Amazon Personalize اور Amazon EventBridge کے ساتھ Shopify پر سیشن سے آگاہ ریئل ٹائم پروڈکٹ کی سفارشات کو پیمانہ کریں

یہ HiConversion کے پرنسپل ڈویلپمنٹ لیڈ جیف میک کیلوی کی ایک مہمان پوسٹ ہے۔ HiConversion کی ٹیم نے AWS میں Applied AI Services Solutions Architect James Jory اور AWS میں Amazon Personalize کے سینئر پروڈکٹ مینیجر Matt Chwastek کے ساتھ قریبی تعاون کیا ہے۔ ان کے اپنے الفاظ میں، "HiConversion ہے ای کامرس انٹیلی جنس™ پلیٹ فارم تاجروں کو ہر وزیٹر سیشن کے لیے خریداری کے تجربات کو ذاتی بنانے اور بہتر بنانے میں مدد کرتا ہے۔

Shopify دنیا بھر میں 1 ملین سے زیادہ آن لائن کاروبار کو طاقت دیتا ہے۔ یہ ایک برانڈ کو شروع کرنے، چلانے اور بڑھانے کے لیے ایک ہمہ جہت کامرس پلیٹ فارم ہے۔ Shopify کا مشن کاروبار کی ملکیت کی راہ میں حائل رکاوٹوں کو کم کرنا، تجارت کو ہر ایک کے لیے زیادہ مساوی بنانا ہے۔

ساتھ 50% سے زیادہ ای کامرس سیلز موبائل خریداروں سے آتی ہیں۔، Shopify کے تاجروں کے لیے مستقبل کی ترقی کو محدود کرنے والے چیلنجوں میں سے ایک موثر مصنوعات کی دریافت ہے۔ اگر زائرین کسی مرچنٹ کی سائٹ پر دلچسپی کے حامل پروڈکٹس کو جلدی سے نہیں ڈھونڈ پاتے ہیں، تو وہ اکثر اچھے کے لیے چھوڑ دیتے ہیں۔

اسی لیے ہم نے تعارف کرایا HiConversion تجویز کرتے ہیں۔, ایک Shopify Plus مصدقہ ایپلی کیشن کے ذریعے تقویت یافتہ ہے۔ ایمیزون کو ذاتی بنائیں۔. یہ ایپلیکیشن Shopify مرچنٹس کو ذاتی نوعیت کے پروڈکٹ کی دریافت کے تجربات فراہم کرنے میں مدد کرتی ہے جو صارف کے سیشن میں رویے اور دلچسپیوں کی بنیاد پر براہ راست ان کے اپنے اسٹور فرنٹ پر ہے۔

ہم نے Amazon Personalize کو HiConversion Recommend ایپلیکیشن میں ضم کرنے کا انتخاب کیا کیونکہ یہ وہی مشین لرننگ (ML) ٹیکنالوجی بناتا ہے جسے Amazon.com کے ذریعے استعمال کیا جاتا ہے اور مزید Shopify تاجروں کے لیے قابل رسائی ہے۔ یہ تاجروں کو مصنوعات کی سفارشات تیار کرنے کے قابل بناتا ہے جو حقیقی وقت میں وزیٹر کے اعمال اور طرز عمل کے سیاق و سباق سے مطابقت رکھتی ہیں۔

اس پوسٹ میں، ہم سفارشات پیش کرنے کے ساتھ ساتھ واقعات اور کیٹلاگ اپ ڈیٹس کو حقیقی وقت میں ہم آہنگ کرنے کے لیے اپنی درخواست میں استعمال کیے گئے فن تعمیرات کی وضاحت کرتے ہیں۔ ہم ایپلیکیشن استعمال کرنے والے صارف سے سیشن پر مبنی ذاتی نوعیت کے کچھ نتائج بھی شیئر کرتے ہیں۔

نجی، مکمل طور پر منظم سفارشی نظام

Amazon Personalize AWS کی طرف سے ایک AI سروس ہے جو ذاتی نوعیت کے سفارشی استعمال کے معاملات کے لیے مقصد سے بنائے گئے متعدد ML الگورتھم فراہم کرتی ہے۔ جب ایک Shopify مرچنٹ HiConversion Recommend ایپلیکیشن انسٹال کرتا ہے، HiConversion اس مرچنٹ کے لیے ایک وقف شدہ، نجی ماحول فراہم کرتا ہے، جس کی نمائندگی Amazon Personalize میں ڈیٹا سیٹ گروپ کے طور پر کی جاتی ہے۔

پھر مرچنٹ کے کیٹلاگ سے ڈیٹا کے ساتھ ساتھ ان کے خریداروں کی براؤزنگ اور خریداری کی تاریخ کو ڈیٹا سیٹ گروپ کے اندر موجود ڈیٹا سیٹس میں اپ لوڈ کیا جاتا ہے۔ نجی ایم ایل ماڈلز کو اس ڈیٹا کا استعمال کرتے ہوئے تربیت دی جاتی ہے اور حقیقی وقت کی سفارشات فراہم کرنے کے لیے منفرد API اینڈ پوائنٹس پر تعینات کیا جاتا ہے۔ لہذا، ہر مرچنٹ کا اپنا ذاتی ML پر مبنی سفارشی نظام ہے، جو دوسرے تاجروں سے الگ تھلگ ہے، جس کا مکمل انتظام HiConversion کے ذریعے کیا جاتا ہے۔

HiConversion ایک مرچنٹ کے Shopify اسٹور فرنٹ سے براہ راست Amazon Personalize میں نئے ایونٹس اور کیٹلاگ اپ ڈیٹس کو اسٹریم کرنے کے لیے درکار وسائل تخلیق اور ان کا انتظام بھی کرتا ہے۔ یہ Amazon Personalize کی حقیقی وقت کی صلاحیتوں کو قابل بناتا ہے، جیسے کہ اسٹور فرنٹ پر نئے خریداروں کی دلچسپیوں کو سیکھنا، خریداروں کے ہر ابھرتے ہوئے ارادے کے مطابق ڈھالنا، اور سفارشات میں نئی ​​مصنوعات کو شامل کرنا۔

ہم Amazon Personalize فلٹرز کا استعمال کرتے ہوئے کاروباری قواعد بھی لاگو کر سکتے ہیں، تاجروں کو مصنوعات کے کسی خاص زمرے کے مطابق سفارشات تیار کرنے کے قابل بناتے ہیں، حال ہی میں خریدی گئی مصنوعات کو تجویز کیے جانے کو چھوڑ کر، اور مزید بہت کچھ۔

حقیقی وقت میں لاکھوں آن لائن خریداروں کی خدمت کرنا

Amazon Personalize پر مبنی ایک پریمیم، سیلف سروس Shopify ایپلیکیشن بنانے کے لیے بہت سے عملوں کی آٹومیشن کی ضرورت ہوتی ہے۔ ہمارا مقصد ایک اعلی درجے کی مصنوعات کی دریافت کے حل تک رسائی کو جمہوری بنانا تھا، جو Shopify پر اپنا اسٹور چلانے والے ہر شخص کے لیے استعمال کرنا آسان بناتا ہے۔

ہموار، حقیقی وقت میں ذاتی نوعیت کا صارف تجربہ فراہم کرنے کے لیے، اس بات کو یقینی بنانے کے لیے ایک ایونٹ پر مبنی نقطہ نظر کی ضرورت تھی کہ Shopify، Amazon Personalize، اور HiConversion میں ہر وقت وزیٹر اور پروڈکٹ کیٹلاگ کی ایک ہی تصویر ہو۔ اس کے لیے ہم نے استعمال کرنے کا انتخاب کیا۔ Shopify کا انضمام ساتھ ایمیزون ایونٹ برج طور پر ایمیزون سادہ قطار سروس (ایمیزون ایس کیو ایس) اور او ڈبلیو ایس لامبڈا۔.

درج ذیل اعلیٰ سطحی خاکہ اس بات کی وضاحت کرتا ہے کہ کس طرح HiConversion Recommend صارفین اور ان کی مصنوعات کی سفارشات کے درمیان ڈیٹا کنکشن کا انتظام کرتا ہے۔

جیسا کہ ہمارے خاکہ میں دکھایا گیا ہے، AWS Lambda@Edge تین آزاد نظاموں کے ساتھ جڑتا ہے جو ضروری درخواست کی صلاحیتیں فراہم کرتے ہیں:

1. ایمیزون پرسنلائز مہم - ایمیزون پرسنلائز الگورتھم پر مبنی ریئل ٹائم پروڈکٹ کی سفارشات کو فعال کرنے والا ایک حسب ضرورت API اینڈ پوائنٹ۔
2. ہائی کنورژن رچ ڈیٹا اینڈ پوائنٹ - یہ HiConversion وزیٹر اور ویب تجزیات، اور Amazon پرسنلائز درجہ بندی الگورتھم کے مرکب کی بنیاد پر ہائبرڈ مصنوعات کی سفارشات کو قابل بناتا ہے۔
3. ایمیزون کلاؤڈ فرنٹ اینڈ پوائنٹ - یہ پروڈکٹ میٹا ڈیٹا تک تیزی سے رسائی کے قابل بناتا ہے، جیسے پروڈکٹ کی تصاویر، قیمتوں کا تعین، اور انوینٹری، کے ساتھ مل کر ایمیزون سادہ اسٹوریج سروس (ایمیزون S3)۔

جب ایک Shopify مرچنٹ HiConversion Recommend ایپلیکیشن کو چالو کرتا ہے، تو یہ تمام انفراسٹرکچر خود بخود فراہم ہو جاتا ہے اور Amazon Personalize ML ماڈلز کی تربیت شروع کر دی جاتی ہے — ڈرامائی طور پر لائیو جانے کے وقت کو کم کر دیتا ہے۔

کیوں لیمبڈا @ ایج؟

ایک کے مطابق 2017 اکامائی مطالعہویب سائٹ کے لوڈ ٹائم میں 100 ملی سیکنڈ کی تاخیر تبادلوں کی شرح کو 7% تک نقصان پہنچا سکتی ہے۔ Shopify کے اسٹورز کے عالمی نیٹ ورک پر ایک ایپلیکیشن لانے کا مطلب ہے کہ ہمیں عالمی سطح پر کارکردگی کو ترجیح دینی ہوگی۔

ہم وزیٹر کی سرگرمیوں اور متعلقہ ڈیٹا کو ٹریک کرنے کے لیے اپنی ایپلیکیشن کے فرنٹ اینڈ پر Lambda@Edge کا استعمال کرتے ہیں، جس سے ہمیں کم تاخیر کے ساتھ Shopify سے چلنے والی ای کامرس سائٹس پر آنے والوں کو مصنوعات کی سفارشات فراہم کرنے کی اجازت ملتی ہے۔ ہمارے کوڈ کو خریداروں کے ہر ممکن حد تک قریب رکھنے سے مجموعی کارکردگی بہتر ہوتی ہے اور تاخیر میں کمی واقع ہوتی ہے۔

ہم نے اپنے مواد کی ترسیل کے نیٹ ورک کی دستیابی کو زیادہ سے زیادہ کرنے کے لیے Lambda@Edge کا انتخاب کیا۔ Lambda@Edge دنیا بھر میں متعدد مقامات پر بنیادی ڈھانچے کی فراہمی یا انتظام کرنے کی ضرورت کو بھی دور کرتا ہے۔ یہ ہمیں ایک انتہائی قابل توسیع نظام فراہم کرتے ہوئے اخراجات کو کم کرنے کی اجازت دیتا ہے۔

Shopify کے لیے EventBridge کے ساتھ اسکیلنگ

ہماری ایپلیکیشن سال کے مصروف ترین وقت یعنی چھٹیوں کے شاپنگ سیزن کے دوران شروع کی گئی۔ ایک چیز جو نمایاں تھی وہ ہمارے لائیو کسٹمرز کی جانب سے پروموشنل اور کاروباری سرگرمیوں میں زبردست اضافہ تھا۔ ان پروموشنز کی وجہ سے، ہمارے کلائنٹس کے Shopify اسٹورز میں کیٹلاگ کی تبدیلیوں کی تعدد میں تیزی سے اضافہ ہوا۔

ہمارا اصل نفاذ Shopify ویب ہکس پر انحصار کرتا ہے، جو ہمیں منسلک واقعات کے جواب میں مخصوص اقدامات کرنے کی اجازت دیتا ہے۔ ہماری ایپلیکیشن کے ذریعے ڈیٹا کے بڑھتے ہوئے حجم کی وجہ سے، ہم نے محسوس کیا کہ پروڈکٹ میٹا ڈیٹا اور ریئل ٹائم پروڈکٹ کی سفارشات کو مطابقت پذیر رکھنا مشکل ہوتا جا رہا ہے۔

یہ خاص طور پر عام تھا جب بڑے تاجروں نے ہماری ایپلیکیشن استعمال کرنا شروع کی، یا جب تاجروں نے فلیش سیلز کا آغاز کیا۔ آنے والے ڈیٹا کے بعد کے فائر ہوز کا مطلب یہ تھا کہ ہمارے ایپلیکیشن کے بنیادی ڈھانچے کو ویب ٹریفک کے حملے کے ساتھ برقرار رکھنے کے قابل نہ رہنے کا خطرہ تھا، جس کی وجہ سے صارفین کے لیے خریداری کے تجربات ٹوٹ گئے۔

ہمیں ایک الگ، زیادہ توسیع پذیر حل کی ضرورت ہے۔

ہمیں ایک ایسے حل کی ضرورت ہے جو ہمارے کسٹمر بیس اور ہمارے کسٹمرز کی ٹریفک کے مطابق ہو۔ EventBridge درج کریں: معیاری HTTP کے ذریعے ویب ہکس حاصل کرنے کا ایک سرور لیس، ایونٹ سے چلنے والا متبادل۔ EventBridge کے ساتھ انضمام کا مطلب یہ تھا کہ Shopify براہ راست ایونٹ کا ڈیٹا محفوظ طریقے سے AWS کو بھیج سکتا ہے، بجائے اس کے کہ اس تمام ٹریفک کو ہماری اپنی درخواست میں ہینڈل کیا جائے۔

ایونٹ پر مبنی حل جیسے EventBridge ہماری ایپلیکیشن اور لاکھوں لائیو Shopify اسٹورز کی ہماری قابل شناخت مارکیٹ کے درمیان ایک قابل توسیع بفر فراہم کرتے ہیں۔ یہ ہمیں واقعات کو اس شرح پر پروسیس کرنے کی اجازت دیتا ہے جو ہمارے ٹیک اسٹیک کے لیے بغیر کسی مغلوب ہوئے کام کرتی ہے۔ یہ انتہائی قابل توسیع اور لچکدار ہے، زیادہ واقعات پر مبنی ٹریفک کو قبول کرنے کے قابل ہے، اور ہمارے بنیادی ڈھانچے کی لاگت اور پیچیدگی کو کم کرتا ہے۔

مندرجہ ذیل خاکہ اس بات کی وضاحت کرتا ہے کہ کس طرح HiConversion Recommend EventBridge کا استعمال کرتا ہے تاکہ Amazon Personalize کے ساتھ ہمارے اصل وقت میں پروڈکٹ کی سفارش کے فن تعمیر کو فعال کیا جا سکے۔

فن تعمیر میں مندرجہ ذیل اجزاء شامل ہیں:

1. Amazon Personalize putEvents() API مصنوعات کی سفارشات کو قابل بناتا ہے جو ریئل ٹائم وزیٹر کی کارروائی اور سیاق و سباق پر غور کرتی ہیں۔ وزیٹر کی سرگرمی اور متعلقہ ڈیٹا کو HiConversion ویب اینالیٹکس ماڈیول کے ذریعے حاصل کیا جاتا ہے اور اسے Lambda@Edge فنکشن کو بھیجا جاتا ہے۔ اس کے بعد ہم Amazon پرسنلائز ایونٹ ٹریکر اینڈ پوائنٹ پر ایونٹس کو اسٹریم کرنے کے لیے Amazon SQS اور Lambda فنکشن کا استعمال کرتے ہیں۔
2. EventBridge اس مقصد کے لیے وقف کردہ Lambda فنکشن کے ذریعے پروڈکٹ کیٹلاگ میں ہونے والی تبدیلیوں کے بارے میں Amazon Personalize کو مطلع کرتا ہے۔ مثال کے طور پر، Amazon Personalize نئی مصنوعات کی سفارش کر سکتا ہے یہاں تک کہ جب ان کے پاس پہلے سے آرڈر کی تاریخ نہ ہو۔
3. EventBridge Shopify پروڈکٹ میٹا ڈیٹا کو HiConversion کے میٹا ڈیٹا کے ساتھ مطابقت پذیر رکھتا ہے جو Amazon S3 میں ریئل ٹائم ڈیلیوری کے لیے محفوظ ہے۔ ایمیزون CloudFront.

بالآخر، EventBridge نے ہمارے فن تعمیر کے اندر ایک غیر متفرق کسٹم نفاذ کو ایک مکمل طور پر منظم حل کے ساتھ تبدیل کر دیا جو خود بخود پیمانے کے قابل ہو، جس سے ہمیں اپنے صارفین کو امتیازی قدر فراہم کرنے والی خصوصیات کی تعمیر پر توجہ مرکوز کرنے کی اجازت ملتی ہے۔

Shopify پر سیشن پر مبنی مصنوعات کی سفارشات کی تاثیر کی پیمائش

بہت سے مصنوعات کی سفارش کے حل Shopify تاجروں کے لیے دستیاب ہیں، ہر ایک مختلف قسم کے الگورتھم استعمال کرتا ہے۔ Amazon Personalize کی طرف سے سیشن پر مبنی سفارشات کی تاثیر کی پیمائش کرنے کے لیے، اور اپنے ڈیٹا کے شوقین ٹیم کلچر کو شامل کرنے کے لیے، ہم نے ایک معروضی تجربہ کیا۔

آج کی معیشت میں ٹیکنالوجی کا انتخاب کرنا مشکل ہے، اس لیے ہم نے یہ تجربہ تاجروں کو Amazon Personalize سیشن پر مبنی الگورتھم کی تاثیر کا تعین کرنے میں مدد کرنے کے لیے بنایا ہے۔

ہم نے ایک مفروضے کے ساتھ آغاز کیا: اگر سیشن پر مبنی سفارشی الگورتھم اصل وقت میں زائرین کے اعمال اور سیاق و سباق کے مطابق ڈھال سکتے ہیں، تو انہیں اس وقت بہتر نتائج حاصل کرنے چاہئیں جب وزیٹر کا ارادہ اور ترجیحات اچانک بدل جائیں۔

اپنے مفروضے کو جانچنے کے لیے، ہم نے ارادے اور ترجیحات میں ایک قابل قیاس تبدیلی کی نشاندہی کی:

• زائرین کی ترجیحات - چھٹیوں کے موسم سے پہلے، زائرین عام طور پر اپنے لیے کچھ خرید رہے ہوتے ہیں، جب کہ چھٹی کے موسم میں، زائرین دوسروں کے لیے بھی چیزیں خرید رہے ہوتے ہیں۔
• وزیٹر پروفائلز - چھٹیوں کے موسم سے پہلے وزیٹر کے پروفائلز چھٹیوں کے مقابلے مختلف ہوتے ہیں۔ تعطیلات کے موسم میں مزید نئے زائرین نظر آتے ہیں جنہوں نے پہلے کبھی خریداری نہیں کی اور جن کی ترجیحات نامعلوم ہیں۔
• برانڈ پروموشنز - چھٹیوں کے موسم کے دوران، برانڈز جارحانہ طور پر اپنی پیشکشوں کو فروغ دیتے ہیں، جو آنے والوں کے رویے اور فیصلہ سازی کو متاثر کرتے ہیں۔

اپنے مفروضے کا جائزہ لینے کے لیے، ہم نے تعطیل سے پہلے کی مصنوعات کی سفارش کے نتائج کا تعطیل کے عروج کے وقت کے نتائج سے موازنہ کیا۔ ہمارے کلائنٹس میں سے ایک، ایک بڑے اور کامیاب کاسمیٹکس برانڈ، نے پایا کہ پروڈکٹ کی سفارش نے چھٹی سے پہلے کے مقابلے میں آمدنی فی وزیٹر (RPV) +113% کو بہتر بنایا ہے۔

تعطیل سے پہلے کی مصنوعات کی سفارش کے نتائج

سب سے پہلے، ہم نے ذاتی مصنوعات کی سفارشات سے متاثر ہونے والی مجموعی آمدنی کا فیصد دیکھا۔ اس کلائنٹ کے لیے، تمام آمدنی کا صرف 7.7% غیر ذاتی نوعیت کے تجربات کے مقابلے ذاتی نوعیت کی مصنوعات کی سفارشات سے متاثر ہوا۔

دوسرا، ہم نے RPV کو دیکھا جو نئے ای کامرس کی آمدنی میں اضافے کی پیمائش کے لیے سب سے اہم میٹرک ہے۔ تبادلوں کی شرح (CR) یا اوسط آرڈر ویلیو (AOV) ہمیں صرف کہانی کا حصہ بتاتی ہے اور اگر اکیلے انحصار کیا جائے تو گمراہ کن ہو سکتا ہے۔

مثال کے طور پر، ایک مرچنٹ جارحانہ پروموشنز کے ساتھ سائٹ کی تبدیلی کی شرح کو بڑھا سکتا ہے جو کہ اصل میں آرڈر کی اوسط قدر میں کمی کا باعث بنتا ہے، جس سے مجموعی آمدنی میں کمی واقع ہوتی ہے۔

ہماری سیکھنے کی بنیاد پر، HiConversion میں ہم RPV کو ایک ای کامرس پروڈکٹ کے تجویز کردہ حل کی تاثیر کی پیمائش کرتے وقت استعمال کرنے کے لیے میٹرک کے طور پر بشارت دیتے ہیں۔

اس مثال میں، ایسے زائرین جو تجویز کردہ پروڈکٹس کے ساتھ مشغول تھے ان کے مقابلے میں 175% زیادہ RPV تھے جنہوں نے نہیں کیا۔

ہمارا تجزیہ واضح کرتا ہے کہ سیشن پر مبنی مصنوعات کی سفارشات بہت موثر ہیں۔ اگر سفارشات کارآمد نہیں ہوتیں، تو سفارشات کے ساتھ مشغول ہونے والے زائرین نے تجویز کردہ مصنوعات کے ساتھ مشغول نہ ہونے والوں کے مقابلے میں زیادہ RPV نہیں دیکھا ہوتا۔

چوٹی چھٹی پروڈکٹ کی سفارش کے نتائج۔

ایک اہم اشارے کہ سیشن پر مبنی سفارشات کام کر رہی ہیں ذاتی سفارشات سے متاثر مجموعی فروخت کے فیصد میں اضافہ تھا۔ تعطیلات سے پہلے یہ 7.7% سے بڑھ کر چھٹیوں کے موسم میں 14.6% ہو گئی۔

جب ہم نے RPV لفٹ کو دیکھا تو یہ ڈیٹا اور بھی زیادہ متاثر کن ہے۔ ایسے زائرین جو ذاتی نوعیت کی سفارشات کے ساتھ مشغول تھے ان کے مقابلے میں 259% زیادہ RPV تھا جنہوں نے نہیں کیا۔

اس کے مقابلے میں، سیشن پر مبنی سفارشات نے تعطیل سے پہلے کی RPV لفٹ کو اوور پرفارم کیا۔

	تعطیلات سے پہلے	تعطیلات کے دوران	رشتہ دار لفٹ
RPV لفٹ	175.04٪	258.61٪	47.74٪

آمدنی کا نیا حساب کتاب

پچھلے ڈیٹا پوائنٹس کی بنیاد پر، ہم نئے محصولات کا حساب لگا سکتے ہیں جو براہ راست HiConversion Recommend سے منسوب ہیں۔

	تعطیلات سے پہلے	تعطیلات کے دوران
RPV (ذاتی نوعیت کا)	$6.84	$14.70
RPV (غیر ذاتی)	$2.49	$4.10
دورے (ذاتی نوعیت کے)	33,862	97,052
دورے (غیر ذاتی)	1,143,147	2,126,693
HiConversion تجویز سے منسوب آمدنی	$147,300	$1,028,751
HiConversion Recommend سے منسوب تمام آمدنی کا %	5%	10٪

سیشن پر مبنی سفارشات سے پیدا ہونے والی آمدنی کے نئے امکانات پر غور کرتے وقت، یہ حسابات HiConversion Recommend کے استعمال کے اعلی ROI کے لیے ایک مضبوط کیس بناتے ہیں۔

نتیجہ

Shopify کے لیے پروڈکٹ کی سفارشات — ایمیزون پرسنلائز کے ذریعے تقویت یافتہ — مزید نئے خریداروں کو مشغول کرنے اور تبدیل کرنے کا ایک مؤثر طریقہ ہے۔ اسے ثابت کرنے کے لیے، ہم نے آپ کو یہ دکھانے کے لیے ایک چیلنج بنایا ہے کہ آپ کتنی جلدی قابل پیمائش، مثبت ROI حاصل کر سکتے ہیں۔ شروع کرنے کے لیے، کے لیے سائن اپ کریں۔ 7 روزہ پروڈکٹ کی تجویز کا چیلنج.

بڑے پیمانے پر، عالمی کسٹمر کی خدمت میں ایک اچھی طرح سے ڈیزائن اور توسیع پذیر حل خاص طور پر اہم ہے۔ اور چونکہ سیشن پر مبنی، ریئل ٹائم پرسنلائزیشن ای کامرس کی ترقی کو آگے بڑھانے کے لیے ایک فرق ہے، اس لیے اپنے کاروبار کے لیے بہترین ٹیکنالوجی پارٹنر پر غور کرنا انتہائی ضروری ہے۔

---

مصنفین کے بارے میں

جیف میک کیلوی۔ HiConversion میں پرنسپل ڈویلپمنٹ لیڈ ہے۔

جیمز جوری AWS کے ساتھ Applied AI میں سولیوشن آرکیٹیکٹ ہے۔ اسے پرسنلائزیشن اور تجویز کنندگان کے نظام میں خصوصی دلچسپی ہے اور ای کامرس، مارکیٹنگ ٹیکنالوجی، اور کسٹمر ڈیٹا اینالیٹکس میں اس کا پس منظر ہے۔ اپنے فارغ وقت میں، وہ کیمپنگ اور آٹو ریسنگ سمولیشن سے لطف اندوز ہوتا ہے۔

میٹ چواسٹیک ایمیزون پرسنلائز کے لیے ایک سینئر پروڈکٹ مینیجر ہے۔ وہ ایسی مصنوعات کی فراہمی پر توجہ مرکوز کرتا ہے جو مشین لرننگ سلوشنز کی تعمیر اور استعمال کو آسان بناتی ہیں۔ اپنے فارغ وقت میں، وہ پڑھنے اور فوٹو گرافی سے لطف اندوز ہوتا ہے۔

ماخذ: https://aws.amazon.com/blogs/machine-learning/scale-session-aware-real-time-product-recommendations-on-shopify-with-amazon-personalize-and-amazon-eventbridge/