ایمیزون کو ذاتی بنائیں۔ نئے کا اعلان کرنے کے لیے پرجوش ہے۔ اگلا بہترین عمل (aws-next-best-action
) آپ کے انفرادی صارفین کو تجویز کرنے کے لیے بہترین اقدامات کا تعین کرنے میں آپ کی مدد کرنے کے لیے نسخہ جو آپ کو برانڈ کی وفاداری اور تبدیلی کو بڑھانے کے قابل بنائے گا۔
Amazon Personalize ایک مکمل طور پر منظم مشین لرننگ (ML) سروس ہے جو ڈیولپرز کے لیے انتہائی ذاتی نوعیت کے صارف کے تجربات کو حقیقی وقت میں فراہم کرنا آسان بناتی ہے۔ یہ آپ کو ویب سائٹس، ایپلیکیشنز، اور ٹارگٹڈ مارکیٹنگ مہمات میں ذاتی نوعیت کی مصنوعات اور مواد کی سفارشات کو طاقت دے کر کسٹمر کی مصروفیت کو بہتر بنانے کے قابل بناتا ہے۔ آپ بغیر کسی پیشگی ML تجربے کے شروع کر سکتے ہیں، APIs کا استعمال کرتے ہوئے چند کلکس میں آسانی سے نفیس ذاتی نوعیت کی صلاحیتیں تیار کر سکتے ہیں۔ آپ کا تمام ڈیٹا نجی اور محفوظ ہونے کے لیے انکرپٹ کیا گیا ہے۔
اس پوسٹ میں، ہم آپ کو دکھاتے ہیں کہ ہر صارف کے ماضی کے تعاملات، ضروریات اور رویے کی بنیاد پر کارروائی کی سفارشات کو ذاتی نوعیت کا بنانے کے لیے نیکسٹ بہترین ایکشن کی ترکیب کیسے استعمال کی جائے۔
حل جائزہ
ڈیجیٹل چینلز اور ٹیکنالوجی کی ترقی کی تیز رفتار ترقی کے ساتھ جو ہائپر پرسنلائزیشن کو مزید قابل رسائی بناتی ہے، برانڈز اس بات کا تعین کرنے کے لیے جدوجہد کرتے ہیں کہ کون سے اعمال ہر فرد کے لیے زیادہ سے زیادہ مصروفیت پیدا کریں گے۔ برانڈز یا تو تمام صارفین کو ایک جیسی کارروائیاں دکھاتے ہیں یا ہر صارف کے گروپ کو کارروائیوں کی سفارش کرنے کے لیے روایتی صارف کی تقسیم کے طریقوں پر انحصار کرتے ہیں۔ تاہم، یہ نقطہ نظر اب کافی نہیں ہیں، کیونکہ ہر صارف ایک منفرد تجربے کی توقع رکھتا ہے اور ان برانڈز کو ترک کرنے کا رجحان رکھتا ہے جو ان کی ضروریات کو نہیں سمجھتے ہیں۔ مزید برآں، برانڈز عمل کی دستی نوعیت کی وجہ سے حقیقی وقت میں کارروائی کی سفارشات کو اپ ڈیٹ کرنے سے قاصر ہیں۔
نیکسٹ بیسٹ ایکشن کے ساتھ، آپ ان کارروائیوں کا تعین کر سکتے ہیں جن میں ہر انفرادی صارف کو ان کی ترجیحات، ضروریات اور تاریخ کی بنیاد پر شامل کرنے کا سب سے زیادہ امکان ہے۔ نیکسٹ بیسٹ ایکشن ہر صارف کے سیشن میں مفادات کو مدنظر رکھتا ہے اور حقیقی وقت میں کارروائی کی سفارشات فراہم کرتا ہے۔ آپ لائلٹی پروگراموں میں اندراج کرنے، نیوز لیٹر یا میگزین کے لیے سائن اپ کرنے، ایک نئے زمرے کی تلاش، ایپ ڈاؤن لوڈ کرنے، اور تبدیلی کی حوصلہ افزائی کرنے والی دیگر کارروائیوں کی سفارش کر سکتے ہیں۔ یہ آپ کو ہر صارف کے تجربے کو بہتر بنانے کے قابل بنائے گا اور انہیں اس کے صارف کے سفر میں کارروائیوں کے بارے میں سفارشات فراہم کرے گا جو طویل مدتی برانڈ کی مصروفیت اور آمدنی کو فروغ دینے میں مدد کرے گی۔ اس سے مارکیٹنگ کی سرمایہ کاری پر آپ کی واپسی کو بہتر بنانے میں بھی مدد ملے گی اور اس کارروائی کی سفارش کی جائے گی جس کے ہر صارف کے لیے زیادہ امکان ہے۔
AWS پارٹنرز پسند کرتے ہیں۔ کریڈیرا پرسنلائزیشن کے امکانات سے پرجوش ہیں کہ ایمیزون پرسنلائز نیکسٹ بیسٹ ایکشن اپنے صارفین کے لیے ان لاک کر دے گا۔
"Amazon Personalize ایک عالمی معیار کا مشین لرننگ حل ہے جو کمپنیوں کو وسیع پیمانے پر دوبارہ کام یا اپ فرنٹ لاگت کے بغیر استعمال کے معاملات کی ایک وسیع صف میں معنی خیز کسٹمر کے تجربات تخلیق کرنے کے قابل بناتا ہے جو عام طور پر اس قسم کے حل کے لیے درکار ہوتا ہے۔ ہم نیکسٹ بیسٹ ایکشن کی اہلیت کے اضافے کے بارے میں واقعی پرجوش ہیں جو صارفین کو ذاتی نوعیت کی کارروائی کی سفارشات فراہم کرنے کے قابل بنائے گی، ان کے ڈیجیٹل تجربات کو نمایاں طور پر بہتر کرے گی اور اضافی کاروباری قدر کو بڑھا سکے گی۔ خاص طور پر، ہم توقع کرتے ہیں کہ خوردہ یا مواد کی جگہ کے اندر کام کرنے والے کسی بھی شخص سے Amazon Personalize کو استعمال کرنے کے براہ راست نتیجے کے طور پر اپنے صارفین کے لیے بہتر تجربہ اور اعلیٰ تبادلوں کو دیکھنے کو ملے گا۔ ہم اس ریلیز پر AWS کے ساتھ لانچ پارٹنر بننے پر بہت پرجوش ہیں اور نیکسٹ بیسٹ ایکشن کے ساتھ ایم ایل پر مبنی ذاتی حل چلانے کے لیے کاروبار کو بااختیار بنانے کے منتظر ہیں۔
- جیسن گوتھ، پارٹنر اور چیف ٹیکنالوجی آفیسر، کریڈیرا۔
مثال کے طور پر استعمال کے معاملات
اس نئی خصوصیت کے اثرات کو مزید تفصیل سے جاننے کے لیے، آئیے تین صارفین کو لے کر ایک مثال کا جائزہ لیں: A (User_id
11999، بی (User_id
17141)، اور سی (User_id
8103)، جو ویب سائٹ پر خریداری کرتے وقت اپنے صارف کے سفر کے مختلف مراحل میں ہوتے ہیں۔ پھر ہم دیکھتے ہیں کہ کس طرح نیکسٹ بیسٹ ایکشن ہر صارف کے لیے ان کے ماضی کے تعاملات اور ترجیحات کی بنیاد پر بہترین اقدامات تجویز کرتا ہے۔
سب سے پہلے، ہم یہ سمجھنے کے لیے کارروائی کے تعاملات کے ڈیٹاسیٹ کو دیکھتے ہیں کہ ماضی میں صارفین نے کارروائیوں کے ساتھ کیسے تعامل کیا ہے۔ مندرجہ ذیل مثال تین صارفین اور ان کے مختلف شاپنگ پیٹرن کو دکھاتی ہے۔ صارف A اکثر خریدار ہے اور اس نے ماضی میں زیادہ تر "بیوٹی اینڈ گرومنگ" اور "جیولری" کیٹیگریز میں خریداری کی ہے۔ صارف B ایک آرام دہ خریدار ہے جس نے ماضی میں "الیکٹرانکس" کے زمرے میں کچھ خریداریاں کی ہیں، اور صارف C ویب سائٹ پر ایک نیا صارف ہے جس نے "کپڑے" کے زمرے میں اپنی پہلی خریداری کی ہے۔
صارف کی قسم | صارف کی شناخت | عوامل | ایکشن_ایونٹ_ٹائپ | ٹائمسٹیمپ |
صارف A | 11999 | "بیوٹی اینڈ گرومنگ" کے زمرے میں خریدیں۔ | لیا | 2023-09-17 20:03:05 |
صارف A | 11999 | "بیوٹی اینڈ گرومنگ" کے زمرے میں خریدیں۔ | لیا | 2023-09-18 19:28:38 |
صارف A | 11999 | "بیوٹی اینڈ گرومنگ" کے زمرے میں خریدیں۔ | لیا | 2023-09-20 17:49:52 |
صارف A | 11999 | "جیولری" کے زمرے میں خریدیں۔ | لیا | 2023-09-26 18:36:16 |
صارف A | 11999 | "بیوٹی اینڈ گرومنگ" کے زمرے میں خریدیں۔ | لیا | 2023-09-30 19:21:05 |
صارف A | 11999 | موبائل ایپ ڈاؤن لوڈ کریں۔ | لیا | 2023-09-30 19:29:35 |
صارف A | 11999 | "جیولری" کے زمرے میں خریدیں۔ | لیا | 2023-10-01 19:35:47 |
صارف A | 11999 | "بیوٹی اینڈ گرومنگ" کے زمرے میں خریدیں۔ | لیا | 2023-10-04 19:19:34 |
صارف A | 11999 | "جیولری" کے زمرے میں خریدیں۔ | لیا | 2023-10-06 20:38:55 |
صارف A | 11999 | "بیوٹی اینڈ گرومنگ" کے زمرے میں خریدیں۔ | لیا | 2023-10-10 20:17:07 |
صارف B | 17141 | "الیکٹرانکس" کے زمرے میں خریداری کریں۔ | لیا | 2023-09-29 20:17:49 |
صارف B | 17141 | "الیکٹرانکس" کے زمرے میں خریداری کریں۔ | لیا | 2023-10-02 00:38:08 |
صارف B | 17141 | "الیکٹرانکس" کے زمرے میں خریداری کریں۔ | لیا | 2023-10-07 11:04:56 |
صارف سی | 8103 | "کپڑے" کے زمرے میں خریدیں۔ | لیا | 2023-09-26 18:30:56 |
روایتی طور پر، برانڈز یا تو تمام صارفین کو ایک جیسی کارروائیاں دکھاتے ہیں یا اپنے صارف کی بنیاد پر کارروائیوں کی سفارش کرنے کے لیے صارف کی تقسیم کی حکمت عملی استعمال کرتے ہیں۔ مندرجہ ذیل جدول ایک برانڈ کی ایک مثال ہے جس میں تمام صارفین کے لیے ایک جیسی کارروائیاں دکھائی جاتی ہیں۔ یہ کارروائیاں صارفین کے لیے متعلقہ ہو سکتی ہیں یا نہیں، برانڈ کے ساتھ ان کی مصروفیت کو کم کرتی ہیں۔
صارف کی قسم | صارف کی شناخت | ایکشن کی سفارشات | ایکشن کا درجہ |
صارف A | 11999 | لائلٹی پروگرام کو سبسکرائب کریں۔ | 1 |
صارف A | 11999 | موبائل ایپ ڈاؤن لوڈ کریں۔ | 2 |
صارف A | 11999 | "الیکٹرانکس" کے زمرے میں خریداری کریں۔ | 3 |
صارف B | 17141 | لائلٹی پروگرام کو سبسکرائب کریں۔ | 1 |
صارف B | 17141 | موبائل ایپ ڈاؤن لوڈ کریں۔ | 2 |
صارف B | 17141 | "الیکٹرانکس" کے زمرے میں خریداری کریں۔ | 3 |
صارف سی | 8103 | لائلٹی پروگرام کو سبسکرائب کریں۔ | 1 |
صارف سی | 8103 | موبائل ایپ ڈاؤن لوڈ کریں۔ | 2 |
صارف سی | 8103 | "الیکٹرانکس" کے زمرے میں خریداری کریں۔ | 3 |
اب آئیے نیکسٹ بیسٹ ایکشن کا استعمال کریں تاکہ ہر صارف کے لیے اقدامات تجویز کریں۔ سفارشات کے لیے اہل اعمال کی وضاحت کرنے کے بعد، aws-next-best-action
ریسیپی اعمال کی درجہ بندی کی فہرست لوٹاتی ہے، جو ہر صارف کے لیے ذاتی نوعیت کی ہوتی ہے، صارف کے رجحان کی بنیاد پر (صارف کی جانب سے کوئی خاص کارروائی کرنے کا امکان، جو 0.0-1.0 کے درمیان ہوتا ہے) اور اس عمل کی قدر، اگر فراہم کی جاتی ہے۔ اس پوسٹ کے مقصد کے لیے، ہم صرف صارف کے رجحان پر غور کرتے ہیں۔
مندرجہ ذیل مثال میں، ہم دیکھتے ہیں کہ صارف A (بار بار خریدار) کے لیے، سبسکرائب ٹو لائلٹی پروگرام 1.00 کے پروپینسیٹی اسکور کے ساتھ سب سے زیادہ تجویز کردہ کارروائی ہے، جس کا مطلب ہے کہ اس صارف کے لائلٹی پروگرام میں اندراج کرنے کا سب سے زیادہ امکان ہے کیونکہ اس نے بنایا ہے۔ متعدد خریداریاں. لہٰذا، صارف A کے لیے لائلٹی پروگرام کو سبسکرائب کرنے کے عمل کی سفارش کرنے سے صارف A کی مصروفیت میں اضافے کا بہت زیادہ امکان ہے۔
صارف کی قسم | صارف کی شناخت | ایکشن کی سفارشات | ایکشن کا درجہ | پروپینسٹی سکور |
صارف A | 11999 | لائلٹی پروگرام کو سبسکرائب کریں۔ | 1 | 1.00 |
صارف A | 11999 | "جیولری" کے زمرے میں خریدیں۔ | 2 | 0.86 |
صارف A | 11999 | "بیوٹی اینڈ گرومنگ" کے زمرے میں خریدیں۔ | 3 | 0.85 |
صارف B | 17141 | "الیکٹرانکس" کے زمرے میں خریداری کریں۔ | 1 | 0.78 |
صارف B | 17141 | لائلٹی پروگرام کو سبسکرائب کریں۔ | 2 | 0.71 |
صارف B | 17141 | "سمارٹ ہومز" کے زمرے میں خریدیں۔ | 3 | 0.66 |
صارف سی | 8103 | "ہینڈ بیگ اور جوتے" کے زمرے میں خریدیں۔ | 1 | 0.60 |
صارف سی | 8103 | موبائل ایپ ڈاؤن لوڈ کریں۔ | 2 | 0.48 |
صارف سی | 8103 | "کپڑے" کے زمرے میں خریدیں۔ | 3 | 0.46 |
اسی طرح، صارف B (آرام دہ خریدار شخصیت) کے پاس "الیکٹرانکس" کے زمرے میں خریداری جاری رکھنے اور اسی طرح کے زمرے، "سمارٹ ہومز" میں نئی مصنوعات خریدنے کا امکان زیادہ ہے۔ لہذا، نیکسٹ بیسٹ ایکشن آپ کو کارروائیوں کو ترجیح دینے کی سفارش کرتا ہے، "الیکٹرانکس" کے زمرے میں خریداری اور "سمارٹ ہومز" کے زمرے میں خریداری کریں۔ اس کا مطلب ہے کہ اگر آپ صارف B کو ان دو زمروں میں مصنوعات خریدنے کا اشارہ کرتے ہیں، تو یہ زیادہ مصروفیت کا باعث بن سکتا ہے۔ ہم نے یہ بھی دیکھا کہ لائلٹی پروگرام کو سبسکرائب کرنے کی کارروائی صارف B کو تجویز کی گئی ہے لیکن صارف A کے مقابلے میں 0.71 کے کم رجحان کے اسکور کے ساتھ، جس کا رجحان اسکور 1.0 ہے۔ اس کی وجہ یہ ہے کہ جن صارفین کی تاریخ گہری ہے اور وہ اپنے خریداری کے سفر میں آگے بڑھ رہے ہیں وہ اضافی فوائد کی وجہ سے لائلٹی پروگرامز سے زیادہ فائدہ اٹھاتے ہیں اور زیادہ بات چیت کرنے کا امکان زیادہ ہوتا ہے۔
آخر میں، ہم دیکھتے ہیں کہ صارف C کے لیے نیکسٹ بیسٹ ایکشن "ہینڈ بیگ اور شوز" کے زمرے میں خریداری کر رہا ہے، جو کہ "کپڑے" کے زمرے میں ان کی خریداری کے پچھلے ایکشن سے ملتا جلتا ہے۔ ہم یہ بھی دیکھتے ہیں کہ موبائل ایپ کو ڈاؤن لوڈ کرنے کا رجحان اسکور نسبتاً کم ہے (0.48) ایک اور ایکشن، "ہینڈ بیگ اور شوز" کے زمرے میں خریداری، جس کا رجحان اسکور 0.60 زیادہ ہے۔ اس کا مطلب ہے کہ اگر آپ صارف C کو موبائل ایپ ڈاؤن لوڈ کرنے پر ایک تکمیلی زمرہ ("ہینڈ بیگ اور جوتے") میں مصنوعات خریدنے کی تجویز کرتے ہیں، تو ان کے آپ کے برانڈ کے ساتھ قائم رہنے اور مستقبل میں خریداری جاری رکھنے کا زیادہ امکان ہے۔
اگلے بہترین ایکشن کو لاگو کرنے کے بارے میں مزید تفصیلات کے لیے (aws-next-best-action
) نسخہ، رجوع کریں۔ دستاویزات.
نتیجہ
ایمیزون پرسنلائز میں نیکسٹ بیسٹ ایکشن کی نئی ترکیب آپ کو صحیح صارف کو ان کے انفرادی رویے اور ضروریات کی بنیاد پر حقیقی وقت میں صحیح اقدامات کی سفارش کرنے میں مدد کرتی ہے۔ یہ آپ کو صارف کی مصروفیت کو زیادہ سے زیادہ کرنے اور زیادہ سے زیادہ تبادلوں کی شرحوں پر لے جانے کے قابل بنائے گا۔
ایمیزون پرسنلائز کے بارے میں مزید معلومات کے لیے، دیکھیں ایمیزون پرسنلائز ڈیولپر گائیڈ.
مصنفین کے بارے میں
شریا شرما Amazon Personalize پر AWS AI/ML کے ساتھ کام کرنے والا ایک سینئر ٹیکنیکل پروڈکٹ مینیجر ہے۔ اس کا پس منظر کمپیوٹر سائنس انجینئرنگ، ٹیکنالوجی کنسلٹنگ، اور ڈیٹا اینالیٹکس میں ہے۔ اپنے فارغ وقت میں، وہ سفر کرنے، تھیٹر پرفارم کرنے اور نئی مہم جوئی کرنے سے لطف اندوز ہوتی ہے۔
پرنیش انوبھو ایمیزون پرسنلائز کے لیے ایک سینئر سافٹ ویئر انجینئر ہے۔ وہ بڑے پیمانے پر صارفین کی خدمت کے لیے مشین لرننگ سسٹم ڈیزائن کرنے کا شوق رکھتا ہے۔ اپنے کام کے علاوہ، وہ فٹ بال کھیلنا پسند کرتا ہے اور وہ ریئل میڈرڈ کا شوقین پیروکار ہے۔
انیکیت دیشمکھ AWS AI لیبز میں ایک اپلائیڈ سائنٹسٹ ہے جو Amazon Personalize کو سپورٹ کرتی ہے۔ Aniket سفارشی نظام، سیاق و سباق کے ڈاکوؤں، اور ملٹی ماڈل ڈیپ لرننگ کے عمومی شعبے میں کام کرتا ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
- پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
- پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/build-brand-loyalty-by-recommending-actions-to-your-users-with-amazon-personalize-next-best-action/
- : ہے
- : ہے
- : نہیں
- $UP
- 1
- 100
- 11
- 114
- 120
- 125
- 13
- 14
- 17
- 19
- 20
- 28
- 29
- 30
- 35٪
- 36
- 49
- 60
- 7
- 72
- 8
- a
- ہمارے بارے میں
- قابل رسائی
- اکاؤنٹ
- کے پار
- عمل
- اعمال
- شامل کیا
- اس کے علاوہ
- ایڈیشنل
- ترقی
- مہم جوئی
- کے بعد
- AI
- AI / ML
- تمام
- ساتھ
- بھی
- ایمیزون
- ایمیزون کو ذاتی بنائیں۔
- ایمیزون ویب سروسز
- an
- تجزیاتی
- اور
- اعلان کریں
- ایک اور
- کوئی بھی
- کسی
- APIs
- اپلی کیشن
- ایپلی کیشنز
- اطلاقی
- نقطہ نظر
- کیا
- رقبہ
- لڑی
- AS
- At
- AWS
- پس منظر
- بیس
- کی بنیاد پر
- BE
- کیونکہ
- رویے
- فائدہ
- فوائد
- BEST
- کے درمیان
- برانڈ
- برانڈز
- تعمیر
- کاروبار
- کاروبار
- لیکن
- خرید
- خریدار..
- خرید
- by
- مہمات
- کر سکتے ہیں
- حاصل کر سکتے ہیں
- صلاحیتوں
- صلاحیت
- مقدمات
- انیت
- اقسام
- قسم
- چینل
- چیف
- چیف ٹیکنالوجی افسر
- کوورٹ
- کمپنیاں
- مقابلے میں
- تکمیلی
- کمپیوٹر
- کمپیوٹر سائنس
- غور کریں
- مشاورت
- مواد
- متعلقہ
- جاری
- تبادلوں سے
- تبادلوں
- قیمت
- تخلیق
- گاہک
- گاہک کی مصروفیت
- گاہکوں
- اعداد و شمار
- ڈیٹا تجزیات
- گہری
- گہری سیکھنے
- گہرے
- وضاحت
- نجات
- ڈیزائننگ
- تفصیل
- تفصیلات
- اس بات کا تعین
- ڈیولپر
- ڈویلپرز
- مختلف
- ڈیجیٹل
- براہ راست
- نہیں
- ڈاؤن لوڈ، اتارنا
- ڈاؤن لوڈ کرنے
- ڈرائیو
- ڈرائیونگ
- دو
- ہر ایک
- آسانی سے
- بے سہل
- یا تو
- اہل
- بااختیار بنانے
- کو چالو کرنے کے
- کے قابل بناتا ہے
- کی حوصلہ افزائی
- خفیہ کردہ
- مصروفیت
- مشغول
- انجینئر
- انجنیئرنگ
- ہر کوئی
- مثال کے طور پر
- بہت پرجوش
- توقع ہے
- امید ہے
- تجربہ
- تجربات
- تلاش
- ایکسپلور
- وسیع
- انتہائی
- نمایاں کریں
- چند
- پہلا
- کے بعد
- کے لئے
- آگے
- بار بار اس
- سے
- مکمل طور پر
- مزید
- مزید برآں
- مستقبل
- جنرل
- حاصل
- زیادہ سے زیادہ
- ترقی
- ہے
- he
- مدد
- مدد کرتا ہے
- اس کی
- ہائی
- اعلی
- سب سے زیادہ
- انتہائی
- ان
- تاریخ
- کس طرح
- کیسے
- تاہم
- HTML
- HTTPS
- if
- اثر
- پر عملدرآمد
- نفاذ
- کو بہتر بنانے کے
- بہتر
- کو بہتر بنانے کے
- in
- اضافہ
- اضافہ
- انفرادی
- معلومات
- بات چیت
- بات چیت
- مفادات
- میں
- سرمایہ کاری
- IT
- سفر
- فوٹو
- لیبز
- شروع
- قیادت
- سیکھنے
- کی طرح
- امکان
- امکان
- لسٹ
- طویل مدتی
- اب
- دیکھو
- تلاش
- سے محبت کرتا ہے
- کم
- وفاداری
- وفادار پروگرام
- وفاداری کے پروگرام
- مشین
- مشین لرننگ
- بنا
- میگزین
- بنا
- بناتا ہے
- بنانا
- میں کامیاب
- مینیجر
- دستی
- مارکیٹنگ
- زیادہ سے زیادہ
- مئی..
- بامعنی
- کا مطلب ہے کہ
- ML
- موبائل
- موبائل اپلی کیشن
- زیادہ
- سب سے زیادہ
- زیادہ تر
- فطرت، قدرت
- ضروریات
- نئی
- نئی مصنوعات
- نیوز لیٹر
- اگلے
- نہیں
- نوٹس..
- متعدد
- of
- افسر
- on
- صرف
- زیادہ سے زیادہ
- or
- دیگر
- باہر
- باہر
- پر
- خاص طور پر
- پارٹنر
- شراکت داروں کے
- جذباتی
- گزشتہ
- پیٹرن
- کارکردگی کا مظاہرہ
- شخصی
- ذاتی بنانا
- نجیکرت
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیل
- امکانات
- پوسٹ
- طاقتور
- ترجیحات
- پچھلا
- پہلے
- ترجیح دیں
- نجی
- عمل
- مصنوعات
- پروڈکٹ مینیجر
- حاصل
- پروگرام
- پروگرام
- کو فروغ دینا
- فراہم
- فراہم
- فراہم کرتا ہے
- فراہم کرنے
- خرید
- خریداریوں
- خریداری
- مقصد
- لے کر
- رینکنگ
- تیزی سے
- قیمتیں
- اصلی
- رئیل میڈرڈ
- اصل وقت
- واقعی
- ہدایت
- سفارش
- سفارش
- سفارشات
- سفارش کی
- سفارش کر رہا ہے
- تجویز ہے
- کو کم کرنے
- کا حوالہ دیتے ہیں
- نسبتا
- جاری
- متعلقہ
- انحصار کرو
- ضرورت
- نتیجہ
- خوردہ
- واپسی
- واپسی
- آمدنی
- کا جائزہ لینے کے
- ٹھیک ہے
- اسی
- پیمانے
- سائنس
- سائنسدان
- سکور
- محفوظ بنانے
- دیکھنا
- انقطاع
- سینئر
- خدمت
- سروس
- سروسز
- مقرر
- وہ
- خریداری
- دکھائیں
- شوز
- نمایاں طور پر
- دستخط کی
- اسی طرح
- فٹ بال
- سافٹ ویئر کی
- سافٹ ویئر انجنیئر
- حل
- حل
- بہتر
- خلا
- خاص طور پر
- مراحل
- شروع
- حکمت عملیوں
- جدوجہد
- سبسکرائب
- اس طرح
- کافی
- مشورہ
- پتہ چلتا ہے
- امدادی
- سسٹمز
- ٹیبل
- لیتا ہے
- لینے
- ھدف بنائے گئے
- ٹیکنیکل
- ٹیکنالوجی
- رجحان
- سے
- کہ
- ۔
- مستقبل
- تھیٹر
- ان
- ان
- تو
- لہذا
- یہ
- وہ
- اس
- تین
- خوشگوار
- وقت
- کرنے کے لئے
- سب سے اوپر
- روایتی
- سفر
- کی کوشش کر رہے
- دو
- اقسام
- عام طور پر
- قابل نہیں
- سمجھ
- منفرد
- انلاک
- اپ ڈیٹ کریں
- استعمال کی شرائط
- رکن کا
- صارف کا سفر
- صارفین
- کا استعمال کرتے ہوئے
- قیمت
- we
- ویب
- ویب خدمات
- ویب سائٹ
- ویب سائٹ
- کیا
- جس
- جبکہ
- ڈبلیو
- کس کی
- وسیع
- گے
- ساتھ
- کے اندر
- بغیر
- کام
- کام کر
- کام کرتا ہے
- عالمی معیار
- تم
- اور
- زیفیرنیٹ