تستثمر المؤسسات باستمرار الوقت والجهد في تطوير حلول توصية ذكية لتقديم محتوى مخصص وملائم لمستخدميها. يمكن أن تكون الأهداف كثيرة: تحويل تجربة المستخدم ، وإنشاء تفاعل هادف ، وزيادة استهلاك المحتوى. تستخدم بعض هذه الحلول نماذج التعلم الآلي الشائعة المبنية على أنماط التفاعل التاريخية والسمات الديموغرافية للمستخدم وأوجه التشابه بين المنتجات وسلوك المجموعة. إلى جانب هذه السمات ، يمكن أن يؤثر السياق (مثل الطقس والموقع وما إلى ذلك) في وقت التفاعل على قرارات المستخدمين أثناء التنقل في المحتوى.
في هذا المنشور ، نوضح كيفية استخدام نوع جهاز المستخدم الحالي كسياق لتعزيز فعالية جهازك تخصيص أمازونالتوصيات المستندة. بالإضافة إلى ذلك ، نعرض كيفية استخدام هذا السياق لتصفية التوصيات ديناميكيًا. على الرغم من أن هذا المنشور يوضح كيف يمكن استخدام Amazon Personalize لحالة استخدام فيديو عند الطلب (VOD) ، إلا أنه من الجدير بالذكر أنه يمكن استخدام Amazon Personalize في العديد من الصناعات.
ما هو تخصيص أمازون؟
يتيح Amazon Personalize للمطورين إنشاء تطبيقات مدعومة من نفس النوع من تقنية ML التي يستخدمها Amazon.com للحصول على توصيات مخصصة في الوقت الفعلي. Amazon Personalize قادر على تقديم مجموعة واسعة من تجارب التخصيص ، بما في ذلك توصيات المنتجات المحددة ، وإعادة تصنيف المنتجات المخصصة ، والتسويق المباشر المخصص. بالإضافة إلى ذلك ، كخدمة ذكاء اصطناعي مُدارة بالكامل ، تعمل Amazon Personalize على تسريع التحولات الرقمية للعملاء باستخدام ML ، مما يسهل دمج التوصيات المخصصة في مواقع الويب والتطبيقات وأنظمة التسويق عبر البريد الإلكتروني الحالية والمزيد.
لماذا السياق مهم؟
يوفر استخدام البيانات الوصفية السياقية للمستخدم مثل الموقع والوقت من اليوم ونوع الجهاز والطقس تجارب مخصصة للمستخدمين الحاليين ويساعد على تحسين مرحلة البداية الباردة للمستخدمين الجدد أو غير المعروفين. ال مرحلة البداية الباردة يشير إلى الفترة التي يقدم فيها محرك التوصيات توصيات غير مخصصة بسبب نقص المعلومات التاريخية المتعلقة بهذا المستخدم. في المواقف التي توجد فيها متطلبات أخرى لتصفية العناصر والترويج لها (على سبيل المثال في الأخبار والطقس) ، تساعد إضافة السياق الحالي للمستخدم (الموسم أو الوقت من اليوم) في تحسين الدقة من خلال تضمين التوصيات واستبعادها.
لنأخذ مثالاً على منصة VOD التي توصي المستخدم بالعروض والأفلام الوثائقية والأفلام. استنادًا إلى تحليل السلوك ، نعلم أن مستخدمي VOD يميلون إلى استهلاك محتوى أقصر طولًا مثل المسلسلات الهزلية على الأجهزة المحمولة والمحتوى الأطول مثل الأفلام على التلفزيون أو سطح المكتب.
حل نظرة عامة
بالتوسع في مثال النظر في نوع جهاز المستخدم ، نعرض كيفية توفير هذه المعلومات كسياق حتى يتمكن Amazon Personalize من التعرف تلقائيًا على تأثير جهاز المستخدم على أنواع المحتوى المفضلة لديه.
نتبع نمط البنية الموضح في الرسم البياني التالي لتوضيح كيف يمكن تمرير السياق تلقائيًا إلى Amazon Personalize. يتم تحقيق اشتقاق السياق تلقائيًا من خلال الأمازون CloudFront الرؤوس المضمنة في الطلبات مثل واجهة برمجة تطبيقات REST بتنسيق بوابة أمازون API الذي يستدعي AWS لامدا وظيفة لاسترداد التوصيات. الرجوع إلى مثال الكود الكامل المتاح في موقعنا مستودع جيثب. نحن نقدم أ تكوين سحابة AWS نموذج لإنشاء الموارد اللازمة.
في الأقسام التالية ، نتعرف على كيفية إعداد كل خطوة من نموذج بنية النموذج.
اختر وصفة
الوصفات هي خوارزميات تخصيص Amazon التي يتم إعدادها لحالات استخدام محددة. يوفر Amazon Personalize وصفات تستند إلى حالات الاستخدام الشائعة لنماذج التدريب. بالنسبة لحالة الاستخدام الخاصة بنا ، نقوم ببناء مُقترح مخصص بسيط من Amazon Personalize باستخدام وصفة تخصيص المستخدم. يتنبأ بالعناصر التي سيتفاعل معها المستخدم بناءً على مجموعة بيانات التفاعلات. بالإضافة إلى ذلك ، تستخدم هذه الوصفة أيضًا العناصر ومجموعات بيانات المستخدمين للتأثير على التوصيات ، إذا تم توفيرها. لمعرفة المزيد حول كيفية عمل هذه الوصفة ، ارجع إلى وصفة إضفاء الطابع الشخصي على المستخدم.
إنشاء مجموعة بيانات واستيرادها
تتطلب الاستفادة من السياق تحديد قيم السياق مع التفاعلات بحيث يمكن للمقترحين استخدام السياق كميزات عند تدريب النماذج. يتعين علينا أيضًا توفير السياق الحالي للمستخدم في وقت الاستدلال. يحدد مخطط التفاعلات (انظر الكود التالي) هيكل بيانات تفاعل المستخدمين إلى العناصر التاريخية والواقعية. ال USER_ID
, ITEM_ID
و TIMESTAMP
الحقول مطلوبة بواسطة Amazon Personalize لمجموعة البيانات هذه. DEVICE_TYPE
هو حقل فئوي مخصص نضيفه لهذا المثال لالتقاط السياق الحالي للمستخدم وإدراجه في تدريب النموذج. يستخدم Amazon Personalize مجموعة بيانات التفاعلات هذه لتدريب النماذج وإنشاء حملات التوصية.
وبالمثل ، يحدد مخطط العناصر (انظر الكود التالي) هيكل بيانات كتالوج المنتج والفيديو. ال ITEM_ID
مطلوب من قِبل Amazon Personalize لمجموعة البيانات هذه. CREATION_TIMESTAMP
هو اسم عمود محجوز ولكنه غير مطلوب. GENRE
و ALLOWED_COUNTRIES
هي حقول مخصصة نضيفها لهذا المثال لالتقاط نوع الفيديو والبلدان التي يُسمح بتشغيل مقاطع الفيديو فيها. يستخدم Amazon Personalize مجموعة بيانات هذه العناصر لتدريب النماذج وإنشاء حملات توصية.
في سياقنا ، البيانات التاريخية يشير إلى سجل تفاعل المستخدم النهائي مع مقاطع الفيديو والعناصر الموجودة على منصة VOD. عادة ما يتم جمع هذه البيانات وتخزينها في قاعدة بيانات التطبيق.
لأغراض العرض ، نستخدم مكتبة Python Faker لإنشاء بعض بيانات الاختبار التي تسخر من مجموعة بيانات التفاعلات مع عناصر ومستخدمين وأنواع أجهزة مختلفة على مدى فترة 3 أشهر. بعد تحديد موقع ملف تفاعلات الإدخال والمخطط ، تتمثل الخطوات التالية في إنشاء مجموعة بيانات ، وتضمين مجموعة بيانات التفاعلات ضمن مجموعة مجموعة البيانات ، وأخيراً استيراد بيانات التدريب إلى مجموعة البيانات ، كما هو موضح في مقتطفات التعليمات البرمجية التالية:
جمع البيانات التاريخية وتدريب النموذج
في هذه الخطوة ، نحدد الوصفة المختارة وننشئ إصدارًا للحل والحل بالإشارة إلى مجموعة البيانات المحددة مسبقًا. عندما تقوم بإنشاء حل مخصص ، فإنك تحدد وصفة وتكوين معلمات التدريب. عند إنشاء إصدار حل للحل ، يقوم Amazon Personalize بتدريب النموذج الذي يدعم إصدار الحل بناءً على الوصفة وتكوين التدريب. انظر الكود التالي:
أنشئ نقطة نهاية للحملة
بعد تدريب النموذج الخاص بك ، تقوم بنشره في ملف حملة. تنشئ الحملة وتدير نقطة نهاية ذات مقياس تلقائي لنموذجك المدرّب والتي يمكنك استخدامها للحصول على توصيات مخصصة باستخدام GetRecommendations
API. في خطوة لاحقة ، نستخدم نقطة نهاية الحملة هذه لتمرير نوع الجهاز تلقائيًا كسياق كمعامل وتلقي توصيات مخصصة. انظر الكود التالي:
قم بإنشاء مرشح ديناميكي
عند الحصول على توصيات من الحملة التي تم إنشاؤها ، يمكنك تصفية النتائج بناءً على معايير مخصصة. على سبيل المثال ، قمنا بإنشاء مرشح لتلبية متطلبات التوصية بمقاطع الفيديو التي لا يُسمح بتشغيلها إلا من البلد الحالي للمستخدم. يتم تمرير معلومات الدولة ديناميكيًا من رأس CloudFront HTTP.
إنشاء دالة لامدا
تتمثل الخطوة التالية في بنيتنا في إنشاء وظيفة Lambda لمعالجة طلبات واجهة برمجة التطبيقات الواردة من توزيع CloudFront والاستجابة لها من خلال استدعاء نقطة نهاية حملة Amazon Personalize. في وظيفة Lambda هذه ، نحدد المنطق لتحليل رؤوس HTTP لطلب CloudFront التالية ومعلمات سلسلة الاستعلام لتحديد نوع جهاز المستخدم ومعرف المستخدم ، على التوالي:
CloudFront-Is-Desktop-Viewer
CloudFront-Is-Mobile-Viewer
CloudFront-Is-SmartTV-Viewer
CloudFront-Is-Tablet-Viewer
CloudFront-Viewer-Country
يتم نشر الكود الخاص بإنشاء هذه الوظيفة من خلال قالب CloudFormation.
قم بإنشاء REST API
لجعل وظيفة Lambda ونقطة نهاية حملة Amazon Personalize قابلة للوصول إلى توزيع CloudFront ، نقوم بإنشاء نقطة نهاية REST API تم إعدادها كوكيل Lambda. توفر بوابة API أدوات لإنشاء وتوثيق واجهات برمجة التطبيقات التي توجه طلبات HTTP إلى وظائف Lambda. تسمح ميزة تكامل وكيل Lambda لـ CloudFront باستدعاء طلبات تجريد دالة Lambda واحدة إلى نقطة نهاية حملة Amazon Personalize. يتم نشر الكود الخاص بإنشاء هذه الوظيفة من خلال قالب CloudFormation.
إنشاء توزيع CloudFront
عند إنشاء توزيع CloudFront ، نظرًا لأن هذا إعداد تجريبي ، فإننا نعطل التخزين المؤقت باستخدام سياسة تخزين مؤقت مخصصة ، مما يضمن انتقال الطلب إلى الأصل في كل مرة. بالإضافة إلى ذلك ، نستخدم سياسة طلب الأصل التي تحدد رؤوس HTTP المطلوبة ومعلمات سلسلة الاستعلام المضمنة في طلب الأصل. يتم نشر الكود الخاص بإنشاء هذه الوظيفة من خلال قالب CloudFormation.
توصيات الاختبار
عندما يتم الوصول إلى عنوان URL لتوزيع CloudFront من أجهزة مختلفة (سطح المكتب والجهاز اللوحي والهاتف وما إلى ذلك) ، يمكننا رؤية توصيات الفيديو المخصصة الأكثر صلة بأجهزتهم. أيضًا ، إذا تم تقديم مستخدم بارد ، فسيتم تقديم التوصيات المصممة لجهاز المستخدم. في نماذج المخرجات التالية ، تُستخدم أسماء مقاطع الفيديو فقط لتمثيل النوع ووقت التشغيل لجعلها قابلة للتوافق.
في الكود التالي ، يتم تقديم مسلسلات كوميدية أقصر للمستخدم المعروف الذي يحب الكوميديا بناءً على التفاعلات السابقة ويتم الوصول إليه من جهاز الهاتف:
يتم تقديم أفلام روائية للمستخدم المعروف التالي عند الوصول إليه من جهاز تلفزيون ذكي بناءً على تفاعلات سابقة:
يتم تقديم عروض أقصر ولكنها شائعة للمستخدم البارد (غير المعروف) الذي يصل من الهاتف:
Recommendations for user: 666 ITEM_ID GENRE ALLOWED_COUNTRIES 940 Satire US|FI|CN|ES|HK|AE 760 Satire US|FI|CN|ES|HK|AE 160 Sitcom US|FI|CN|ES|HK|AE 880 Comedy US|FI|CN|ES|HK|AE 360 Satire US|PK|NI|JM|IN|DK 840 Satire US|PK|NI|JM|IN|DK 420 Satire US|PK|NI|JM|IN|DK
يتم تقديم أفضل أفلام الخيال العلمي والأفلام الوثائقية للمستخدم البارد (غير المعروف) الذي يصل من سطح المكتب:
يقوم المستخدم المعروف التالي الذي يصل من هاتف بإرجاع توصيات تمت تصفيتها بناءً على الموقع (الولايات المتحدة):
وفي الختام
في هذا المنشور ، وصفنا كيفية استخدام نوع جهاز المستخدم كبيانات سياقية لجعل توصياتك أكثر صلة. سيساعدك استخدام البيانات الوصفية السياقية لتدريب نماذج Amazon Personalize على التوصية بالمنتجات ذات الصلة بالمستخدمين الجدد والحاليين ، ليس فقط من بيانات ملف التعريف ولكن أيضًا من نظام أساسي لجهاز التصفح. ليس هذا فقط ، فسياق مثل الموقع (البلد ، المدينة ، المنطقة ، الرمز البريدي) والوقت (يوم من الأسبوع ، عطلة نهاية الأسبوع ، أيام الأسبوع ، الموسم) يفتح الفرصة لتقديم توصيات ذات صلة بالمستخدم. يمكنك تشغيل مثال الكود الكامل باستخدام نموذج CloudFormation المتوفر في مستودع جيثب واستنساخ دفاتر الملاحظات إلى أمازون ساجميكر ستوديو.
حول المؤلف
جيل كويسان ساتشيفي هو مهندس حلول AWS للمؤسسات يتمتع بخلفية في الشبكات والبنية التحتية والأمان وعمليات تكنولوجيا المعلومات. إنه متحمس لمساعدة العملاء على بناء أنظمة جيدة التصميم على AWS. قبل انضمامه إلى AWS ، عمل في التجارة الإلكترونية لمدة 17 عامًا. خارج العمل ، يحب قضاء الوقت مع أسرته والتشجيع على فريق كرة القدم لأطفاله.
أديتيا بنديالا هو كبير مهندسي الحلول في AWS ومقره في مدينة نيويورك. لديه خبرة واسعة في هندسة التطبيقات المستندة إلى السحابة. وهو يعمل حاليًا مع مؤسسات كبيرة لمساعدتها على إنشاء بنى سحابية مرنة وقابلة للتطوير بدرجة كبيرة ، كما يوجهها في جميع الأشياء السحابية. وهو حاصل على درجة الماجستير في علوم الكمبيوتر من جامعة Shippensburg ويؤمن بالاقتباس "عندما تتوقف عن التعلم ، تتوقف عن النمو".
برابهاكار شاندراسيكاران هو مدير حساب فني أول مع AWS Enterprise Support. يتمتع Prabhakar بمساعدة العملاء على بناء حلول AI / ML المتطورة على السحابة. كما أنه يعمل مع العملاء من المؤسسات لتقديم التوجيه الاستباقي والمساعدة التشغيلية ، مما يساعدهم على تحسين قيمة حلولهم عند استخدام AWS. يحمل برابهاكار ست شهادات AWS وست شهادات مهنية أخرى. مع أكثر من 20 عامًا من الخبرة المهنية ، كان Prabhakar مهندس بيانات وقائد برنامج في مجال الخدمات المالية قبل الانضمام إلى AWS.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون السيارات / المركبات الكهربائية ، كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- BlockOffsets. تحديث ملكية الأوفست البيئية. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/recommend-and-dynamically-filter-items-based-on-user-context-in-amazon-personalize/
- :لديها
- :يكون
- :ليس
- :أين
- $ UP
- 1
- 10
- 100
- 11
- 12
- 160
- 17
- 20
- 20 سنة
- 22
- 220
- 23
- 24
- 420
- 7
- 9
- a
- عن المبجلة
- يسرع
- الوصول
- يمكن الوصول
- الوصول
- حسابي
- دقة
- تحقق
- في
- اكشن
- مضيفا
- إضافة
- وبالإضافة إلى ذلك
- مميزات
- بعد
- AI
- AI / ML
- خوارزميات
- الكل
- يسمح
- أيضا
- بالرغم ان
- أمازون
- تخصيص أمازون
- أمازون ويب سيرفيسز
- Amazon.com
- an
- تحليل
- تحليل
- و
- API
- واجهات برمجة التطبيقات
- التطبيقات
- هندسة معمارية
- هي
- مجموعة
- AS
- مساعدة
- At
- سمات
- تلقائيا
- متاح
- AWS
- خلفية
- دعم
- على أساس
- BE
- لان
- قبل
- يعتقد
- بالإضافة إلى
- على حد سواء
- تصفح
- نساعدك في بناء
- بنيت
- لكن
- by
- دعوة
- دعوات
- الحملات
- الحملات
- CAN
- قادر على
- أسر
- حقيبة
- الحالات
- الأقسام
- الشهادات
- اختيار
- المدينة
- سحابة
- الكود
- بارد
- عمود
- COM
- كوميديا
- آت
- مشترك
- الكمبيوتر
- علوم الكمبيوتر
- الاعداد
- النظر
- تستهلك
- استهلاك
- محتوى
- سياق الكلام
- قريني
- بشكل متواصل
- دولة
- البلد
- حرفة
- خلق
- خلق
- يخلق
- خلق
- المعايير
- حالياًّ
- حاليا
- على
- زبون
- العملاء
- حسب الطلب
- المتطور والحديث
- البيانات
- قاعدة البيانات
- قواعد البيانات
- يوم
- القرارات
- تعريف
- يعرف
- الدرجة العلمية
- تقديم
- الطلب
- عرض
- ديموغرافي
- نشر
- نشر
- وصف
- سطح المكتب
- حدد
- المطورين
- تطوير
- جهاز
- الأجهزة
- مختلف
- رقمي
- مباشرة
- توزيع
- أفلام وثائقية
- وثائقي
- قيادة
- اثنان
- ديناميكي
- حيوي
- كل
- أسهل
- التجارة الإلكترونية
- فعالية
- جهد
- البريد الإلكتروني
- التسويق عبر البريد الإلكتروني
- تمكن
- نقطة النهاية
- محرك
- مهندس
- تعزيز
- ضمان
- مشروع
- الشركات
- كل
- مثال
- ازالة
- القائمة
- الخبره في مجال الغطس
- خبرة
- واسع
- خبرة واسعة
- للعائلات
- الميزات
- المميزات
- خيال
- حقل
- مجال
- قم بتقديم
- أفلام
- تصفية
- أخيرا
- مالي
- الخدمات المالية
- مرن
- اتباع
- متابعيك
- في حالة
- تبدأ من
- بالإضافة إلى
- تماما
- وظيفة
- وظائف
- بوابة
- جمعت
- توليد
- دولار فقط واحصل على خصم XNUMX% على جميع
- الحصول على
- الأهداف
- يذهب
- تجمع
- النمو
- توجيه
- دليل
- يملك
- he
- رؤوس
- مساعدة
- مساعدة
- يساعد
- جدا
- له
- تاريخي
- تاريخ
- يحمل
- رعب
- كيفية
- كيفية
- HTML
- HTTP
- HTTPS
- ID
- if
- استيراد
- أهمية
- تحسن
- in
- تتضمن
- شامل
- بما فيه
- الصناعات
- تأثير
- معلومات
- البنية التحتية
- إدخال
- دمج
- التكامل
- ذكي
- تفاعل
- تفاعل
- التفاعلات
- إلى
- الاستثمار
- IT
- العناصر
- انضمام
- JPG
- م
- علم
- معروف
- نقص
- كبير
- الشركات الكبيرة
- الى وقت لاحق
- زعيم
- تعلم
- تعلم
- المكتبة
- مثل
- الإعجابات
- موقع
- منطق
- طويل
- يحب
- آلة
- آلة التعلم
- جعل
- القيام ب
- تمكن
- مدير
- يدير
- كثير
- التسويق
- رئيسي
- ذات مغزى
- البيانات الوصفية
- ML
- الجوال
- أجهزة محمولة
- نموذج
- عارضات ازياء
- الأكثر من ذلك
- أكثر
- أفلام
- متعدد
- سر
- الاسم
- أسماء
- التنقل
- ضروري
- الشبكات
- جديد
- أخبار
- التالي
- ملاحظة
- مدينة نيويورك
- of
- on
- فقط
- يفتح
- تشغيل
- عمليات
- الفرصة
- or
- الأصل
- أخرى
- لنا
- خارج
- في الخارج
- على مدى
- المعلمة
- المعلمات
- pass
- مرت
- عاطفي
- الماضي
- نمط
- أنماط
- فترة
- التخصيص
- إضفاء الطابع الشخصي
- مخصصه
- مرحلة جديدة
- للهواتف
- المنصة
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- لعبت
- سياسة
- الرائج
- منشور
- بريدي
- مدعوم
- تتوقع
- المفضل
- أعدت
- قدم
- سابقا
- قبل
- استباقية
- عملية المعالجة
- المنتج
- المنتجات
- محترف
- ملفي الشخصي
- البرنامج
- تعزيز
- تزود
- المقدمة
- ويوفر
- توفير
- الوكيل
- أغراض
- اقتبس
- في الوقت الحقيقي
- تسلم
- وصفة
- نوصي
- توصية مجاناً
- ساندي خ. ميليك
- التوصية
- سجل
- يشير
- بخصوص
- منطقة
- ذات الصلة
- التمثيل
- طلب
- طلبات
- مطلوب
- المتطلبات
- المتطلبات الأساسية
- يتطلب
- محفوظة
- مرن
- الموارد
- على التوالي
- الرد
- REST
- النتائج
- عودة
- طريق
- يجري
- sagemaker
- نفسه
- قول
- تحجيم
- علوم
- القصص الخيالي
- الموسم
- أقسام
- أمن
- انظر تعريف
- كبير
- خدمة
- الخدمة
- خدماتنا
- طقم
- الإعداد
- إظهار
- أظهرت
- يظهر
- التشابه
- الاشارات
- عزباء
- حالات
- SIX
- سمارت
- التلفزيون الذكية
- So
- كرة القدم
- حل
- الحلول
- بعض
- الفضاء
- محدد
- أنفق
- خطوة
- خطوات
- تخزين
- خيط
- بناء
- هذه
- الدعم
- أنظمة
- الأجهزه اللوحيه
- تناسب
- أخذ
- فريق
- تقني
- تكنولوجيا
- قالب
- تجربه بالعربي
- أن
- •
- من مشاركة
- منهم
- هناك.
- تشبه
- الأشياء
- عبر
- الوقت
- الطابع الزمني
- إلى
- أدوات
- تيشرت
- قطار
- متدرب
- قادة الإيمان
- القطارات
- تحول
- التحولات
- صحيح
- tv
- نوع
- أنواع
- جامعة
- غير معروف
- URL
- us
- تستخدم
- حالة الاستخدام
- مستعمل
- مستخدم
- تجربة المستخدم
- المستخدمين
- يستخدم
- استخدام
- عادة
- قيمنا
- القيم
- الإصدار
- فيديو
- الفيديو حسب الطلب
- مقاطع فيديو
- وكان
- we
- الطقس
- الويب
- خدمات ويب
- المواقع
- أسبوع
- نهاية الأسبوع
- متى
- في حين
- من الذى
- واسع
- سوف
- مع
- في غضون
- للعمل
- عمل
- عامل
- أعمال
- قيمة
- سنوات
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت