽ bổ sung ngữ cảnh thực tế đã học được về những nhóm có nhiều khả năng nhận được phần thưởng nhất cho mô hình, giúp mô hình hoạt động hiệu quả hơn.
Điều này ảnh hưởng như thế nào đến ứng dụng của bạn?
Bây giờ, hãy thảo luận về ý nghĩa của thuật toán thử nghiệm chia nhiều nhánh trong bối cảnh ứng dụng của bạn. Giả sử bạn đang tối ưu hoá cho lượt nhấp vào quảng cáo biểu ngữ. Trong trường hợp này, "các nhánh" của hoạt động cá nhân hoá sẽ là các giá trị thay thế mà bạn chỉ định để biểu thị các quảng cáo biểu ngữ khác nhau mà bạn muốn hiển thị cho người dùng. Lượt nhấp vào quảng cáo biểu ngữ là phần thưởng, mà chúng ta gọi là mục tiêu.
Khi bạn lần đầu ra mắt một hoạt động cá nhân hoá, mô hình sẽ không biết giá trị thay thế nào có nhiều khả năng đạt được mục tiêu của bạn cho từng người dùng riêng lẻ. Khi hoạt động cá nhân hoá khám phá từng giá trị thay thế để hiểu rõ khả năng đạt được mục tiêu của bạn, mô hình cơ bản sẽ có nhiều thông tin hơn, cải thiện khả năng dự đoán và chọn trải nghiệm tối ưu cho từng người dùng.
Hoạt động cá nhân hoá sử dụng khoảng thời gian lưu giữ là 24 giờ. Đây là khoảng thời gian mà thuật toán cá nhân hoá khám phá một giá trị thay thế duy nhất. Bạn nên dành đủ thời gian cho các hoạt động cá nhân hoá để khám phá từng giá trị thay thế nhiều lần (thường là khoảng 14 ngày). Tốt nhất là bạn nên cho phép các thử nghiệm này chạy liên tục để chúng có thể không ngừng cải thiện và thích ứng khi ứng dụng và hành vi của người dùng thay đổi.
Theo dõi các chỉ số khác
Tính năng cá nhân hoá Remote Config cũng cho phép bạn theo dõi tối đa 2 chỉ số bổ sung để giúp bạn hiểu rõ hơn về kết quả của mình. Giả sử bạn đã phát triển một ứng dụng mạng xã hội và đã đặt các giá trị thay thế khác nhau để khuyến khích người dùng chia sẻ nội dung với bạn bè nhằm tăng mức độ tương tác tổng thể.
Trong trường hợp này, bạn có thể chọn tối ưu hoá cho một sự kiện Analytics như link_received và đặt hai chỉ số thành user_engagement và link_opened để biết liệu mức độ tương tác của người dùng và số lượng đường liên kết mà người dùng mở có tăng (mức độ tương tác thực) hay giảm (có thể có quá nhiều đường liên kết rác).
Mặc dù những chỉ số bổ sung này sẽ không được đưa vào thuật toán cá nhân hoá, nhưng bạn có thể theo dõi chúng ngay bên cạnh kết quả cá nhân hoá, cung cấp thông tin chi tiết có giá trị về khả năng đạt được mục tiêu tổng thể của tính năng cá nhân hoá.
Tìm hiểu kết quả cá nhân hoá
Sau khi một hoạt động cá nhân hoá chạy đủ lâu để thu thập dữ liệu, bạn có thể xem kết quả của hoạt động đó.
Cách xem kết quả cá nhân hoá:
Mở trang Remote Config rồi nhấp vào Nội dung cá nhân hoá.
Chọn chế độ cá nhân hoá mà bạn muốn xem. Bạn có thể tìm kiếm chế độ cá nhân hoá cụ thể theo tên hoặc mục tiêu, đồng thời có thể sắp xếp theo Tên, Thời gian bắt đầu hoặc Tổng mức tăng.
Trang kết quả tóm tắt Tổng mức tăng hoặc mức chênh lệch về hiệu suất (tính theo tỷ lệ phần trăm) mà tính năng cá nhân hoá mang lại so với nhóm Cơ sở.
Trang kết quả cũng cho biết trạng thái hiện tại của hoạt động cá nhân hoá, các thuộc tính của hoạt động cá nhân hoá và một biểu đồ tương tác:
Cho biết thông tin chi tiết về hiệu suất cá nhân hoá hằng ngày và tổng thể so với đường cơ sở.
Cho biết hiệu suất tổng thể của từng giá trị trong nhóm cơ sở.
Hiển thị kết quả của mục tiêu và hiệu suất dựa trên các chỉ số bổ sung mà bạn đã chọn, có thể truy cập bằng cách sử dụng các thẻ ở đầu bản tóm tắt.
Bạn có thể để chế độ cá nhân hoá chạy vô thời hạn và tiếp tục truy cập lại trang kết quả để theo dõi hiệu suất của chế độ này. Thuật toán sẽ tiếp tục tìm hiểu và điều chỉnh để có thể thích ứng khi hành vi của người dùng thay đổi.
Tìm hiểu về việc xoá dữ liệu cá nhân hoá
Bạn có thể xoá một thông tin cá nhân hoá bằng bảng điều khiển Firebase hoặc bằng cách xoá một tham số cá nhân hoá khỏi mẫu bằng API Firebase Remote Config. Bạn không thể khôi phục các nội dung cá nhân hoá đã bị xoá. Để tìm hiểu về việc giữ lại dữ liệu, hãy xem phần Xoá dữ liệu.
Bạn cũng có thể xoá các nội dung được cá nhân hoá bằng cách quay lại hoặc nhập một mẫu.
Khôi phục
Nếu mẫu hiện tại của bạn có nội dung được cá nhân hoá và bạn quay lại một mẫu không có nội dung được cá nhân hoá tương tự, thì nội dung được cá nhân hoá sẽ bị xoá. Để quay lại một mẫu trước đó, hãy sử dụng bảng điều khiển Firebase hoặc roll back bằng API Firebase Remote Config.
Khi bạn xoá một chế độ cá nhân hoá và quay lại mẫu trước đó, một thông tin tham chiếu đến chế độ cá nhân hoá không hợp lệ đó sẽ xuất hiện trong bảng điều khiển Firebase. Bạn có thể xoá chế độ cá nhân hoá không hợp lệ khỏi bảng điều khiển Firebase bằng cách chỉnh sửa chế độ cá nhân hoá trong thẻ Thông số của trang Remote Config.
Số lần nhập
Việc nhập một mẫu không còn chứa các chế độ cá nhân hoá hiện tại của bạn cũng sẽ xoá những chế độ cá nhân hoá đó. Để nhập một mẫu, hãy sử dụng bảng điều khiển Firebase hoặc sử dụng Remote Config REST API.
Các bước tiếp theo
Khám phá Remote Configcác trường hợp sử dụng tính năng cá nhân hoá.
Bắt đầu với hoạt động cá nhân hoá Remote Config.