ในโลกดิจิทัลปัจจุบัน ผู้บริโภคส่วนใหญ่ต้องการหาคำตอบสำหรับคำถามเกี่ยวกับบริการลูกค้าด้วยตนเองแทนที่จะใช้เวลาในการติดต่อกับธุรกิจและ/หรือผู้ให้บริการ โพสต์บล็อกนี้สำรวจโซลูชันที่เป็นนวัตกรรมใหม่ในการสร้างคำถามและคำตอบของแชทบอท อเมซอน เล็กซ์ ที่ใช้คำถามที่พบบ่อยจากเว็บไซต์ของคุณ เครื่องมือที่ขับเคลื่อนด้วย AI นี้สามารถให้การตอบสนองอย่างรวดเร็วและแม่นยำต่อการสอบถามในโลกแห่งความจริง ทำให้ลูกค้าสามารถแก้ปัญหาทั่วไปได้อย่างรวดเร็วและง่ายดายโดยอิสระ
การนำเข้า URL เดียว
องค์กรหลายแห่งมีชุดคำตอบสำหรับคำถามที่พบบ่อยสำหรับลูกค้าที่เผยแพร่บนเว็บไซต์ของตน ในกรณีนี้ เราต้องการเสนอแชทบอทให้กับลูกค้าที่สามารถตอบคำถามของพวกเขาจากคำถามที่พบบ่อยที่เผยแพร่ของเรา ในบล็อกโพสต์ชื่อ ปรับปรุง Amazon Lex ด้วยคุณสมบัติคำถามที่พบบ่อยเกี่ยวกับการสนทนาโดยใช้ LLMเราได้สาธิตวิธีที่คุณสามารถใช้การรวมกันของ Amazon Lex และ LlamaIndex เพื่อสร้างแชทบอทที่ขับเคลื่อนโดยแหล่งความรู้ที่คุณมีอยู่ เช่น เอกสาร PDF หรือ Word เพื่อสนับสนุนคำถามที่พบบ่อยโดยอ้างอิงจากเว็บไซต์คำถามที่พบบ่อย เราจำเป็นต้องสร้างกระบวนการนำเข้าที่สามารถรวบรวมข้อมูลเว็บไซต์และสร้างการฝังที่ LlamaIndex สามารถใช้เพื่อตอบคำถามของลูกค้าได้ ในกรณีนี้ เราจะสร้างบอทที่สร้างขึ้นใน โพสต์บล็อกก่อนหน้าซึ่งค้นหาการฝังเหล่านั้นด้วยคำพูดของผู้ใช้และส่งคืนคำตอบจากคำถามที่พบบ่อยของเว็บไซต์
แผนภาพต่อไปนี้แสดงให้เห็นว่ากระบวนการนำเข้าและบอต Amazon Lex ทำงานร่วมกันอย่างไรสำหรับโซลูชันของเรา
ในเวิร์กโฟลว์ของโซลูชัน เว็บไซต์ที่มีคำถามที่พบบ่อยจะถูกส่งผ่าน AWS แลมบ์ดา. ฟังก์ชัน Lambda นี้จะรวบรวมข้อมูลเว็บไซต์และจัดเก็บข้อความผลลัพธ์ในรูปแบบ บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon ที่ฝากข้อมูล (Amazon S3) จากนั้นบัคเก็ต S3 จะทริกเกอร์ฟังก์ชัน Lambda ที่ใช้ LlamaIndex เพื่อสร้างการฝังที่จัดเก็บไว้ใน Amazon S3 เมื่อมีคำถามจากผู้ใช้ปลายทาง เช่น "นโยบายการคืนสินค้าของคุณคืออะไร" บอต Amazon Lex จะใช้ฟังก์ชัน Lambda เพื่อค้นหาการฝังโดยใช้แนวทาง RAG กับ LlamaIndex สำหรับข้อมูลเพิ่มเติมเกี่ยวกับแนวทางนี้และข้อกำหนดเบื้องต้น โปรดดูที่บล็อกโพสต์ ปรับปรุง Amazon Lex ด้วยคุณสมบัติคำถามที่พบบ่อยเกี่ยวกับการสนทนาโดยใช้ LLM.
หลังจากทำข้อกำหนดเบื้องต้นจากบล็อกข้างต้นเสร็จสิ้นแล้ว ขั้นตอนแรกคือนำคำถามที่พบบ่อยไปไว้ในที่เก็บเอกสารที่ LlamaIndex สามารถทำเวกเตอร์และจัดทำดัชนีได้ รหัสต่อไปนี้แสดงวิธีการดำเนินการนี้:
ในตัวอย่างก่อนหน้านี้ เรานำ URL ของเว็บไซต์คำถามที่พบบ่อยที่กำหนดไว้ล่วงหน้าจาก Zappos และนำเข้าโดยใช้ EZWebLoader
ระดับ. ในชั้นเรียนนี้ เราได้นำทางไปยัง URL และโหลดคำถามทั้งหมดที่อยู่ในหน้าลงในดัชนี ตอนนี้เราสามารถถามคำถามเช่น "Zappos มีบัตรของขวัญหรือไม่" และรับคำตอบโดยตรงจากคำถามที่พบบ่อยบนเว็บไซต์ ภาพหน้าจอต่อไปนี้แสดงคอนโซลทดสอบบอต Amazon Lex ที่ตอบคำถามนั้นจากคำถามที่พบบ่อย
เราทำได้สำเร็จเพราะเรารวบรวมข้อมูล URL ในขั้นตอนแรก และสร้างการฝังที่ LlamaIndex สามารถใช้เพื่อค้นหาคำตอบสำหรับคำถามของเรา ฟังก์ชัน Lambda ของบอทของเราแสดงให้เห็นว่าการค้นหานี้ทำงานอย่างไรเมื่อใดก็ตามที่ส่งคืนความตั้งใจทางเลือก:
โซลูชันนี้ทำงานได้ดีเมื่อหน้าเว็บเดียวมีคำตอบทั้งหมด อย่างไรก็ตาม ไซต์คำถามที่พบบ่อยส่วนใหญ่ไม่ได้สร้างขึ้นในหน้าเดียว ตัวอย่างเช่น ในตัวอย่าง Zappos ของเรา หากเราถามคำถามว่า "คุณมีนโยบายการจับคู่ราคาหรือไม่" เราก็จะได้รับคำตอบที่ไม่ค่อยน่าพอใจดังที่แสดงในภาพหน้าจอต่อไปนี้
ในการโต้ตอบก่อนหน้านี้ คำตอบของนโยบายการจับคู่ราคาไม่เป็นประโยชน์สำหรับผู้ใช้ของเรา คำตอบนี้สั้นเนื่องจากคำถามที่พบบ่อยที่อ้างอิงคือลิงก์ไปยังหน้าเฉพาะเกี่ยวกับนโยบายการจับคู่ราคา และการรวบรวมข้อมูลเว็บของเรามีไว้สำหรับหน้าเดียวเท่านั้น การได้รับคำตอบที่ดีขึ้นหมายถึงการรวบรวมข้อมูลลิงก์เหล่านี้ด้วย ส่วนถัดไปจะแสดงวิธีรับคำตอบสำหรับคำถามที่ต้องมีความลึกของหน้าตั้งแต่สองระดับขึ้นไป
การคลานระดับ N
เมื่อเรารวบรวมข้อมูลหน้าเว็บสำหรับความรู้คำถามที่พบบ่อย ข้อมูลที่เราต้องการจะอยู่ในหน้าที่เชื่อมโยง ตัวอย่างเช่น ในตัวอย่าง Zappos เราถามคำถามว่า "คุณมีนโยบายการจับคู่ราคาหรือไม่" และคำตอบคือ “ได้ โปรดเยี่ยมชม เพื่อเรียนรู้เพิ่มเติม” หากมีคนถามว่า “นโยบายการจับคู่ราคาของคุณคืออะไร” จากนั้นเราต้องการให้คำตอบที่สมบูรณ์พร้อมนโยบาย การบรรลุเป้าหมายนี้หมายความว่าเราจำเป็นต้องสำรวจลิงก์เพื่อรับข้อมูลที่แท้จริงสำหรับผู้ใช้ปลายทางของเรา ในระหว่างขั้นตอนการนำเข้า เราสามารถใช้ตัวโหลดเว็บของเราเพื่อค้นหาจุดยึดลิงก์ไปยังหน้า HTML อื่นๆ แล้วข้ามผ่านหน้าเหล่านั้น การเปลี่ยนแปลงโค้ดต่อไปนี้สำหรับโปรแกรมรวบรวมข้อมูลเว็บของเราช่วยให้เราสามารถค้นหาลิงก์ในหน้าเว็บที่เรารวบรวมข้อมูลได้ นอกจากนี้ยังมีตรรกะเพิ่มเติมบางอย่างเพื่อหลีกเลี่ยงการรวบรวมข้อมูลแบบวงกลมและอนุญาตให้ใช้ตัวกรองตามคำนำหน้า
ในโค้ดก่อนหน้า เราแนะนำความสามารถในการรวบรวมข้อมูลในระดับลึก N และเราให้คำนำหน้าที่ช่วยให้เราสามารถจำกัดการรวบรวมข้อมูลเฉพาะสิ่งที่ขึ้นต้นด้วยรูปแบบ URL บางอย่างเท่านั้น ในตัวอย่าง Zappos ของเรา หน้าบริการลูกค้าทั้งหมดมีรากมาจาก zappos.com/c
ดังนั้นเราจึงรวมสิ่งนั้นไว้เป็นคำนำหน้าเพื่อจำกัดการรวบรวมข้อมูลของเราให้อยู่ในชุดย่อยที่เล็กลงและมีความเกี่ยวข้องมากขึ้น รหัสแสดงวิธีที่เราสามารถเจาะลึกได้ถึงสองระดับ ลอจิกแลมบ์ดาของบอทของเรายังคงเหมือนเดิมเพราะไม่มีอะไรเปลี่ยนแปลง ยกเว้นโปรแกรมรวบรวมข้อมูลจะนำเข้าเอกสารเพิ่มเติม
ขณะนี้เรามีการจัดทำดัชนีเอกสารทั้งหมดแล้ว และเราสามารถถามคำถามโดยละเอียดเพิ่มเติมได้ ในภาพหน้าจอต่อไปนี้ บอทของเราให้คำตอบที่ถูกต้องสำหรับคำถาม "คุณมีนโยบายการจับคู่ราคาหรือไม่"
ขณะนี้เรามีคำตอบที่สมบูรณ์สำหรับคำถามของเราเกี่ยวกับการจับคู่ราคา แทนที่จะได้รับแจ้งเพียงว่า "ใช่ ดูนโยบายของเรา" ระบบจะให้รายละเอียดจากการรวบรวมข้อมูลระดับที่สองแก่เรา
ทำความสะอาด
เพื่อหลีกเลี่ยงค่าใช้จ่ายในอนาคต ให้ดำเนินการลบทรัพยากรทั้งหมดที่ถูกปรับใช้เป็นส่วนหนึ่งของแบบฝึกหัดนี้ เราได้จัดทำสคริปต์เพื่อปิดจุดสิ้นสุดของ Sagemaker อย่างสวยงาม รายละเอียดการใช้งานอยู่ใน README นอกจากนี้ เพื่อลบทรัพยากรอื่นๆ ทั้งหมดที่คุณเรียกใช้ได้ cdk destroy
ในไดเร็กทอรีเดียวกันกับคำสั่ง cdk อื่นๆ เพื่อยกเลิกการจัดเตรียมทรัพยากรทั้งหมดในสแตกของคุณ
สรุป
ความสามารถในการรวมชุดคำถามที่พบบ่อยเข้าไปในแชทบอทช่วยให้ลูกค้าของคุณสามารถค้นหาคำตอบสำหรับคำถามของพวกเขาด้วยคำถามที่ใช้ภาษาที่เป็นธรรมชาติและตรงไปตรงมา ด้วยการรวมการสนับสนุนในตัวใน Amazon Lex สำหรับการจัดการสำรองด้วยโซลูชัน RAG เช่น LlamaIndex เราสามารถจัดเตรียมเส้นทางที่รวดเร็วสำหรับลูกค้าของเราในการได้รับคำตอบที่น่าพึงพอใจ คัดสรร และอนุมัติสำหรับคำถามที่พบบ่อย ด้วยการใช้การรวบรวมข้อมูลระดับ N ในโซลูชันของเรา เราสามารถให้คำตอบที่อาจครอบคลุมลิงก์คำถามที่พบบ่อยหลายลิงก์ และให้คำตอบที่ลึกขึ้นสำหรับข้อสงสัยของลูกค้า เมื่อทำตามขั้นตอนเหล่านี้ คุณจะสามารถรวมความสามารถ Q และ A ที่ใช้ LLM ที่มีประสิทธิภาพและการส่งผ่าน URL ที่มีประสิทธิภาพเข้ากับแชทบอท Amazon Lex ของคุณได้อย่างราบรื่น ซึ่งส่งผลให้มีการโต้ตอบกับผู้ใช้อย่างแม่นยำ ครอบคลุม และรับรู้ตามบริบทมากขึ้น
เกี่ยวกับผู้แต่ง
แม็กซ์ เฮงเค็ล-วอลเลซ เป็นวิศวกรพัฒนาซอฟต์แวร์ที่ AWS Lex เขาสนุกกับการใช้ประโยชน์จากเทคโนโลยีเพื่อเพิ่มความสำเร็จของลูกค้า นอกเวลางานเขาหลงใหลในการทำอาหาร ใช้เวลากับเพื่อน ๆ และแบกเป้เที่ยว
ซ่งเฟิง เป็นนักวิทยาศาสตร์ประยุกต์อาวุโสที่ AWS AI Labs ซึ่งเชี่ยวชาญด้านการประมวลผลภาษาธรรมชาติและปัญญาประดิษฐ์ งานวิจัยของเธอสำรวจแง่มุมต่าง ๆ ของสาขาเหล่านี้ รวมถึงการสร้างแบบจำลองบทสนทนาที่มีพื้นฐานจากเอกสาร การให้เหตุผลสำหรับบทสนทนาที่เน้นงาน และการสร้างข้อความโต้ตอบโดยใช้ข้อมูลหลายรูปแบบ
จอห์นเบเกอร์ เป็น SDE หลักที่ AWS ซึ่งเขาทำงานเกี่ยวกับการประมวลผลภาษาธรรมชาติ โมเดลภาษาขนาดใหญ่ และโครงการอื่นๆ ที่เกี่ยวข้องกับ ML/AI เขาทำงานกับ Amazon มานานกว่า 9 ปี และเคยทำงานใน AWS, Alexa และ Amazon.com ในเวลาว่าง จอห์นชอบเล่นสกีและกิจกรรมกลางแจ้งอื่นๆ ทั่วแปซิฟิกตะวันตกเฉียงเหนือ
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. ยานยนต์ / EVs, คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- BlockOffsets การปรับปรุงการเป็นเจ้าของออฟเซ็ตด้านสิ่งแวดล้อมให้ทันสมัย เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/enhance-amazon-lex-with-llms-and-improve-the-faq-experience-using-url-ingestion/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- $ ขึ้น
- 1
- 10
- 100
- 12
- 14
- 16
- 19
- 23
- 36
- 7
- 80
- a
- ความสามารถ
- สามารถ
- เกี่ยวกับเรา
- บรรลุผล
- ถูกต้อง
- บรรลุ
- การบรรลุ
- ข้าม
- กิจกรรม
- ที่เกิดขึ้นจริง
- เพิ่มเติม
- นอกจากนี้
- AI
- ขับเคลื่อนด้วย AI
- Alexa
- ทั้งหมด
- อนุญาต
- การอนุญาต
- ช่วยให้
- แล้ว
- ด้วย
- อเมซอน
- อเมซอน เล็กซ์
- Amazon Web Services
- Amazon.com
- an
- สมอ
- และ
- คำตอบ
- คำตอบ
- ประยุกต์
- การประยุกต์ใช้
- เข้าใกล้
- ได้รับการอนุมัติ
- เป็น
- มาถึง
- เทียม
- ปัญญาประดิษฐ์
- AS
- ด้าน
- At
- ใช้ได้
- หลีกเลี่ยง
- ทราบ
- AWS
- กลับ
- ฐาน
- ตาม
- BE
- เพราะ
- รับ
- เริ่ม
- กำลัง
- ดีกว่า
- บล็อก
- ร่างกาย
- ธ ปท
- สร้าง
- สร้าง
- built-in
- ธุรกิจ
- by
- CAN
- ความสามารถในการ
- การ์ด
- กรณี
- บาง
- เปลี่ยนแปลง
- การเปลี่ยนแปลง
- chatbot
- การตรวจสอบ
- ชั้น
- ไคลเอนต์
- ปิดหน้านี้
- รหัส
- COM
- การผสมผสาน
- การรวมกัน
- มา
- ร่วมกัน
- สมบูรณ์
- ครอบคลุม
- ปลอบใจ
- ผู้บริโภค
- ที่มีอยู่
- เนื้อหา
- เนื้อหา
- สิ่งแวดล้อม
- การสนทนา
- แปลง
- การแปลง
- แก้ไข
- ได้
- ตอบโต้
- ไม้เลื้อย
- สร้าง
- ที่สร้างขึ้น
- curated
- ลูกค้า
- บริการลูกค้า
- ความสำเร็จของลูกค้า
- ลูกค้า
- รอบ
- ข้อมูล
- ลึก
- ลึก
- ค่าเริ่มต้น
- แสดงให้เห็นถึง
- นำไปใช้
- ความลึก
- รายละเอียด
- รายละเอียด
- พัฒนาการ
- บทสนทนา
- ดิจิตอล
- โลกดิจิตอล
- โดยตรง
- เอกสาร
- เอกสาร
- ลง
- ดาวน์โหลด
- ที่ซ้ำกัน
- ในระหว่าง
- e
- แต่ละ
- อย่างง่ายดาย
- ที่มีประสิทธิภาพ
- อื่น
- ช่วยให้
- ปลาย
- ปลายทาง
- วิศวกร
- เสริม
- ผู้ประกอบการ
- การเข้า
- เหตุการณ์
- ตัวอย่าง
- ยกเว้น
- ข้อยกเว้น
- การออกกำลังกาย
- ที่มีอยู่
- รายจ่าย
- ประสบการณ์
- สำรวจ
- คำถามที่พบบ่อย
- คุณสมบัติ
- สาขา
- ไฟล์
- กรอง
- หา
- ชื่อจริง
- ดังต่อไปนี้
- สำหรับ
- พบ
- เพื่อน
- ราคาเริ่มต้นที่
- ฟังก์ชัน
- อนาคต
- รุ่น
- ได้รับ
- ของขวัญ
- บัตรของขวัญ
- ให้
- กำหนด
- จะช่วยให้
- Go
- มี
- การจัดการ
- มี
- he
- ส่วนหัว
- เป็นประโยชน์
- เธอ
- ของเขา
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- อย่างไรก็ตาม
- HTML
- ที่ http
- HTTPS
- if
- นำเข้า
- ปรับปรุง
- in
- ประกอบด้วย
- รวมถึง
- รวมทั้ง
- ขาเข้า
- รวมเข้าด้วยกัน
- อิสระ
- ดัชนี
- การจัดทำดัชนี
- ข้อมูล
- ข้อมูล
- นวัตกรรม
- อินพุต
- สอบถามข้อมูล
- ตัวอย่าง
- แทน
- Intelligence
- ความตั้งใจ
- ปฏิสัมพันธ์
- ปฏิสัมพันธ์
- การโต้ตอบ
- เข้าไป
- แนะนำ
- IT
- ITS
- จอห์น
- jpg
- JSON
- คีย์
- ความรู้
- ห้องปฏิบัติการ
- ภาษา
- ใหญ่
- เรียนรู้
- ชั้น
- ระดับ
- การใช้ประโยชน์
- กดไลก์
- LIMIT
- LINK
- ที่เชื่อมโยง
- การเชื่อมโยง
- ลินุกซ์
- รายการ
- โหลด
- loader
- ในประเทศ
- ในท้องถิ่น
- การเข้าสู่ระบบ
- ตรรกะ
- จับคู่
- การจับคู่
- เพิ่ม
- หมายความ
- วิธี
- ข่าวสาร
- ข้อความ
- การสร้างแบบจำลอง
- โมเดล
- ข้อมูลเพิ่มเติม
- มากที่สุด
- หลาย
- ชื่อ
- โดยธรรมชาติ
- ประมวลผลภาษาธรรมชาติ
- จำเป็นต้อง
- ถัดไป
- ไม่มีอะไร
- ตอนนี้
- จำนวน
- วัตถุ
- of
- เสนอ
- on
- ONE
- เพียง
- or
- OS
- อื่นๆ
- ของเรา
- ออก
- ด้านนอก
- ของตนเอง
- แปซิฟิก
- หน้า
- หน้า
- ส่วนหนึ่ง
- หลงใหล
- เส้นทาง
- แบบแผน
- รูปแบบไฟล์ PDF
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- กรุณา
- นโยบาย
- อาจ
- โพสต์
- ขับเคลื่อน
- ที่มีประสิทธิภาพ
- ป้องกัน
- ราคา
- หลัก
- ปัญหาที่เกิดขึ้น
- กระบวนการ
- การประมวลผล
- โครงการ
- ให้
- ให้
- ผู้ให้บริการ
- ให้
- การตีพิมพ์
- คำสั่ง
- คำถาม
- คำถาม
- รวดเร็ว
- อย่างรวดเร็ว
- ยก
- ค่อนข้าง
- RE
- มาถึง
- ผู้อ่าน
- โลกแห่งความจริง
- ที่เกี่ยวข้อง
- ตรงประเด็น
- ซากศพ
- เอาออก
- กรุ
- ขอ
- การร้องขอ
- ต้องการ
- การวิจัย
- แหล่งข้อมูล
- คำตอบ
- การตอบสนอง
- จำกัด
- ส่งผลให้
- ผลสอบ
- กลับ
- รับคืน
- ราก
- เส้นทาง
- วิ่ง
- s
- sagemaker
- เดียวกัน
- นักวิทยาศาสตร์
- ได้อย่างลงตัว
- ค้นหา
- Section
- เห็น
- ตนเอง
- ระดับอาวุโส
- บริการ
- ผู้ให้บริการ
- บริการ
- ชุด
- สั้น
- แสดง
- แสดงให้เห็นว่า
- ปิดตัวลง
- ง่าย
- ง่ายดาย
- เดียว
- เว็บไซต์
- สถานที่ทำวิจัย
- สล็อต
- มีขนาดเล็กกว่า
- So
- ซอฟต์แวร์
- การพัฒนาซอฟต์แวร์
- ทางออก
- แก้
- บาง
- บางคน
- แหล่งที่มา
- ระยะ
- ความเชี่ยวชาญ
- โดยเฉพาะ
- การใช้จ่าย
- กอง
- เริ่มต้น
- ขั้นตอน
- ขั้นตอน
- การเก็บรักษา
- จัดเก็บ
- เก็บไว้
- ร้านค้า
- ซื่อตรง
- ความสำเร็จ
- อย่างเช่น
- สนับสนุน
- ซิส
- เอา
- การ
- เทคโนโลยี
- ทดสอบ
- กว่า
- ที่
- พื้นที่
- ข้อมูล
- ของพวกเขา
- พวกเขา
- แล้วก็
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- สิ่ง
- นี้
- เหล่านั้น
- ตลอด
- เวลา
- หัวข้อ
- ไปยัง
- วันนี้
- ร่วมกัน
- เครื่องมือ
- รักษา
- จริง
- ลอง
- สอง
- ชนิด
- URL
- us
- การใช้
- ใช้
- มือสอง
- ผู้ใช้งาน
- ผู้ใช้
- ใช้
- การใช้
- ต่างๆ
- ผ่านทาง
- เยี่ยมชมร้านค้า
- เข้าเยี่ยมชม
- ต้องการ
- คือ
- we
- เว็บ
- บริการเว็บ
- Website
- ดี
- คือ
- เมื่อ
- เมื่อไรก็ตาม
- ที่
- จะ
- กับ
- คำ
- งาน
- ทำงานด้วยกัน
- ทำงาน
- เวิร์กโฟลว์
- การทำงาน
- โรงงาน
- โลก
- จะ
- เขียน
- X11
- ปี
- คุณ
- ของคุณ
- ลมทะเล