شرکتها بهطور فزایندهای به دنبال راههایی برای تکمیل دادههای خود با دادههای شرکای تجاری خارجی برای ایجاد، نگهداری و غنیسازی دیدگاه کلنگر خود از کسبوکارشان در سطح مصرفکننده هستند. اتاق های تمیز AWS به شرکتها کمک میکند تا با آسانتر و ایمنتر تجزیه و تحلیل و همکاری روی مجموعه دادههای جمعی خود انجام دهند - بدون اینکه دادههای اساسی یکدیگر را به اشتراک بگذارند یا کپی کنند. با AWS Clean Rooms، می توانید در عرض چند دقیقه یک اتاق تمیز داده ایمن ایجاد کنید و با هر شرکت دیگری در این زمینه همکاری کنید. خدمات وب آمازون (AWS) برای ایجاد بینش منحصر به فرد
یکی از راههای شروع سریع با AWS Clean Rooms، اثبات مفهوم (POC) بین شما و شریک اولویتدار است. AWS Clean Rooms از چندین صنعت و موارد استفاده پشتیبانی می کند، و این وبلاگ اولین مورد از مجموعه ای از انواع اثبات مفاهیم است که می توان با AWS Clean Rooms انجام داد.
در این پست، ما برنامه ریزی یک POC برای اندازه گیری اثربخشی رسانه در یک کمپین تبلیغاتی پولی را شرح می دهیم. همکاران یک مالک رسانه ("CTV.Co"، یک ارائه دهنده تلویزیون متصل) و تبلیغ کننده برند ("Coffee.Co"، یک شرکت رستوران خدمات سریع) هستند که در حال تجزیه و تحلیل داده های جمعی خود برای درک تأثیر بر فروش در نتیجه هستند. از یک کمپین تبلیغاتی ما تصمیم گرفتیم این مجموعه را با اندازهگیری رسانه شروع کنیم، زیرا در نظرسنجی اخیر تیم AWS Clean Rooms، «نتایج و اندازهگیری» بهترین مورد استفاده برای همکاری دادهها توسط مشتریان بود.
مهم است که به خاطر داشته باشید
- AWS Clean Rooms عموماً در دسترس است، بنابراین هر مشتری AWS میتواند وارد کنسول مدیریت AWS شود و از امروز بدون مدارک اضافی شروع به استفاده از این سرویس کند.
- با AWS Clean Rooms میتوانید دو نوع تجزیه و تحلیل انجام دهید: پرسوجوهای SQL و یادگیری ماشین. برای هدف این وبلاگ، ما فقط بر پرس و جوهای SQL تمرکز خواهیم کرد. شما می توانید در مورد هر دو نوع تجزیه و تحلیل و ساختار هزینه آنها در اتاق های تمیز AWS اطلاعات بیشتری کسب کنید امکانات و قیمت گذاری صفحات وب. تیم AWS Clean Rooms میتواند به شما کمک کند تا هزینه یک POC را برآورد کنید و میتوانید به آن دسترسی داشته باشید aws-clean-rooms-bd@amazon.com.
- در حالی که AWS Clean Rooms از همکاری چند جانبه پشتیبانی می کند، در این پست وبلاگ دو عضو را در همکاری AWS Clean Rooms POC فرض می کنیم.
بررسی اجمالی
راهاندازی یک POC به تعریف یک مشکل موجود در مورد استفاده خاص برای استفاده از AWS Clean Rooms با شرکایتان کمک میکند. بعد از اینکه مشخص کردید میخواهید با چه کسی همکاری کنید، سه مرحله را برای راهاندازی POC توصیه میکنیم:
- تعریف زمینه کسب و کار و معیارهای موفقیت – تعیین کنید کدام شریک، کدام مورد استفاده باید آزمایش شود و معیارهای موفقیت برای همکاری AWS Clean Rooms چیست.
- همسویی با انتخاب های فنی برای این آزمون - تصمیمات فنی را در مورد اینکه چه کسی اتاق تمیز را راه اندازی می کند، چه کسی داده ها را تجزیه و تحلیل می کند، از کدام مجموعه داده ها استفاده می شود، کلیدهای اتصال و چه تجزیه و تحلیلی در حال اجرا است، بگیرید.
- تشریح گردش کار و زمان بندی - یک برنامه بازگشت ایجاد کنید، در مورد آزمایش داده های مصنوعی تصمیم گیری کنید، و با آزمایش داده های تولید هماهنگ کنید.
در این پست، نمونهای از نحوه راهاندازی یک POC با یک ارائهدهنده تلویزیون متصل (CTV.Co) برای تعیین موفقیت یک کمپین تبلیغاتی توسط یک شرکت قهوه رستوران خدمات سریع (QSR) ارائه میکنیم.
زمینه کسب و کار و معیارهای موفقیت برای POC
کاربرد مورد آزمایش را تعریف کنید
اولین قدم در راهاندازی POC، تعریف مورد استفاده است که با شریکتان در اتاقهای تمیز AWS آزمایش میشود. به عنوان مثال، Coffee.Co می خواهد یک تجزیه و تحلیل اندازه گیری برای تعیین میزان قرار گرفتن در معرض رسانه در CTV.Co که منجر به ثبت نام در برنامه وفاداری Coffee.Co شده است، اجرا کند. AWS Clean Rooms به Coffee.Co و CTV.Co اجازه می دهد تا بدون کپی کردن داده های اساسی یکدیگر، با یکدیگر همکاری کرده و مجموعه داده های جمعی خود را تجزیه و تحلیل کنند.
معیارهای موفقیت
تعیین معیارهای موفقیت و معیارهای پذیرش برای انتقال POC به سمت تولید از قبل مهم است. برای مثال، هدف Coffee.Co دستیابی به نرخ تطابق کافی بین مجموعه دادههای خود و مجموعه دادههای CTV.Co است تا از کارایی تجزیه و تحلیل اندازهگیری اطمینان حاصل کند. علاوه بر این، Coffee.Co میخواهد استفاده آسان برای اعضای تیم Coffee.Co موجود برای ایجاد همکاری و اقدام بر اساس بینشهای حاصل از همکاری برای بهینهسازی هزینههای رسانهای آینده به تاکتیکهایی در CTV.Co که باعث وفاداری بیشتر اعضای میشود.
انتخاب های فنی برای POC
ایجادکننده همکاری، شناسههای حساب AWS، اجراکننده پرسش، پرداختکننده و گیرنده نتایج را تعیین کنید.
هر همکاری AWS Clean Rooms توسط یک حساب AWS ایجاد می شود که از سایر حساب های AWS دعوت می کند. ایجادکننده همکاری مشخص میکند کدام حسابها به همکاری دعوت میشوند، چه کسی میتواند پرسوجوها را اجرا کند، چه کسی هزینه محاسبه را پرداخت میکند، چه کسی میتواند نتایج را دریافت کند، و تنظیمات ثبت درخواست اختیاری و محاسبات رمزنگاری. سازنده همچنین میتواند اعضا را از یک همکاری حذف کند. در این POC، Coffee.Co با دعوت از CTV.Co شروع به همکاری می کند. علاوه بر این، Coffee.Co کوئری ها را اجرا می کند و نتایج را دریافت می کند، اما CTV.Co هزینه محاسبه را پرداخت می کند.
تنظیمات ثبت پرس و جو
اگر ورود به سیستم در همکاری فعال باشد، AWS Clean Rooms به هر عضو همکاری اجازه میدهد تا گزارشهای درخواست را دریافت کند. شریکی که پرسوجوها را اجرا میکند، Coffee.Co، گزارشهایی را برای همه جداول داده دریافت میکند در حالی که شریک دیگر، CTV.Co، گزارشها را تنها در صورتی میبیند که جداول دادههای آنها در پرسوجو ارجاع شده باشند.
منطقه AWS را تعیین کنید
زیربنایی سرویس ذخیره سازی ساده آمازون (Amazon S3) و چسب AWS منابع جداول داده مورد استفاده در همکاری باید در همان منطقه AWS با همکاری AWS Clean Rooms باشد. به عنوان مثال، Coffee.Co و CTV.Co در مورد منطقه شرق ایالات متحده (اوهایو) برای همکاری خود توافق کردند.
کلیدهای پیوستن
برای پیوستن به مجموعه دادهها در پرس و جوی AWS Clean Rooms، هر طرف اتصال باید یک کلید مشترک داشته باشد. مقایسه کلید پیوستن با مساوی با عملگر (=) باید به True ارزیابی شود. عملگرهای منطقی AND یا OR را می توان در اتصال داخلی برای تطبیق در ستون های اتصال چندگانه استفاده کرد. کلیدهایی مانند آدرس ایمیل، شماره تلفن یا UID2 اغلب در نظر گرفته می شوند. شناسه های شخص ثالث از LiveRamp, تجربه گر، or نورستر می توان از طریق جریان های کاری خاص AWS Clean Rooms با هر شریک در پیوستن استفاده کرد.
اگر از داده های حساس به عنوان کلیدهای اتصال استفاده می شود، توصیه می شود از تکنیک مبهم سازی برای کاهش خطر افشای داده های حساس در صورت سوء استفاده از داده ها استفاده کنید. هر دو طرف باید از تکنیکی استفاده کنند که مقادیر کلیدی اتصال مبهم یکسانی مانند هش را تولید کند. محاسبات رمزنگاری برای اتاق های تمیز می تواند برای این پیشنهاد استفاده شود.
در این POC، Coffee.Co و CTV.Co در ایمیل هش شده یا موبایل هش شده به هم می پیوندند. هر دو شریک هنگام آماده سازی مجموعه داده های خود برای همکاری از هش SHA256 در ایمیل متن ساده و شماره تلفن خود استفاده می کنند.
طرح واره داده
طرح دقیق داده باید توسط همکاران تعیین شود تا از تجزیه و تحلیل مورد توافق پشتیبانی شود. در این POC، Coffee.Co تجزیه و تحلیل تبدیلی را برای اندازه گیری قرار گرفتن در معرض رسانه ها در CTV.Co اجرا می کند که منجر به ثبت نام برای برنامه وفاداری Coffee.Co شد. طرح Coffee.Co شامل ایمیل هش شده، موبایل هش شده، تاریخ ثبت نام وفاداری، نوع عضویت وفاداری و تولد عضو است. طرح CTV.Co شامل ایمیل هش شده، موبایل هش شده، نمایشها، کلیکها، مهر زمانی، قرار دادن آگهی و نوع قرار دادن آگهی است.
قانون تجزیه و تحلیل برای هر جدول پیکربندی شده مرتبط با همکاری اعمال می شود
اتاق های تمیز AWS جدول پیکربندی شده یک مرجع به جدول موجود در کاتالوگ داده چسب AWS است که در همکاری استفاده شده است. حاوی یک قانون تحلیل که تعیین می کند چگونه می توان داده ها را در اتاق های تمیز AWS جستجو کرد. جداول پیکربندی شده را می توان به یک یا چند همکاری مرتبط کرد.
AWS Clean Rooms سه نوع قانون تجزیه و تحلیل ارائه می دهد: تجمیع، فهرست و سفارشی.
- تجمع به شما امکان میدهد پرس و جوهایی را اجرا کنید که یک آمار کلی را در نردههای محافظ حریم خصوصی تنظیم شده توسط هر صاحب داده ایجاد میکنند. به عنوان مثال، میزان تقاطع دو مجموعه داده چقدر است.
- فهرست به شما امکان می دهد پرس و جوهایی را اجرا کنید که لیست سطح ردیف از تقاطع مجموعه داده های متعدد را استخراج می کنند. به عنوان مثال، رکوردهای همپوشانی در دو مجموعه داده.
- سفارشی به شما امکان می دهد پرس و جوهای سفارشی و قالب های قابل استفاده مجدد را با استفاده از اکثر SQL استاندارد صنعتی ایجاد کنید، و همچنین پرس و جوها را قبل از اجرای همکارتان بررسی و تأیید کنید. به عنوان مثال، نوشتن یک جستار افزایشی افزایشی که تنها عبارتی است که مجاز به اجرا در جداول داده شماست. همچنین می توانید استفاده کنید AWS Clean Rooms Differential Privacy با انتخاب یک قانون تجزیه و تحلیل سفارشی و سپس پیکربندی پارامترهای حریم خصوصی دیفرانسیل خود.
در این POC، CTV.Co از قانون تجزیه و تحلیل سفارشی استفاده می کند و درخواست تبدیل را ایجاد می کند. Coffee.Co این قانون تجزیه و تحلیل سفارشی را به جدول داده های خود اضافه می کند و جدول را برای ارتباط با همکاری پیکربندی می کند. Coffee.Co پرس و جو را اجرا می کند، و فقط می تواند جستارهایی را که CTV.Co نویسندگان آنها را بر روی مجموعه داده های جمعی در این همکاری اجرا می کند، اجرا کند.
پرس و جو برنامه ریزی شده
همکاران باید پرس و جوی را تعریف کنند که توسط همکار تعیین شده برای اجرای پرس و جوها اجرا می شود. در این POC، Coffe.Co پرس و جو قانون تجزیه و تحلیل سفارشی CTV.Co را اجرا می کند تا بفهمد چه کسی پس از قرار گرفتن در معرض تبلیغ در CTV.Co برای برنامه وفاداری خود ثبت نام کرده است. Coffee.Co می تواند پارامتر پنجره زمانی مورد نظر خود را برای تجزیه و تحلیل زمانی که ثبت نام عضویت در یک محدوده تاریخی خاص انجام شده است، مشخص کند، زیرا این پارامتر در جستار قانون تجزیه و تحلیل سفارشی فعال شده است.
گردش کار و جدول زمانی
برای تعیین گردش کار و جدول زمانی برای راه اندازی POC، همکاران باید تاریخ هایی را برای فعالیت های زیر تعیین کنند.
- Coffee.Co و CTV.Co در زمینه کسب و کار، معیارهای موفقیت، جزئیات فنی، و جداول داده خود را آماده می کنند.
- مهلت مثال: 10 ژانویه.
- [اختیاری] همکاران برای تولید مجموعه داده های مصنوعی نماینده برای آزمایش غیر تولیدی قبل از آزمایش داده های تولید کار می کنند.
- مهلت مثال: 15 ژانویه
- [اختیاری] هر مشارکت کننده از مجموعه داده های مصنوعی برای ایجاد یک همکاری AWS Clean Rooms بین دو حساب غیر تولیدی AWS متعلق به خود استفاده می کند و قوانین تجزیه و تحلیل و پرس و جوهایی را که می خواهند در تولید اجرا کنند نهایی می کند.
- مهلت مثال: 30 ژانویه
- [اختیاری] Coffee.Co و CTV.Co یک همکاری AWS Clean Rooms بین حسابهای غیر تولیدی ایجاد میکنند و قوانین تحلیل و جستجوها را با مجموعه دادههای مصنوعی آزمایش میکنند.
- مهلت مثال: 15 فوریه
- Coffee.Co و CTV.Co یک همکاری تولیدی AWS Clean Rooms ایجاد می کنند و پرس و جوهای POC را روی داده های تولید اجرا می کنند.
- مهلت مثال: 28 فوریه
- نتایج POC را با معیارهای موفقیت ارزیابی کنید تا تعیین کنید چه زمانی به سمت تولید حرکت کنید.
- مهلت نمونه 15 مارس
نتیجه
پس از اینکه زمینه کسب و کار و معیارهای موفقیت POC را تعریف کردید، با جزئیات فنی هماهنگ کردید، و گردش کار و زمان بندی را مشخص کردید، هدف POC اجرای یک همکاری موفق با استفاده از AWS Clean Rooms برای تایید حرکت به سمت تولید است. بعد از اینکه تأیید کردید که همکاری برای انتقال به مرحله تولید آماده است، AWS میتواند به شما کمک کند مکانیسمهای اتوماسیون را برای اجرای برنامهای AWS Clean Rooms برای موارد استفاده تولیدتان شناسایی و پیادهسازی کنید. این ویدئو را تماشا کن برای کسب اطلاعات بیشتر در مورد همکاری با حفظ حریم خصوصی و تماس با نماینده AWS برای کسب اطلاعات بیشتر در مورد AWS Clean Rooms.
درباره AWS Clean Rooms
AWS Clean Rooms به شرکتها و شرکای آنها کمک میکند تا به راحتی و با خیال راحتتر مجموعه دادههای جمعی خود را تجزیه و تحلیل کنند و روی آنها همکاری کنند - بدون اینکه دادههای اساسی یکدیگر را به اشتراک بگذارند یا کپی کنند. با AWS Clean Rooms، مشتریان می توانند در عرض چند دقیقه یک اتاق تمیز داده ایمن ایجاد کنند و با هر شرکت دیگری در AWS همکاری کنند تا بینش منحصر به فردی در مورد کمپین های تبلیغاتی، تصمیمات سرمایه گذاری، و تحقیق و توسعه ایجاد کنند.
منابع اضافی
درباره نویسندگان
شیلا ماتیاس پیشرو توسعه کسب و کار برای AWS Clean Rooms در خدمات وب آمازون است.
آلیسون میلون یک بازاریاب محصول برای صنعت تبلیغات و بازاریابی در خدمات وب آمازون است.
رایان ملکی یک معمار ارشد راه حل در خدمات وب آمازون است. او بر کمک به مشتریان برای ایجاد بینش از دادههای خود، به ویژه با اتاقهای تمیز AWS متمرکز است.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/big-data/aws-clean-rooms-proof-of-concept-scoping-part-1-media-measurement/
- : دارد
- :است
- $UP
- 1
- 10
- 100
- a
- قادر
- درباره ما
- پذیرش
- حساب
- حساب ها
- رسیدن
- عمل
- فعالیت ها
- Ad
- اضافی
- علاوه بر این
- نشانی
- می افزاید:
- تبلیغات
- پس از
- در برابر
- تجمیع
- تجمع
- موافقت کرد
- تراز
- هم راستا
- معرفی
- اجازه می دهد تا
- همچنین
- آمازون
- آمازون خدمات وب
- Amazon.com
- an
- تجزیه و تحلیل
- تحلیل
- تحلیل
- تجزیه و تحلیل
- و
- هر
- اعمال می شود
- تصویب
- هستند
- AS
- مرتبط است
- انجمن
- فرض
- At
- نویسنده
- تالیف
- نویسندگان
- اتوماسیون
- در دسترس
- AWS
- مشتری AWS
- چسب AWS
- کنسول مدیریت AWS
- BE
- زیرا
- بوده
- بودن
- میان
- بلاگ
- هر دو
- هر دو طرف
- نام تجاری
- ساختن
- کسب و کار
- توسعه تجاری
- اما
- by
- کمپین بین المللی حقوق بشر
- مبارزات
- CAN
- مورد
- موارد
- کاتالوگ
- انتخاب
- را انتخاب
- تمیز
- CO
- کشت
- همکاری
- همکاری
- مشارکت
- مشارکت کنندگان
- Collective - Dubai Hills Estate
- ستون ها
- COM
- مشترک
- شرکت
- شرکت
- مقایسه
- متمم
- محاسبه
- محاسبه
- مفهوم
- مفاهیم
- انجام
- پیکربندی
- پیکربندی
- متصل
- در نظر گرفته
- کنسول
- مصرف کننده
- تماس
- شامل
- زمینه
- تبدیل
- کپی برداری
- هزینه
- ایجاد
- ایجاد شده
- خالق
- ضوابط
- رمزنگاری
- سفارشی
- مشتری
- مشتریان
- داده ها
- مجموعه داده ها
- مجموعه داده ها
- مجموعه داده ها
- تاریخ
- تاریخ
- ضرب الاجل
- تصمیم گیری
- تصمیم گیری
- تعريف كردن
- مشخص
- تعریف کردن
- مطلوب
- جزئیات
- مشخص کردن
- مشخص
- تعیین می کند
- پروژه
- راندن
- رانده
- هر
- به آسانی
- شرق
- اثر
- اثر
- پست الکترونیک
- فعال
- غنی سازی
- اطمینان حاصل شود
- به خصوص
- تخمین زدن
- اتر (ETH)
- ارزیابی
- مثال
- موجود
- قرار گرفتن در معرض
- ارائه
- خارجی
- عصاره
- فوریه
- فوریه
- نام خانوادگی
- جریانها
- متمرکز شده است
- تمرکز
- پیروی
- برای
- از جانب
- آینده
- افزایش
- عموما
- تولید می کنند
- دریافت کنید
- هدف
- مخلوط
- درهم
- حس کردن
- he
- کمک
- کمک
- کمک می کند
- جامع
- چگونه
- HTML
- HTTPS
- شناسه ها
- شناسایی
- شناسه
- if
- تأثیر
- انجام
- مهم
- in
- شامل
- به طور فزاینده
- افزایشی
- لوازم
- صنعت
- شروع می کند
- داخلی
- بینش
- تقاطع
- سرمایه گذاری
- دعوت
- دعوت کردن
- IT
- ژانویه
- پیوستن
- پیوستن
- نگاه داشتن
- کلید
- کلید
- بزرگ
- رهبری
- یاد گرفتن
- یادگیری
- رهبری
- سطح
- فهرست
- ورود به سیستم
- منطقی
- وفاداری
- برنامه وفاداری
- دستگاه
- فراگیری ماشین
- حفظ
- ساخت
- مدیریت
- مارس
- بازار یابی (Marketing)
- صنعت بازاریابی
- مسابقه
- مطابق
- اندازه
- اندازه گیری
- مکانیسم
- رسانه ها
- عضو
- اعضا
- عضویت
- متریک
- ذهن
- دقیقه
- کاهش
- موبایل
- بیش
- اکثر
- حرکت
- متحرک
- چند حزبی
- چندگانه
- باید
- عدد
- of
- پیشنهادات
- غالبا
- اوهایو
- on
- ONE
- فقط
- اپراتور
- اپراتور
- بهینه سازی
- or
- دیگر
- طرح کلی
- مشخص شده
- متعلق به
- مالک
- پرداخت
- کاغذ کاری
- پارامتر
- پارامترهای
- بخش
- احزاب
- شریک
- شرکای
- حزب
- کشور
- انجام دادن
- تلفن
- محل
- کاریابی
- متن ساده
- برنامه
- برنامه ریزی
- افلاطون
- هوش داده افلاطون
- PlatoData
- پوک
- پست
- آماده
- آماده
- قبلا
- اولویت
- خلوت
- مشکل
- تولید می کند
- محصول
- تولید
- برنامه
- اثبات
- اثبات مفهوم
- پیشنهادات
- ارائه دهنده
- هدف
- نمایش ها
- سریع
- به سرعت
- محدوده
- رتبه
- نرخ
- رسیده
- اماده
- گرفتن
- دریافت
- اخیر
- توصیه
- توصیه می شود
- سوابق
- مرجع
- منطقه
- برداشتن
- نماینده
- تحقیق
- تحقیق و توسعه
- منابع
- رستوران
- نتیجه
- نتایج
- قابل استفاده مجدد
- این فایل نقد می نویسید:
- خطر
- اتاق
- اتاق
- ROW
- قانون
- قوانین
- دویدن
- دونده
- در حال اجرا
- اجرا می شود
- حراجی
- همان
- محدوده بندی
- امن
- ایمن
- به دنبال
- می بیند
- انتخاب
- ارشد
- حساس
- سلسله
- سرویس
- خدمات
- تنظیم
- مجموعه
- محیط
- تنظیمات
- SHA256
- اشتراک گذاری
- اشتراک
- باید
- طرف
- امضاء
- امضاء شده
- ساده
- تنها
- So
- مزایا
- خاص
- خرج کردن
- SQL
- استاندارد
- شروع
- آغاز شده
- گام
- مراحل
- ذخیره سازی
- ساختار
- موفقیت
- موفق
- چنین
- کافی
- پشتیبانی
- پشتیبانی از
- بررسی
- ترکیبی
- داده های مصنوعی
- جدول
- تاکتیک
- تیم
- اعضای تیم
- فنی
- تکنیک
- قالب
- آزمایش
- تست
- تست
- که
- La
- شان
- آنها
- سپس
- آنها
- سوم
- این
- سه
- از طریق
- زمان
- جدول زمانی
- برچسب زمان
- زمان
- به
- امروز
- در زمان
- بالا
- درست
- tv
- دو
- نوع
- انواع
- اساسی
- فهمیدن
- منحصر به فرد
- بر
- us
- استفاده کنید
- مورد استفاده
- استفاده
- استفاده
- با استفاده از
- تصدیق
- تایید شده
- ارزشها
- چشم انداز
- راه رفتن
- می خواهم
- می خواهد
- بود
- مسیر..
- راه
- we
- وب
- خدمات وب
- خوب
- چی
- چه زمانی
- که
- در حین
- WHO
- اراده
- پنجره
- با
- در داخل
- بدون
- مهاجرت کاری
- گردش کار
- خواهد بود
- شما
- شما
- یوتیوب
- زفیرنت