Anghami 於 2012 年在貝魯特成立，提供免費和付費音訊串流服務。其高級服務提供的功能包括下載曲目並離線播放、快退或快轉音樂以及查看歌詞。

隨著最近競爭對手音樂服務的興起，Anghami 意識到引導客戶接觸與其喜好相符的藝術家和內容越來越重要。鑑於該平台上提供了廣泛且不斷擴大的阿拉伯音樂和國際音樂收藏，這點變得更為重要。這些音樂推薦功能吸引新客戶，並提高使用者忠誠度。該公司觀察到，當提供其他歌曲推薦時，使用者會在網站上花更多時間。

Anghami 先前用於產生建議的解決方案使用舊式程式碼，使得團隊很難擴展其功能。Anghami 決定在 AWS 上建立新的雲端原生解決方案。新平台不用再維護舊程式碼，並為工程師騰出了更多時間為客戶建立新功能和功能。這也表示他們可以運用多功能工具，例如 Amazon OpenSearch Service，以更輕鬆執行互動式日誌分析、即時應用程式監控和網站搜尋。

該公司旨在開發先進的推薦平台，該平台可以擴展以應付正在擴大的使用者群，同時促進為其客戶建立新的功能和服務。

Anghami 自成立以來就是 AWS 的客戶，它聯繫了 AWS 解決方案架構師，以根據其未來計劃研究其技術選項。經過幾次深入的研討會後，他們設計了一個簡單、功能強大且易於維護的新架構，同時能讓於其中進行的開發工作更輕鬆。

在與 AWS 舉辦初始架構研討會後的 6 個月內，Anghami 為其不斷增長的歌曲和播客目錄推出了雲端型推薦引擎。
該服務的推薦平台現在在 Amazon OpenSearch Service 上執行。Anghami 將其使用者行為資料和音訊內容儲存在 Amazon Simple Storage Service (Amazon S3) 上，這是專為從任何地方擷取任何數量的資料而打造的物件儲存空間。

為了執行其大型資料工作負載，該公司使用 Amazon EMR，以輕鬆執行和擴展 Apache Spark、Hive、Presto 和其他大型工作負載。這些工作負載包括訓練近十年的客戶資料，包括每天從數百萬使用串流音樂服務的客戶那裡收集到的客戶資料。為了訓練產生音樂推薦的機器學習模型，Anghami 使用 Amazon SageMaker，協助建立、訓練和部署 ML 模型。

在 AWS 上建立平台降低了公司的技術風險，因為現在更容易找到有才華的工程師和 DevOps 人員。「身為科技公司，擁有的人才能決定公司的發展程度。」Anghami 機器學習副總裁 (VP) Kevin Williams 表示。「我們可以快速找到具有 OpenSearch 技能的候選人以及其他有動力學習 OpenSearch 的人，因為它是一項受廣泛使用的技術。訓練技術人員的過程也更快了，因為他們可以存取 AWS 服務的現有文件。」

Anghami 開發人員現在可以快速地對產品團隊的新功能想法進行原型設計，並快速開發查詢以向使用者推薦內容。在 AWS 上撰寫搜尋查詢並建立原型只需 1-2 天，先前的系統需要約 2 週。自從在 AWS 上開始運行以來，團隊在服務登陸頁面上建立了新功能，在建議曲目的同時也建議藝術家和相關播放清單供客戶收聽。

Anghami 也可以幾乎立即向粉絲發布新音樂。當新曲目發佈時 (通常是星期五)，粉絲可以在正式發布後的一分鐘內收聽。使用先前的解決方案時，技術團隊無法快速將單一曲目新增至目錄。但是，透過 OpenSearch，團隊可以在歌曲發布後的幾分鐘內，使用機器學習演算法插入和提供歌曲。「這是一個重要的功能，確實使我們在競爭對手中脫穎而出，」Williams 說。「能夠激發粉絲對新作品感到興奮，令我們感到滿足。」

Anghami 現在擁有可以在未來幾年繼續發展的技術基礎。「我很高興能夠進行開發衝刺並及時發現最佳的客戶體驗，」Williams 說。

Anghami 計劃繼續擴大其音訊目錄並擴大其在中東及其他地區的使用者群。「我們希望在我們營運的地區擁有播客、有聲讀物和音樂的音訊，」Williams 補充道。「使用 AWS，我們擁有實現目標所需的一切。我們的平台靈活、可靠、可擴充且易於維護，因此我們可以將精力花在對客戶有利的有價值的任務，而不是維護工作上。」