Pencarian Terbuka adalah rangkaian perangkat lunak sumber terbuka yang dapat diskalakan, fleksibel, dan dapat diperluas untuk aplikasi pencarian, analitik, pemantauan keamanan, dan observabilitas, yang dilisensikan di bawah lisensi Apache 2.0. Layanan Pencarian Terbuka Amazon adalah layanan terkelola sepenuhnya yang memudahkan penerapan, penskalaan, dan pengoperasian OpenSearch di AWS Cloud.
OpenSearch menggunakan kerangka pemeringkatan probabilistik yang disebut BM-25 untuk menghitung skor relevansi. Jika kata kunci khusus lebih sering muncul dalam dokumen, BM-25 memberikan skor relevansi yang lebih tinggi pada dokumen tersebut. Namun, kerangka kerja ini tidak mempertimbangkan perilaku pengguna seperti data klik-tayang atau pembelian, yang selanjutnya dapat meningkatkan relevansi bagi pengguna individual.
Meningkatkan fungsi pencarian merupakan aspek integral dalam meningkatkan pengalaman dan keterlibatan pengguna secara keseluruhan di situs web atau aplikasi. Lalu lintas penelusuran dianggap dengan niat tinggi karena pengguna secara aktif mencari item tertentu, dan mereka diketahui berkonversi hingga dua kali lebih banyak dibandingkan rata-rata pengunjung penelusuran non-situs. Dengan menggunakan data interaksi pengguna seperti klik, suka, dan pembelian, bisnis dapat meningkatkan relevansi penelusuran untuk memanfaatkan lalu lintas ini dan mengurangi kasus pengguna meninggalkan sesi mereka karena kesulitan menemukan item yang diinginkan. Dengan menyempurnakan kualitas hasil penelusuran, bisnis dapat meningkatkan keterlibatan, kepuasan, dan loyalitas pelanggan secara signifikan, serta meningkatkan rasio konversi, yang pada akhirnya menghasilkan profitabilitas dan kesuksesan yang lebih besar.
Amazon Personalisasi memungkinkan Anda menambahkan kemampuan personalisasi canggih ke aplikasi Anda dengan menggunakan teknologi pembelajaran mesin (ML) yang sama dengan yang digunakan Amazon.com selama lebih dari 20 tahun. Tidak diperlukan keahlian ML.
Amazon Personalize mendukung penyesuaian otomatis rekomendasi berdasarkan informasi kontekstual tentang pengguna Anda, seperti jenis perangkat, lokasi, waktu, atau informasi lain yang Anda berikan. Anda memberi Amazon Personalize data historis tentang pengguna Anda dan interaksi mereka dalam aplikasi Anda, seperti riwayat pembelian, peringkat, dan kesukaan. Anda dapat menambahkan data ke Amazon Personalize secara massal dengan mengimpor kumpulan data historis berukuran besar sekaligus dari Layanan Penyimpanan Sederhana Amazon File CSV (Amazon S3), menggunakan format yang diperlukan oleh Amazon Personalize. Anda juga dapat menambahkan data secara bertahap dengan mengimpor catatan menggunakan konsol atau API Amazon Personalize. Setelah data historis Anda diimpor, Anda dapat terus menyediakan data baru secara real time dengan mengirimkan peristiwa interaksi pengguna. Berdasarkan kasus penggunaan yang ingin Anda tangani, seperti rekomendasi produk, Anda memilih resep siap pakai yang dioptimalkan untuk tujuan tersebut. Amazon Personalize menganalisis data Anda dan melatih model ML khusus berdasarkan parameter dalam resep untuk menghasilkan rekomendasi hasil personalisasi yang dioptimalkan untuk pengguna dan aplikasi Anda. Setelah model dilatih, Anda dapat membuat rekomendasi yang dipersonalisasi secara real-time untuk pengguna Anda.
Dengan yang baru diluncurkan Plugin Pencarian Personalisasi Amazon untuk Layanan Amazon OpenSearch, Anda dapat menggunakan riwayat interaksi dan minat pengguna untuk menyempurnakan hasil penelusuran mereka. Dengan memanfaatkan sebuah Resep Amazon Personalisasi seperti Peringkat Pribadi, Anda dapat membantu meningkatkan hasil pencarian untuk item yang relevan berdasarkan minat pengguna pada saat mendapatkan hasil pencarian dari OpenSearch Service.
Posting ini menjelaskan cara mengintegrasikan plugin Amazon Personalize Search Ranking dengan OpenSearch Service untuk mengaktifkan pengalaman pencarian yang dipersonalisasi. Untuk membuat artefak Amazon Personalize dalam postingan ini, kami menggunakan kumpulan data dari IMDb, sumber paling otoritatif di dunia untuk konten film, TV, dan selebriti, tersedia di AWS Marketplace, serta Kumpulan data MovieLens disiapkan oleh penelitian GroupLens di University of Minnesota, yang terdiri dari peringkat pengguna untuk berbagai film.
Ikhtisar solusi
Diagram berikut menggambarkan arsitektur solusi.
Alur kerja meliputi langkah-langkah berikut:
- Seorang pengguna mengeluarkan permintaan pencarian melalui situs web atau portal mereka. Permintaan pencarian ini dikirim ke Layanan OpenSearch.
- Hasil pencarian N teratas dikembalikan dari indeks OpenSearch Service dan dikirim ke plugin untuk melakukan praproses dan menyiapkan masukan untuk Kampanye Personalisasi Amazon.
- Permintaan dikirim ke Amazon Personalize untuk mendapatkan hasil pencarian yang diberi peringkat ulang.
- Amazon Personalize mengembalikan peringkat hasil pencarian yang dipersonalisasi dengan skor yang relevan untuk setiap hasil.
- Hit yang diperingkat ulang dikembalikan oleh plugin ke OpenSearch Service, dengan bobot diterapkan antara skor relevansi OpenSearch Service dan skor peringkat Amazon Personalize yang dipersonalisasi. Anda menentukan parameter bobot (antara 0.0โ1.0) yang mengontrol keseimbangan antara OpenSearch Service dan Amazon Personalize saat memberi peringkat ulang pada hasil. Bobot yang lebih tinggi berarti lebih banyak pengaruh dari skor peringkat Amazon Personalize vs. skor OpenSearch Service. Hal ini memungkinkan Anda menyesuaikan seberapa besar pengaruh rekomendasi yang dipersonalisasi terhadap peringkat hasil penelusuran akhir yang dikembalikan kepada pengguna.
- Pengguna mendapatkan hasil pencarian yang dipersonalisasi berdasarkan preferensi dan interaksi mereka.
Prasyarat
Anda harus memiliki prasyarat berikut:
- An Akun AWS.
- An Identitas AWS dan Manajemen Akses (IAM) peran dengan izin akses yang sesuai. Kami menyediakan Formasi AWS Cloud templat dan buku catatan Jupyter untuk membantu menyiapkan peran dan akses IAM yang diperlukan.
- Untuk mengaktifkan personalisasi di OpenSearch Service, Anda perlu menyiapkan sumber daya Amazon Personalize yang diperlukan, termasuk grup dataset, versi solusi, dan kampanye. Kami telah menyediakan a Notebook Jupyter yang menciptakan semua sumber daya Amazon Personalize, memanfaatkan kemampuan instans notebook Jupyter yang terkelola sepenuhnya Amazon SageMaker.
Terapkan tumpukan CloudFormation
Tumpukan CloudFormation mengotomatiskan penerapan domain OpenSearch Service dan instans Notebook SageMaker. Selesaikan langkah-langkah berikut untuk menyebarkan tumpukan:
- Masuk ke Konsol Manajemen AWS dengan kredensial Anda di akun tempat Anda ingin menyebarkan tumpukan CloudFormation.
- Luncurkan tumpukan CloudFormation langsung.
- pada Tentukan detailnya halaman, berikan parameter apa pun yang diperlukan oleh templat, seperti Layanan OpenSearch dan ukuran instans SageMaker.
- pada Konfigurasikan opsi tumpukan halaman, tentukan nama tumpukan dan opsi lain yang ingin Anda atur.
- Selesaikan pembuatan tumpukan dan pantau statusnya di halaman detail tumpukan.
- Setelah tumpukan dibuat, buka instans notebook SageMaker dari konsol.
Mesin virtual notebook sudah dimuat sebelumnya dengan notebook yang diperlukan.
Siapkan dan selesaikan alur kerja Amazon Personalize
Buka 1.Konfigurasi_Amazon_Personalize.ipynb notebook untuk menyiapkan artefak Amazon Personalize. Buku catatan ini memandu Anda melalui langkah-langkah berikut:
- Unduh kumpulan data dan praproses data untuk membuat file masukan yang diperlukan untuk membuat kumpulan data.
- Buat grup dataset.
- Buat kumpulan data dan skema.
- Menyiapkan dan mengimpor data.
- Buat solusi dan versi solusi.
- Buat kampanye untuk versi solusi.
Instal plugin Amazon Personalize Search Ranking menggunakan notebook Jupyter
Buka 2.Konfigurasi_Amazon_OpenSearch.ipynb buku catatan dan jalankan instruksinya. Buku catatan ini memandu Anda melalui langkah-langkah berikut:
- Menyerap contoh data indeks ke dalam instans OpenSearch Service. Mengisi indeks dengan data yang representatif memfasilitasi pengujian dan validasi plugin secara menyeluruh.
- Instal paket plugin di domain OpenSearch Service. Ini mengintegrasikan kemampuan personalisasi ke dalam lingkungan OpenSearch.
- Siapkan saluran pencarian untuk mengaktifkan fungsionalitas plugin. Alur pencarian berisi praprosesor permintaan dan pascaprosesor respons yang mengubah kueri dan hasil. Saat membangun alur, tentukan ARN kampanye Amazon Personalize yang dibuat sebelumnya di a
personalized_search_ranking
postprocessor untuk mengaktifkan pemeringkatan ulang yang dipersonalisasi. Ini mengonfigurasi plugin untuk mengambil hasil personalisasi real-time dari Amazon Personalize untuk aplikasi selama pemrosesan hasil. Mendefinisikan saluran memungkinkan plugin untuk meningkatkan relevansi pencarian berdasarkan preferensi pengguna.
Instal plugin Amazon Personalize Search Ranking menggunakan konsol
Anda juga dapat mengatur plugin pencarian Amazon Personalize dari konsol. Anda hanya perlu melakukan ini jika Anda belum menginstal plugin menggunakan notebook Jupyter sebelumnya.
Untuk menginstal plugin Amazon Personalize Search Ranking di OpenSearch Service, selesaikan langkah-langkah berikut:
- Di konsol OpenSearch Service, navigasikan ke domain Anda.
- pada Paket Kami. tab, pilih Paket asosiasi untuk mengaitkan plugin Amazon Personalize Search Ranking dengan domain OpenSearch Service Anda. Versi plugin harus sesuai dengan versi domain OpenSearch Service.
Plugin Amazon Personalize Search Ranking dapat diinstal pada OpenSearch Service versi 2.9 dan lebih tinggi.
- Temukan plugin Amazon Personalize Search Ranking di daftar plugin yang tersedia.
- Pilih Menghubungkan di sebelah plugin untuk menginstalnya dan mengaitkannya dengan domain OpenSearch Service Anda yang ada.
Setelah Anda menghubungkan plugin, plugin tersebut akan muncul di daftar paket sebagai jenis plugin. Setelah plugin terinstall, maka proses instalasi telah selesai.
Aktifkan plugin Amazon Personalize Search Ranking
Plugin Amazon Personalize Search Ranking menggunakan search-pipeline
fitur Layanan OpenSearch, dirilis mulai versi 2.9. Plugin ini bergantung pada search-pipeline
fitur untuk menerapkan peringkat Amazon Personalized pada hasil pencarian yang disediakan oleh OpenSearch Service dan juga perlu diatur sebagai a search-pipeline
prosesor respons. Definisi alur ini akan berisi konfigurasi untuk plugin Amazon Personalize, yang mencakup kampanye Amazon Personalize yang diperlukan untuk mendapatkan peringkat Amazon Personalize, IAM role untuk mengakses sumber daya Amazon Personalize, serta parameter yang ditentukan dalam tabel berikut.
Settings | Wajib | Default | Deskripsi Produk |
campaign |
Yes | None | Tentukan ARN kampanye Amazon Personalize yang akan digunakan untuk mempersonalisasi hasil. |
recipe |
Yes | None | Tentukan nama resep Amazon Personalize yang akan digunakan. Pada tulisan ini, aws-personalized-ranking adalah satu-satunya nilai yang didukung. |
item_id_field |
Tidak | "_pengenal" | Jika _id bidang untuk dokumen yang diindeks di OpenSearch tidak sesuai dengan Amazon Personalize Anda itemId , tentukan nama bidang yang berfungsi. |
weight |
Yes | None | Tentukan penekanan yang diberikan pemroses respons pada personalisasi saat mengurutkan ulang hasil. Tentukan nilai dalam rentang 0.0โ1.0. Semakin mendekati 1.0, semakin besar kemungkinan hasil dari Amazon Personalize mendapat peringkat lebih tinggi. Jika Anda menentukan 0.0, tidak ada personalisasi yang terjadi dan Layanan OpenSearch akan diutamakan. |
tag |
Tidak | None | Tentukan pengidentifikasi untuk prosesor. |
iam_role_arn |
Yes | None | Tentukan IAM role untuk mengakses sumber daya Amazon Personalize. Ini diperlukan untuk Layanan OpenSearch, dan opsional untuk OpenSearch sumber terbuka. |
aws_region |
Yes | None | Tentukan Wilayah AWS tempat Anda membuat kampanye Amazon Personalize. |
ignore_failure |
Tidak | None | Tentukan apakah plugin mengabaikan kegagalan prosesor. Untuk nilai, tentukan true or false . Untuk lingkungan produksi Anda, kami menyarankan Anda menentukannya true untuk menghindari gangguan apa pun pada respons kueri. Untuk lingkungan pengujian, Anda dapat menentukan false untuk melihat kesalahan apa pun yang dihasilkan plugin. |
external_account_iam_role_arn |
Tidak | None | Jika Anda menggunakan OpenSearch Service dan sumber daya Amazon Personalize dan OpenSearch Service Anda ada di akun yang berbeda, tentukan ARN peran yang memiliki izin untuk mengakses Amazon Personalize. |
Cuplikan kode Python berikut membuat saluran pencarian dengan a personalized_search_ranking
pemroses respons pada domain Layanan OpenSearch. Anda menjalankan langkah ini satu kali sebagai bagian dari buku catatan yang menyertai postingan ini:
Tentukan saluran pencarian untuk peringkat yang dipersonalisasi
Anda dapat menggunakan kode Python berikut untuk membuat saluran pencarian dengan a personalized_search_ranking
pemroses respons pada domain Layanan OpenSearch. Ganti titik akhir domain dengan URL titik akhir domain Anda. Misalnya: https://<domain name>.<AWS region>.es.amazonaws.com
.
Terapkan saluran pencarian ke kueri individual
Setelah Anda mengonfigurasi saluran pencarian dengan a personalized_search_ranking
prosesor respons, Anda dapat menerapkan plugin Amazon Personalize Search Ranking ke kueri OpenSearch Anda dan melihat hasil pemeringkatan ulang. Perbarui kode untuk menentukan titik akhir domain Anda, indeks Layanan OpenSearch Anda, nama saluran Anda (yang Anda konfigurasikan di atas), dan kueri Anda (kami menggunakan โTom Cruiseโ untuk kueri). Untuk user_id
, tentukan ID pengguna yang hasil pencariannya Anda dapatkan. Pengguna ini harus ada dalam data yang Anda gunakan untuk membuat versi solusi Amazon Personalize Anda.
Evaluasi hasilnya
Buka 3.Pengujian.ipynb buku catatan dan ikuti langkah-langkah untuk menguji dan membandingkan hasil kueri yang menggunakan personalisasi dan yang tidak. Plugin Amazon Personalize Search Ranking memberi peringkat ulang pada hasil pencarian dalam respons kueri OpenSearch Service. Ini mempertimbangkan peringkat dari Amazon Personalize dan peringkat dari OpenSearch Service. Buku catatan ini memandu Anda melalui langkah-langkah berikut:
- Tentukan parameter koneksi yang diperlukan untuk membuat koneksi dengan domain OpenSearch Service Anda. Hal ini melibatkan penentuan titik akhir domain, kredensial autentikasi, dan pengaturan konfigurasi tambahan apa pun yang diperlukan untuk penyiapan Layanan OpenSearch spesifik Anda.
- Buat sekumpulan contoh kueri, termasuk kueri dengan parameter personalisasi dan kueri tanpa parameter personalisasi. Kueri ini akan digunakan untuk mengevaluasi dampak personalisasi pada hasil penelusuran.
- Jalankan dan bandingkan hasil kueri yang menggunakan personalisasi dan yang tidak.
Sebagai contoh, kami menggunakan kueri untuk โTom Cruiseโ dan untuk parameter personalisasi, kami menggunakan pengguna dengan riwayat menonton genre film drama dan romansa terkini. Hasil pencarian berikutnya menunjukkan bagaimana plugin menyesuaikan dan memprioritaskan rekomendasi berdasarkan perilaku menonton yang diamati pengguna. Hal ini menunjukkan kemampuan plugin untuk memberikan pengalaman yang disesuaikan dan dikurasi dengan mempertimbangkan preferensi pengguna individu dan pola keterlibatan. Kemampuan untuk menyaring dan menyelaraskan hasil pencarian berdasarkan kesimpulan preferensi pengguna memungkinkan peningkatan relevansi dan kegunaan.
Hasil yang dipersonalisasi vs. hasil yang tidak dipersonalisasi
Mari kita pertimbangkan untuk mempersonalisasi hasil untuk pengguna dengan ID 12. Pertama, kita memeriksa interaksi terbaru pengguna ini dengan menjalankan kode di 3.Pengujian.ipynb buku catatan untuk mengambil riwayat interaksi mereka. Hal ini memungkinkan kami melihat jenis film apa yang baru-baru ini diulas pengguna, yang dapat memberi tahu cara kami mempersonalisasi rekomendasi untuk film tersebut.
Dalam contoh ini, kita melihat bahwa pengguna telah menyatakan minatnya pada genre film drama, romansa, dan thriller. Untuk memberikan rekomendasi yang dipersonalisasi, pertama-tama kami menjalankan kueri dengan parameter personalisasi diaktifkan, memanfaatkan preferensi genre pengguna. Kami kemudian menjalankan kueri yang sama tanpa mengaktifkan personalisasi, sebagai perbandingan. Hasil berikut menunjukkan perbedaan antara keluaran rekomendasi yang tidak dipersonalisasi dan yang dipersonalisasi.
Dua kolom pertama menampilkan hasil Layanan OpenSearch default untuk kueri โTom Cruiseโ pada indeks film, menampilkan berbagai film Tom Cruise dalam genre berbeda. Dua kolom berikutnya menampilkan hasil Layanan OpenSearch yang dipersonalisasi untuk kueri โTom Cruiseโ yang sama, namun disesuaikan untuk pengguna yang tertarik dengan genre drama, romansa, dan thriller. Dibandingkan dengan hasil umum, hasil yang dipersonalisasi secara menonjol menampilkan film Tom Cruise dalam genre drama, romansa, dan thriller pilihan pengguna. Delta menyoroti bagaimana hasil yang dipersonalisasi telah diberi peringkat ulang dibandingkan dengan hasil yang tidak dipersonalisasi, dan memprioritaskan film yang sesuai dengan preferensi genre pengguna. Hal ini menunjukkan bagaimana personalisasi dapat menyesuaikan hasil Layanan OpenSearch dengan selera dan minat masing-masing pengguna.
Perbandingan ini menunjukkan bagaimana Amazon Personalize dapat menyesuaikan hasil film OpenSearch Service agar sesuai dengan minat masing-masing pengguna. Meskipun Layanan OpenSearch standar bertujuan untuk menyajikan hasil film yang relevan untuk Tom Cruise secara universal, Amazon Personalize menyesuaikan hasil agar fokus pada film Tom Cruise yang diprediksi akan dinikmati pengguna berdasarkan riwayat tontonan dan preferensi unik mereka.
Hasil yang berdampingan menggambarkan bagaimana Amazon Personalize memberikan pengalaman pencarian yang lebih bertarget dan berpusat pada pengguna dengan mempersonalisasi hasil film untuk individu.
Membersihkan
Selesaikan langkah-langkah berikut untuk membersihkan sumber daya Anda:
- Ikuti langkah-langkah di 4.Pembersihan.ipynb notebook untuk membersihkan sumber daya yang dibuat melalui notebook.
- Di konsol AWS CloudFormation, hapus tumpukan yang Anda buat.
Kesimpulan
Plugin Amazon Personalize Search Ranking terintegrasi secara mulus dengan OpenSearch Service untuk memungkinkan pengalaman pencarian yang dipersonalisasi. Dengan menggunakan data perilaku pengguna dan kemampuan ML Amazon Personalize, plugin dapat menyusun ulang peringkat hasil OpenSearch Service untuk meningkatkan relevansi bagi setiap pengguna unik. Hal ini menciptakan pengalaman pencarian yang dirancang khusus yang menampilkan konten paling relevan lebih tinggi dalam hasil. Plugin ini dapat dikonfigurasi untuk menyeimbangkan personalisasi dengan penilaian asli OpenSearch Service agar sesuai dengan beragam kasus penggunaan. Secara keseluruhan, plugin Amazon Personalize Search Ranking adalah cara ampuh untuk meningkatkan relevansi dan keterlibatan pencarian OpenSearch Service dengan mempertimbangkan minat dan preferensi individu pengguna Anda. Hanya dengan beberapa langkah konfigurasi, Anda dapat mulai memberikan hasil yang sangat relevan dan sangat diterima oleh pengguna Anda.
Sumber daya tambahan
Tentang Penulis
James Jory adalah Arsitek Solusi Utama dalam AI Terapan dengan AWS. Dia memiliki minat khusus dalam sistem personalisasi dan pemberi rekomendasi dan latar belakang di bidang e-niaga, teknologi pemasaran, dan analitik data pelanggan. Di waktu luangnya, ia menikmati simulasi berkemah dan balap mobil.
Reagan Rosario adalah Arsitek Solusi di AWS, yang berspesialisasi dalam membangun solusi cloud yang skalabel, sangat tersedia, dan aman untuk perusahaan teknologi pendidikan. Dengan pengalaman lebih dari 10 tahun dalam rekayasa perangkat lunak dan peran arsitektur, Reagan senang menggunakan pengetahuan teknisnya untuk membantu pelanggan AWS merancang solusi cloud tangguh yang memanfaatkan keluasan dan kedalaman AWS.
- Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
- PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
- PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
- PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
- PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
- Sumber: https://aws.amazon.com/blogs/machine-learning/unlock-personalized-experiences-powered-by-ai-using-amazon-personalize-and-amazon-opensearch-service/
- :memiliki
- :adalah
- :bukan
- :Di mana
- $NAIK
- 1
- 10
- 100
- 12
- 13
- 20
- 20 tahun
- 7
- 8
- 9
- a
- kemampuan
- Tentang Kami
- atas
- mengakses
- Akun
- Akun
- di seluruh
- diaktifkan
- aktif
- menambahkan
- Tambahan
- alamat
- Pengaturan
- Keuntungan
- mempengaruhi
- Setelah
- AI
- bertujuan
- Semua
- memungkinkan
- sudah
- juga
- Meskipun
- Amazon
- Layanan Pencarian Terbuka Amazon
- Amazon Personalisasi
- Amazon Web Services
- an
- analisis
- analisis
- dan
- Apa pun
- Apache
- api
- muncul
- muncul
- Aplikasi
- aplikasi
- terapan
- AI terapan
- Mendaftar
- sesuai
- arsitektur
- ADALAH
- AS
- penampilan
- Menghubungkan
- At
- menambah
- Auth
- Otentikasi
- mobil
- mengotomatiskan
- secara otomatis
- tersedia
- rata-rata
- menghindari
- AWS
- Formasi AWS Cloud
- Pasar AWS
- latar belakang
- Saldo
- berdasarkan
- BE
- karena
- menjadi
- laku
- antara
- tubuh
- mendorong
- kedua
- luasnya
- membangun
- Bangunan
- bisnis
- tapi
- by
- menghitung
- panggilan
- bernama
- Kampanye
- CAN
- kemampuan
- kemampuan
- bermodalkan
- kasus
- kasus
- Selebriti
- memeriksa
- Pilih
- membersihkan
- lebih dekat
- awan
- kode
- Kolom
- COM
- Perusahaan
- membandingkan
- dibandingkan
- perbandingan
- lengkap
- konfigurasi
- dikonfigurasi
- terhubung
- koneksi
- Mempertimbangkan
- dianggap
- mengingat
- menganggap
- Terdiri dari
- konsul
- membangun
- mengandung
- Konten
- kontekstual
- terus
- kontrol
- Konversi
- mengubah
- membuat
- dibuat
- menciptakan
- membuat
- Surat kepercayaan
- pelayaran
- dikuratori
- adat
- pelanggan
- data pelanggan
- Keterlibatan pelanggan
- pelanggan
- menyesuaikan
- disesuaikan
- data
- Data Analytics
- kumpulan data
- hari
- Default
- didefinisikan
- mendefinisikan
- definisi
- menyampaikan
- mengantarkan
- Delta
- menunjukkan
- tergantung
- menyebarkan
- penyebaran
- kedalaman
- deskripsi
- diinginkan
- rincian
- alat
- diagram
- perbedaan
- berbeda
- kesulitan
- langsung
- Display
- khusus
- beberapa
- do
- dokumen
- tidak
- Tidak
- domain
- Dont
- Drama
- dua
- selama
- e
- setiap
- Terdahulu
- e-commerce
- Pendidikan
- tekanan
- aktif
- diaktifkan
- memungkinkan
- Titik akhir
- interaksi
- Teknik
- mempertinggi
- ditingkatkan
- meningkatkan
- menikmati
- Lingkungan Hidup
- lingkungan
- kesalahan
- kesalahan
- menetapkan
- mengevaluasi
- peristiwa
- contoh
- Kecuali
- pengecualian
- dicontohkan
- menunjukkan
- ada
- ada
- pengalaman
- Pengalaman
- keahlian
- Menjelaskan
- menyatakan
- ext
- memfasilitasi
- anjak piutang
- kegagalan
- Fitur
- beberapa
- bidang
- Fields
- File
- File
- Film
- bioskop
- terakhir
- temuan
- Pertama
- cocok
- fleksibel
- Fokus
- berikut
- Untuk
- format
- ditemukan
- Kerangka
- sering
- dari
- sepenuhnya
- fungsi
- lebih lanjut
- menghasilkan
- menghasilkan
- aliran
- genre
- mendapatkan
- mendapat
- mendapatkan
- tujuan
- lebih besar
- Kelompok
- Memiliki
- he
- header
- membantu
- High
- lebih tinggi
- highlight
- sangat
- -nya
- historis
- sejarah
- sejarah
- Hits
- Seterpercayaapakah Olymp Trade? Kesimpulan
- How To
- Namun
- HTML
- http
- HTTPS
- ID
- identifier
- identitas
- if
- menjelaskan
- menggambarkan
- Dampak
- mengimpor
- pengimporan
- memperbaiki
- in
- termasuk
- Termasuk
- Meningkatkan
- indeks
- diindeks
- sendiri-sendiri
- mempengaruhi
- memberitahu
- informasi
- memasukkan
- install
- instalasi
- diinstal
- contoh
- instruksi
- integral
- mengintegrasikan
- Terintegrasi
- maksud
- interaksi
- interaksi
- bunga
- tertarik
- kepentingan
- ke
- melibatkan
- masalah
- IT
- item
- jpg
- hanya
- pengetahuan
- besar
- diluncurkan
- terkemuka
- pengetahuan
- Leverage
- Lisensi
- Izin
- 'like'
- Mungkin
- 'like
- Daftar
- tempat
- mencintai
- Loyalitas
- mesin
- Mesin belajar
- MEMBUAT
- berhasil
- pengelolaan
- Marketing
- pasar
- Cocok
- cara
- ML
- model
- Memantau
- pemantauan
- lebih
- paling
- film
- bioskop
- banyak
- harus
- nama
- asli
- Arahkan
- perlu
- Perlu
- kebutuhan
- New
- baru saja
- berikutnya
- tidak
- buku catatan
- sekarang
- of
- on
- sekali
- ONE
- hanya
- Buka
- open source
- beroperasi
- dioptimalkan
- Opsi
- or
- Lainnya
- kami
- hasil
- output
- lebih
- secara keseluruhan
- paket
- paket
- halaman
- parameter
- parameter
- bagian
- tertentu
- pola
- izin
- Izin
- Personalisasi
- Personalisasi
- Personalized
- pipa saluran
- plato
- Kecerdasan Data Plato
- Data Plato
- alur
- Plugin
- plugin
- Portal
- Pos
- didukung
- kuat
- Prediksi
- preferensi
- disukai
- Mempersiapkan
- siap
- prasyarat
- Utama
- memprioritaskan
- memprioritaskan
- proses
- pengolahan
- Prosesor
- Produk
- Produksi
- profitabilitas
- memberikan
- disediakan
- menyediakan
- membeli
- pembelian
- Menempatkan
- Ular sanca
- kualitas
- query
- pertanyaan
- balap
- jarak
- peringkat
- Peringkat
- Tarif
- peringkat
- nyata
- real-time
- baru
- baru-baru ini
- resep
- sarankan
- Rekomendasi
- rekomendasi
- arsip
- menurunkan
- memperhalus
- pengilangan
- wilayah
- relatif
- dirilis
- relevansi
- relevan
- menggantikan
- wakil
- permintaan
- permintaan
- wajib
- penelitian
- Beresonansi
- Sumber
- tanggapan
- tanggapan
- mengakibatkan
- Hasil
- Pengembalian
- review jurnal
- kuat
- Peran
- peran
- percintaan
- Run
- berjalan
- pembuat bijak
- sama
- mencicipi
- kepuasan
- terukur
- Skala
- skor
- mencetak gol
- mulus
- Pencarian
- aman
- keamanan
- melihat
- pencarian
- memilih
- mengirim
- mengirim
- melayani
- layanan
- Layanan
- porsi
- sesi
- set
- pengaturan
- penyiapan
- harus
- Menunjukkan
- menampilkan
- menunjukkan
- signifikan
- Sederhana
- simulasi
- ukuran
- potongan
- Perangkat lunak
- rekayasa Perangkat Lunak
- larutan
- Solusi
- mutakhir
- sumber
- khusus
- mengkhususkan diri
- tertentu
- menentukan
- tumpukan
- standar
- awal
- Mulai
- Status
- Langkah
- Tangga
- penyimpanan
- mudah
- sangat
- selanjutnya
- sukses
- seperti itu
- rangkaian
- menyediakan
- Didukung
- Mendukung
- sistem
- tabel
- MENANDAI
- menyesuaikan
- Dibutuhkan
- pengambilan
- ditargetkan
- rasanya
- Teknis
- Teknologi
- perusahaan teknologi
- Template
- template
- uji
- pengujian
- teks
- dari
- bahwa
- Grafik
- mereka
- Mereka
- kemudian
- Ini
- mereka
- ini
- teliti
- itu
- Melalui
- waktu
- kali
- Judul
- untuk
- tom
- puncak
- lalu lintas
- terlatih
- kereta
- Mengubah
- benar
- mencoba
- tv
- dua
- mengetik
- jenis
- Akhirnya
- bawah
- unik
- secara universal
- universitas
- membuka kunci
- Memperbarui
- URL
- us
- menggunakan
- gunakan case
- bekas
- Pengguna
- Pengguna Pengalaman
- berpusat pada pengguna
- Pengguna
- kegunaan
- menggunakan
- kegunaan
- Memanfaatkan
- pengesahan
- nilai
- Nilai - Nilai
- variasi
- berbagai
- versi
- Versi
- View
- melihat
- pengunjung
- vs
- berjalan
- berjalan
- ingin
- Cara..
- we
- jaringan
- layanan web
- Situs Web
- berat
- BAIK
- Apa
- ketika
- apakah
- yang
- akan
- dengan
- dalam
- tanpa
- alur kerja
- dunia
- penulisan
- yaml
- tahun
- Kamu
- Anda
- zephyrnet.dll