الأسئلة المتداولة (FAQs) حول maya.ai

maya.ai عبارة عن منصة تخصيص مصممة لمساعدة شركات بطاقات الائتمان وبطاقات الخصم والمحفظة على إشراك عملائها بشكل أكثر فاعلية في خيارات المستهلك الشخصية. توفر منصتنا حاليًا إمكانات مشاركة مخصصة عبر فئات مستهلكين متعددة ، مثل التسوق وتجارة التجزئة وتناول الطعام والسفر وما إلى ذلك.

تُمكِّن maya.ai الأنشطة التجارية الخاصة بالبطاقات والمحفظة من أن تصبح في قمة اهتمامات عملائها وفي نهاية المطاف الخيار الأفضل لخيار الدفع في المحفظة بكل سهولة وثقة.

يمكن لـ maya.ai العمل عبر جميع قنوات المشاركة الرقمية من صفحات العرض على مواقع الويب ومواقع الجوال وتطبيقات الجوال إلى القنوات التقليدية مثل البريد الإلكتروني والرسائل النصية القصيرة

لدينا تطبيق ذو علامة بيضاء (تطبيق Engage) يمكن من خلاله عرض العروض المخصصة.

تقدم Maya.ai أيضًا تطبيق Engage ، وهو تطبيق ذو علامة بيضاء جاهز للنشر للعملاء الذين ليس لديهم أصول مشاركة رقمية موجودة ، لعرض توصيات مخصصة وإشراك عملائهم معها.

إلى حد ما ، هو كذلك. بالنسبة للعملاء الذين لديهم عروض حالية ، يمكن لـ maya.ai تخصيصها لعملائها. إذا اكتشفت maya.ai أن العروض الحالية ليست فعالة في إشراك العملاء ، فيمكنها تقديم اقتراحات بشأن العروض التي سيكتسبها التجار وعلى متنها لتحسين مستوى المشاركة. بالإضافة إلى ذلك ، maya.ai Bazaar هو عرض سوقنا الذي يربط عملك بمجموعة من العروض التجارية من جميع أنحاء العالم وعبر فئات المستهلكين.

بينما يمكن استخدام التخصيص في maya.ai للاستحواذ الرقمي ، فقد تم استخدام النظام الأساسي في المقام الأول لزيادة المشاركة والمعاملات وإعادة التنشيط. في الماضي ، شهدنا تحسنًا بمقدار 1.3 ضعفًا في التحكم في إعادة التنشيط ، وتحسنًا بمقدار 3 أضعاف إلى 10 مرات على التحكم في معدل الاستجابة ، وزيادة بنسبة 20٪ -50٪ في معدلات النقر ، و 3٪ -7٪ زيادة في الإنفاق

يتبنى موقع maya.ai نهجًا فريدًا لتوليد التوصيات من خلال الاستفادة من البيانات المنظمة وغير المهيكلة والتاريخية وكذلك في الوقت الفعلي. تستنتج maya.ai ذوق العميل من خلال النظر إلى أنماط استهلاكها بمساعدة فهمنا العميق لكل تاجر يتعامل معه العميل ، بالإضافة إلى الإشارات التي نتلقاها من خلال المشاركة في الوقت الفعلي.

للوصول إلى ملف تعريف عميل مفصل ، تتبنى maya.ai نهجًا من ثلاث خطوات عند تحليل بيانات المعاملة:

1. إلغاء تكرار أسماء التجار في بيانات المعاملات
قد يظهر نفس التاجر في بيانات المعاملة بأسماء مختلفة أو حتى كيانات مختلفة ، مما يؤدي إلى صعوبات في فهم معاملات العميل. باستخدام عدد من خوارزميات الملكية ، يمكن لـ maya.ai تنظيف أكثر من مليون معاملة في أقل من 4 ساعات ، مع دقة 80٪ + في عزو التجار المناسبين إلى المعاملات

2. إثراء بيانات التاجر على نطاق واسع
تستفيد maya.ai من TasteGraph الحاصل على براءة اختراع ، والذي يحتوي على معرفة متعمقة (+300 سمة) لأكثر من 6 ملايين تاجر حول العالم ، بالإضافة إلى خوارزميات أخرى خاصة بالملكية لتحليل البيانات غير المنظمة والمنظمة من مصادر الطرف الأول والثالث.

تستخدم maya.ai TasteGraph لإثراء كل إدخال تاجر بمئات السمات. على سبيل المثال ، نوع المنتج المنقول ، نقطة السعر ، تصنيف التاجر حيث تتم المعاملة. يتيح ذلك لـ maya.ai فهم المعنى الكامن وراء كل معاملة عميل بشكل أكثر دقة.

3. حساب TasteMatch لتحديد أفضل توصية للعميل
باستخدام طرق الملكية والحاصلة على براءة اختراع استنادًا إلى نظرية الرسم البياني (TasteGraph) ، تحسب maya.ai التقارب بين المنتجات أو التجار في مجموعة بيانات المعاملات الهائلة. اجمع بين هذا التقارب مع مخرجات بعض الخوارزميات الأخرى ، الممزوجة بالإشارات السياقية في الوقت الفعلي ، مثل الموقع والجهاز والنية والطقس والمناسبة والأحداث وإشارات التأثير ، مثل الاتجاهات ومصادر البيانات الموثوقة ، ودرجة TasteMatch هي تستخدم لتحديد الخيارات الأكثر ملاءمة للعميل.

ملفات تعريف maya.ai العميل – فهم “أذواق” العميل – من خلال إلغاء تكرار بيانات المعاملة ، وإثراء بيانات المعاملة بالسمات ، وحساب درجة مطابقة الذوق بين كل عميل وتاجر / منتج

• إلغاء تكرار بيانات المعاملة: The same merchant في بيانات المعاملة قد تظهر بأسماء مختلفة أو حتى كيانات مختلفة ، مما يؤدي إلى صعوبات في فهم معاملات العميل. باستخدام عدد من خوارزميات الملكية ، يمكن لـ maya.ai تنظيف أكثر من مليون معاملة في أقل من 4 ساعات ، مع دقة 80٪ + في عزو التجار المناسبين إلى المعاملات
• إثراء بيانات المعاملات بالسمات: تُثري maya.ai المعاملات بمئات السمات ، على سبيل المثال ، نوع المنتج المنقول ، ونقطة السعر ، وتصنيف التاجر حيث تتم المعاملة. 300 سمة) لأكثر من 6 ملايين تاجر حول العالم ، بالإضافة إلى عدد من خوارزميات الملكية لتحليل البيانات غير المهيكلة والمنظمة من مصادر الطرف الأول والثالث.
• حساب تطابق التذوق عبر المنتجات والعروض في المحفظة: من خلال طرق حاصلة على براءة اختراع تستند إلى نظرية الرسم البياني ، تستطيع Maya.ai حساب التقارب بين المنتج / التاجر في معاملات العميل والمنتج / التاجر الآخر. يتم استخدام هذا التقارب ، جنبًا إلى جنب مع السياق ، مثل الموقع والجهاز والنية والطقس والمناسبة والأحداث والتأثيرات ، مثل الاتجاهات ومصادر البيانات الموثوقة ، لتحسين الخيارات الأكثر صلة بالعميل

• الجمع بين البيانات الداخلية والخارجية ، والبيانات المنظمة وغير المهيكلة ، للحصول على فهم شامل للعميل: يستخدم أقل من 20٪ من البائعين في مساحة التخصيص البيانات الخارجية لتعزيز التنميط والتوصية ، وحتى عندما يفعلون ذلك ، فإنهم عادةً ما يجلبون العملاء بيانات التتبع – والتي عادة ما تنتهك قوانين خصوصية العميل
  • تقدم maya.ai الفهم الواسع للمنتجات والتجار من العالم الخارجي. لا تقتصر هذه الرؤى على البيانات المنظمة. تسمح خوارزميات البرمجة اللغوية العصبية لـ maya.ai باستخراج الرؤى من البيانات غير المهيكلة ، مثل المراجعات النصية. من خلال الجمع بين البيانات الداخلية والخارجية والمنظمة وغير المهيكلة ، تُنشئ Maya.ai ملفات تعريف أذواق العملاء أعمق بكثير مما يفعله المنافسون
  • يعتمد كل بائع آخر تقريبًا على الخوارزميات التي يقودها التقسيم إلى ملفات تعريف العملاء ، والتي بحكم تعريفها تعامل مجموعات الأفراد على حد سواء. هذا يتعارض مع غرض وفرضية التخصيص الجمع بين البيانات الداخلية والخارجية ، والبيانات المنظمة وغير المهيكلة ، للحصول على فهم شامل للعميل: يستخدم أقل من 20٪ من البائعين في مساحة التخصيص البيانات الخارجية لتعزيز التنميط والتوصية ، وحتى عندما يفعلون ذلك ، فإنهم عادةً ما يجلبون بيانات تتبع العملاء – والتي عادة ما تنتهك قوانين خصوصية العملاء

• مراعاة للخصوصية: من خلال النظر إلى أذواق العميل بدلاً من تتبع هوية العميل ، يمكن لـ maya.ai تقديم التخصيص دون أي معلومات تحديد الهوية الشخصية ، مما يوفر للعملاء النهائيين الخصوصية الكاملة
• العمل باستخدام مجموعة بيانات متفرقة: تتطلب maya.ai عددًا قليلاً من المعاملات لكل عميل لبدء التوصية بالخيارات. حتى في حالة عدم وجود معاملة ، لا يزال بإمكان maya.ai إنشاء ملف تعريف لذوق العميل من خلال بعض الأسئلة / خيارات الاختبار البسيطة. باستخدام التعلم الآلي ، يمكن لـ maya.ai تحسين ملفات تعريف العملاء الإضافية من خلال تعلم تفاعلات المستخدمين مع الخيارات الموصى بها.

• تُعلِم التفاعلات التي أجراها العميل بشأن التوصيات المعروضة على أحد الأصول الرقمية Maya.ai بما يلي:
  • أنماط الحياة الحالية التي يحتاجها العميل – ما هي الفئة التي يتطلع العميل إلى الإنفاق فيها أم أنه يتصفح فقط بشكل عشوائي؟
  • الملف التعريفي للتاجر الذي يروق للعميل – ما هو متوسط ​​حجم التذكرة؟ ما مدى شعبية التاجر؟ هل التاجر جديد على العميل أم أن العميل أنفق المال لدى هذا التاجر من قبل؟
  • ما السمات التي تحرك احتياجاتهم الحالية – ما هي السمات المشتركة التي يقوم عليها التجار الذين يتفاعل معهم العميل؟
• كل هذه المعلومات تعزز فهم سياق العميل في لحظة معينة
• من هنا تحدث أشياء قليلة:
  • تتم إعادة ترتيب أولويات قوائم التوصيات أثناء الجلسة لإظهار المزيد من التوصيات ذات الصلة للعملاء في محاولة لدفع عملية شراء
  • توقع أثناء الجلسة مجموعات التجار التي تتوافق معًا وتحاول إعطاء الأولوية للتوصيات في محاولة لزيادة “قيمة سلة التسوق”
  • عبر الجلسات ، حدد أفضل التوصيات التالية بناءً على سلوك العميل المتوقع
  • تخزين بيانات التفاعل لإرسال الإخطارات إلى العملاء

• يوجد أكثر من 4.5 مليون تاجر على مستوى العالم تم وضع علامات عليهم وإثرائهم داخل مستودع maya.ai
• تاجر ، وفقا للبنك هو:
  • رمز مركز عملائي
  • حجم التذكرة
  • مدينة / بلد يتوفر فيه ذلك
• يقتصر ما ورد أعلاه على التجار الأكثر شهرة ، ولا يمكن التعرف على التجار ذوي الذيل المتوسط ​​والطويل في مجموعات بيانات البنك بسبب رداءة جودة البيانات المخزنة في وصف المعاملة
• إلى maya.ai ، التاجر هو:
  • The category it belongs to
  • The attributes that define it
    • يمكن أن تحتوي الفئة على ما يصل إلى 10 سمات
      • يمكن أن تستغرق كل سمة ما يصل إلى 10-15 قيمة فريدة
        • يحتوي التاجر على 2-3 قيم على الأقل لكل سمة
  • التصنيفات الممنوحة لها من قبل العملاء على المنصات العامة
    • عادةً ما يتم تقديم التقييمات عبر 4-5 معلمات مثل الميزانية ومستويات الخدمة وما إلى ذلك.
  • المراجعات المقدمة لها من قبل العملاء
    • مراجعات النص الحر التي يتم استخراج نقاط المناقشة الرئيسية منها باستخدام خوارزميات البرمجة اللغوية العصبية
      • ما هو خاص / فريد عن التاجر
      • ما الذي يحبه الناس في التاجر
      • ما الذي يكره الناس في التاجر
  • في جوهرها ، يقترب التاجر من 75-100 سمة في مستودع maya.ai

لدينا شركاء عالميون ويمكننا زيادة العروض منهم على أساس الحاجة

نتبع نموذج الاشتراك (رسوم الترخيص الشهرية). اتصل بنا لمعرفة المزيد.

نحن نستخدم نهج الاختبار مقابل التحكم لقياس العائد على الاستثمار. ستستمر مجموعة الاختبار في تلقي اتصالات شخصية بينما ستحصل المجموعة الضابطة على اتصال BAU المنتظم

• يُشرك موقع maya.ai العملاء عبر قنوات مختلفة ، من البريد الإلكتروني / الرسائل القصيرة ، إلى تطبيقات الهاتف المحمول وبوابة الويب ، إلى القنوات عالية اللمسة / عالية القيمة ، مثل الكونسيرج ، باستخدام واجهة برمجة تطبيقات واحدة قوية.
  1. بالنسبة إلى حملات البريد الإلكتروني / الرسائل القصيرة ، تتيح maya.ai للعملاء تحديد واستكشاف الفرص وتنظيم وتنفيذ الحملات بناءً على أذواق العملاء
     بالنسبة إلى تطبيق الجوال / بوابة الويب: يمكن لـ Choice API تعزيز التخصيص للأصول الحالية للعملاء مثل صفحة المكافآت وصفحة تسجيل الخروج من الخدمات المصرفية عبر الإنترنت
• يأتي موقع maya.ai أيضًا مع أصول ذات علامة بيضاء لتسريع رحلات تخصيص العميل
  1. يمكن أيضًا استخدام Choice API لدفع التخصيص على قناة عالية اللمسة / عالية القيمة. على سبيل المثال ، في جهة إصدار بطاقات عالمية ، توفر maya.ai خدمة الكونسيرج للعملاء ذوي الإنفاق المرتفع. في هذه الحالة ، يقدم موقع maya.ai الاختيارات المخصصة لموظفي الكونسيرج ، الذين يوصون بعد ذلك بالخيارات المثلى للعملاء على الهاتف.
• من خلال هذا النهج الشامل ، يمكن لـ maya.ai الوصول إلى غالبية العملاء في المحفظة (75٪ -80٪) ورفع العديد من المقاييس:
  • تقليل معدلات الارتداد من معيار الصناعة من 50٪ إلى 15٪
  • زيادة معدلات الفتح بنسبة 50٪
  • زيادة نسبة النقر إلى الظهور بنسبة تصل إلى 70٪
  • زيادة معدلات الاستجابة بمقدار 1.6x-2.4x للحملات (الاختبار مقابل التحكم)

• عادةً ما تخترق maya.ai 85-90٪ من قاعدة العملاء المؤهلين ضمن محفظة العميل.
• في المتوسط ​​، يتم الاتصال بـ 50-60٪ من العملاء كل أسبوع من خلال الحملات الإعلانية.
• 20-30٪ من العملاء يتعاملون بناءً على توصيات maya.ai في نافذة المراقبة
• 10-15٪ من العملاء يظهرون زيارات متكررة للبوابة كل شهر

• هذا هو الجانب المحافظ من الافتراض
• أظهر maya.ai تسليم قيمة 5-10٪ مع عملائنا
• على سبيل المثال ، حقق maya.ai زيادة في الإنفاق بنسبة 3-5٪ على حملات البريد الإلكتروني والرسائل النصية القصيرة في عام 2019 لصالح أكبر بنك للقطاع الخاص في الهند

• تحفز maya.ai مشاركة العملاء والمعاملات للمؤسسات التي تعمل في عصر الملاءمة
• تمكنت maya.ai من زيادة نمو المحفظة من خلال الحملات المخصصة لأكبر جهة إصدار لبطاقات الائتمان في الهند
  • زيادة الإنفاق على الحملة بنسبة 7٪ تقريبًا
  • زيادة معدلات النقر على القناة الرقمية بنسبة 20٪

يمكننا الانتقال من البيانات إلى الرقمية في 7 أيام. تبدأ النتائج في الظهور في غضون 3 أشهر وخلال 12 شهرًا سنتعرف على التأثير الكامل للتخصيص مع maya.ai

يمكننا توجيه حركة المرور من خلال الحملات. يمكن دمج واجهات برمجة التطبيقات الخاصة بنا مع أدوات أتمتة التسويق للبنوك ويمكن تحديد الإيقاع بالاشتراك مع البنك بشأن أنواع الحملات واختيار القنوات

يمكننا في البداية إظهار العروض الشائعة بناءً على التركيبة السكانية والموقع والمعلومات السياقية الأخرى. بعد أن نبدأ في الحصول على تفاعلات رقمية على صفحات العروض ، ستبدأ نماذج الذكاء الاصطناعي لدينا في التقاط تفضيلات العملاء واستخدامها للتوصية بالعروض المناسبة

لدينا واجهة برمجة تطبيقات واحدة يمكن دمجها مع العديد من القنوات والأصول الرقمية حسب الحاجة

• تغذية بيانات المعاملات اليومية  
• عرض API أدى التحديث
• تكامل maya.ai عبر الأصول الرقمية
• عبر التعاون الوظيفي مع فرق التحليلات الرقمية والتسويقية على أساس دوري

• تنظيف الصور والتصميمات وحملات الدفع لمواسم العروض الجديدة  

• يكمن الاختلاف الرئيسي لشركة maya.ai وأحد عناوين IP الرئيسية الخاصة بها في البيانات الخارجية التي يتم تنسيقها بواسطة maya.ai
• يتم استضافة هذه البيانات الخارجية في بيئة سحابية متعددة المستأجرين
• تعمل خوارزميات maya.ai جنبًا إلى جنب مع هذه البيانات والبيانات التي يتم الوصول إليها من خلال عميل VPC مخصص
• ليس من المجدي اقتصاديًا نشر maya.ai وبنيته المعقدة داخل مراكز بيانات البنك على النحو التالي:
  • يستغرق الإعداد وقتًا طويلاً
  • تصبح تكاليف التشغيل مرتفعة وتؤثر على عائد الاستثمار للمشاركة
• بعد قولي هذا ، يمكن مناقشة الخيار الداخلي على أساس كل حالة على حدة.

بازار هو سوق تجاري شخصي يقوده الذكاء الاصطناعي ويفيد المستهلكين والتجار والبنوك.

• يجعل Bazaar رحلة المستهلك شخصية وذات صلة من خلال التوصية بالتجار المناسبين وكذلك المنتجات ، مع الاكتشاف للوفاء في بوابة واحدة.
• يساعد Bazaar التجار من خلال بوابة لتحديد العملاء المناسبين والوصول إليهم ، وجذب حركة المرور من داخل النظام البيئي للبنك والحصول على رؤى المستهلك.
• يوفر Bazaar للبنك نموذجًا قابلًا للتطوير للحصول على العروض ، والتهيئة السهلة لمحادثات العملاء والتتبع الآلي للأداء.

لا يتمتع التجار بإمكانية رؤية رؤى العملاء أو القدرة على الوصول إلى العملاء المناسبين
إنهم يرون صفر جر من مواقع البنوك الحالية. أيضا ، على متن الطائرة لا يزال يدويا. تم تصميم بوابات مشاركة التجار لمعالجة مخاوف التجار هذه

يرجى الاتصال بنا لمعرفة المزيد.

قريبا

• Crayon Data يمكن أن تفعل معالجة الصور والمحتويات الأخرى كخدمة إضافية
• ومع ذلك ، فهي ليست عملية قابلة للتطوير إذا كان على Crayon Data القيام بذلك بطريقة خدمات مخصصة
• تتسع هذه العملية بسرعة إذا كانت مسؤولية الحصول على محتوى عالي الجودة تقع على عاتق التاجر الذي يمتلك العلامة التجارية
• يمكن لمحرك maya.ai اكتشاف جودة الصورة تلقائيًا ورفض الصور التي لا تفي بمعايير الجودة للعرض للعملاء النهائيين
• هذا هو أحد أسباب أهمية البوابات التي تواجه التاجر

• يقوم جميع التجار بتخزين كتالوجات المنتجات على مستوى SKU
• تحتوي وحدات SKU على تسلسل هرمي محدد جيدًا لالتقاط سمات المنتج
• هذا مشابه جدًا ، في البناء ، لكيفية تخزين maya.ai لسمات التاجر
• تعمل توصيات التاجر الحالية كما هو الحال مع توصيات المنتج

نعم ، يمكننا أن نقدم لك العروض. يرجى الاتصال بنا لمعرفة المزيد.

• يوفر المحرك واجهة خدمة ذاتية على مدار 24 ساعة طوال أيام الأسبوع حيث تتوفر توصيات التاجر عند الطلب
• السؤال هو ، كم مرة يحتاج البنك إلى عروض جديدة؟
  • كل شهر؟
  • في كل موسم؟
• في أي وقت يرغب البنك في تحديد أداء محفظة عروضه الحالية وأفضل طريقة لتحسينها ، يحتاجون ببساطة إلى تسجيل الدخول إلى maya.ai

تم تصميم منصة maya.ai & Bazaar لتوصيلها بالنظم البيئية التكنولوجية الحالية التي تعمل بها البنوك ، وتعمل بأقل قدر من التعطيل. فيما يلي أنواع التكامل المختلفة التي يأتي معها الاقتراح:

• التكامل مع بحيرة بيانات العملاء والمعاملات بالبنك
• واجهات برمجة التطبيقات والأدوات التي تتكامل مع الأصول الرقمية للبنك – مواقع الويب وتطبيقات الأجهزة المحمولة وما إلى ذلك.
• التكامل مع أنظمة تنفيذ التسويق لتمكين حملات البريد الإلكتروني والرسائل النصية القصيرة
• التكامل مع نظام تنبيه المعاملات للمشاركة القائمة على الزناد

هناك بعض الدعم المطلوب من البنوك في مراحل مختلفة من رحلة maya.ai & Bazaar:

• مرحلة التعاقد – تقديم الدعم في الحصول على موافقات من مجموعات الأمان على الهندسة المعمارية المقترحة لمايا.اي وبازار
• مرحلة الإعداد – هناك حاجة إلى بعض جهود التطوير (من أسبوع إلى أسبوعين) لأتمتة تحديث البيانات من بحيرة بيانات البنك إلى maya.ai VPC
• إدارة المحافظ – تقديم الدعم في تحديد أولويات البنك فيما يتعلق بنمو المحفظة ، وتعريفات شرائح العملاء على النحو المحدد من قبل البنك (إن وجدت) – وهذا يساعد على ضبط محرك التوصية لتلبية أهداف البنك
• تكامل واجهة برمجة التطبيقات للتخصيص – هناك حاجة إلى بعض جهود التطوير (من أسبوع إلى أسبوعين لكل أصل) من نهاية البنك لدمج واجهات برمجة تطبيقات وعناصر واجهة برمجة تطبيقات maya.ai في الأصول الرقمية المرغوبة – صفحات الويب وتطبيقات الأجهزة المحمولة وما إلى ذلك.
• مرحلة التنفيذ – 1 هناك حاجة إلى SPOC على أساس مستمر (يوم واحد في الأسبوع) للاتفاق على إيقاع الحملة ولضمان تنفيذ حملات البريد الإلكتروني والرسائل القصيرة على أنظمة تنفيذ الطرف الثالث بما في ذلك. جمع القوالب من فريق التسويق
• صرف استرداد النقود – يلزم توفير SPOC مرة واحدة في الشهر لتسوية مدفوعات استرداد النقود في المعاملات على أساس حسابات العملاء

• بنية تحتية
• • maya.ai’s يتم نشر القدرات على سحابة افتراضية خاصة – نحن ندعم حاليًا النشر على AWS و Azure
  • Bazaar تم نشره على مجموعة سحابية متعددة المستأجرين مملوكة لشركة Crayon ومتصلة بمستودع Crayon Global Merchant
• التنفيذ – يتم توفير إمكانات maya.ai و Bazaar لعملائنا في ثلاثة أوضاع:
  • مساعدة كاملة – بمجرد اكتمال الإعداد ، سيتولى Crayon المسؤولية الكاملة عن التنفيذ وإدارة المحفظة
  • الخدمة الذاتية المساعدة – بمجرد اكتمال الإعداد ، سيعمل فريق Crayon Customer Science عن كثب مع البنك للمشاركة في إدارة التنفيذ وإدارة المحافظ
  • الخدمة الذاتية بالكامل – بمجرد اكتمال الإعداد ، ستسلم Crayon جميع الاستوديوهات والميزات وإمكانيات التنفيذ إلى البنك وستقدم الدعم عند الحاجة فقط