كيف يتم تحليلنا في المتاجر والمطاعم - تستمر القصة

في الجزء الأول من المقالة ، تحدثت عن أداة جديدة لرجال الأعمال لحساب وتحليل حركة المرور البشرية باستخدام الكاميرات. هناك عدد غير قليل من المنتجات لحساب عدد الأشخاص في السوق ، ولكن لا يوجد عمليا أي منتجات تقوم بذلك عن طريق تحليل الوجه الإنساني. عند التعرف على الوجوه ، يمكنك الحصول على المعلومات التالية: الجنس والعمر والخلفية العاطفية ، والأهم من ذلك ، معرف فريد للوجه. هذا الأخير ضروري لفهم أننا رأينا هذا الوجه من قبل: ثم ، مرات عديدة ، مع مثل هذه الدورية وهذه ، الخ.

يتم استخدام تحليلات الفيديو هذه بشكل مثالي في البيع بالتجزئة والخدمات والمقاهي والمطاعم. يمكنك الآن تحليل العملاء بشكل أكثر تحديدًا ودقة: حركاتهم ، تفردهم ، تكرارهم ، الجنس والعمر ، وبطبيعة الحال ، العواطف. في عداد الأشخاص ، يمكنك أخيرًا فصل الموظفين عن الزائرين والنظر في مدة الخدمة وبناء أنشطة التسويق لزيادة ولاء العملاء.

واسمحوا لي أن أذكرك أنه على سبيل المثال ، تم أخذ نقطة واحدة - مقهى (على أساس غرفة الطعام) في موسكو ، حيث تم تثبيت الكاميرا عند الخروج.

تحليل متعمق للوجوه المعترف بها

النتائج التي يمكن الحصول عليها باستخدام Track Expert ، والتي أدرجتها في الجزء الأول من المقالة ، تظهر على السطح وهي واضحة تمامًا: عدد المشترين والموظفين والتجزئة حسب الجنس والعمر والعواطف. ولكن من أجل اتخاذ قرارات استراتيجية جادة ، لا تحتاج إلى تحليل أقل خطورة.

أريد أن أتطرق إلى موضوع الولاء. بالولاء ، نعني تكرار زيارات العملاء والعملاء. تبعا لذلك ، وكلما زاد عدد الولاء.

لقد قررنا المصطلحات. الآن كيف نحسب؟ كيف نفهم أن الولاء يتزايد أو يتناقص أو لا يحدث شيء؟

الخيار الأسهل هو مجرد النظر إلى نسبة العملاء الجدد والعائدين ونسبة العائد.

في المتوسط ​​، يتقلب معامل العائد هنا حوالي 70٪. أي حوالي 30 ٪ من الزوار الجدد يأتون إلى المقهى يوميًا. هذا جيد جدا

الآن دعونا ننظر إلى أولئك الذين يمشون ليس لأول مرة ، ولكن باستمرار مشروط . سؤال: كم مرة أو كم مرة يأتي الزوار هنا؟

الغرض من سؤالي بسيط: كيفية التأكد من أن أولئك الذين يذهبون بالفعل إلى المقهى (متجر ، صالون ، نادي للياقة البدنية ، إلخ) يذهبون أكثر كثيرًا.

النهج التقليدي هو بطاقات الخصم. قم بتوزيعها على الجميع ، ثم "سنرى". هذا خيار طبيعي ، ولكن:

• لا يحمل الناس دائمًا بطاقات خصم معهم ؛
• ليس من الممكن دائمًا تحديد هويتك عند الخروج عن طريق رقم الهاتف أو البريد الإلكتروني. نعم ، ويترك الكثيرون بيانات مزيفة عن أنفسهم لتجنب الرسائل غير المرغوب فيها غير الضرورية ؛
• يمكن نقل البطاقات إلى بعضها البعض (وهذا ما يفعله J) ؛
• ليس كل الأعمال ، من حيث المبدأ ، لديها بطاقات الخصم.

ربما نسي شيء آخر. ولكن هذا لم يعد مهما.

لذلك أصبح الوجه الإنساني بديلاً جيداً لتحديد هوية المشتري والعمل الشخصي معه.

بادئ ذي بدء ، نقترح تقسيم جميع الزوار إلى 5 مجموعات: جديد ، نادر جدًا ، نادرًا ، كثيرًا ، كثيرًا.

لا يمكن الحصول على ولاء العملاء بمجرد نقرة واحدة. بالطبع ، يمكن للمرء أن يأمل أن العميل الذي ذهب إلى مطعم / مقهى / متجر مرة واحدة كل 3 أشهر يبدأ فجأة بالذهاب إلى هناك عدة مرات في الأسبوع ، ولكن هذا سيكون على الأرجح وضعًا استثنائيًا. يحتاج العميل للفوز ، ثم لا تضيع! وبالتالي من الأفضل أن يتم نقله تدريجياً من مجموعة إلى أخرى - من "جديد" إلى "كثيرًا".

لكل عمل ، ستكون مفاهيم "غالبًا" أو "غالبًا" مختلفة. لذلك ، حتى لا تفرح بأوهام عدد المرات التي يعود فيها الأشخاص إليك ، يمكنك استخدام مقياس "حداثة الزيارات" وفهم متوسط ​​تواتر عائدات عملائها.

يمكن ملاحظة أن غالبية الزوار هم أولئك الذين يذهبون إلى المقاهي على أساس أسبوعي (من 1 مرة في الأسبوع - حتى 7). إذا كان شخص ما يمشي ، على سبيل المثال ، في مقهى مرة كل أسبوعين ، فهو ينتمي بالفعل إلى فئة "الشهر". هناك أيضا الكثير منهم. لذلك ، يتم إجراء تحليل الولاء بشكل أساسي لمجموعتين من العملاء - تكون مدة الزيارة "أسبوع" و "شهر".

سيكون هناك هدفين. الأول هو محاولة إيجاد رافعة لنقل الحد الأقصى لعدد الزوار من مجموعة الشهر إلى مجموعة الأسبوع. والثاني - داخل كل مجموعة من المجموعات للتأثير على تكرار الزيارات من "نادر جدًا" إلى "كثيرًا". بشكل عام ، إنها مسألة استشارات تسويقية جيدة.

باستخدام مثال مجموعة "Week" ، سأبين كيفية فهم المشكلة ، وتقسيم الزائرين إلى مجموعات من حيث الولاء وما يجب القيام به بعد ذلك. يمكن تغيير قيم التكرار لمجموعة "الأسبوع" التي قمنا بتعيينها (يمكن تغييرها) كما يلي: "نادرًا جدًا" - مرة واحدة في الأسبوع ، "نادرًا" - 2 ... 3 مرات في الأسبوع ، "غالبًا" - 4 مرات في الأسبوع ، "غالبًا" - 5 ... 7 مرات في الأسبوع.

من الواضح لمدة شهرين أن نسبة عدد الزوار في هذه الفئات لم تتغير تقريبًا. تحتل "نادرًا جدًا" 50٪ كحد أدنى فيما يتعلق بالترددات الأخرى ، وبالتالي فإن هامش زيادة الحضور كبير جدًا. للقيام بذلك ، تحتاج إلى معرفة من الذي في هذه الأعمدة الملونة.

لن أقوم بتحليل إضافي في هذا المقال ، رغم أنه مثير للاهتمام. لا يمكنني إلا أن أقول ، على الأقل ، ما يلي يمكن وينبغي القيام به:

• انظر توزيع العمر والجنس لكل مجموعة تردد. ابحث عن خصائص سلوكية مماثلة واعمل على خطة تسويقية بشكل فردي مع كل منها.
• بعد كل خطوة تسويقية ، تحتاج إلى قياس التغييرات بعناية.

يجب أن نتذكر أنه بالنسبة لكل زيارة (أسبوع / شهر / ربع / سنة) ، يجب توقع تأثير التسويق تمامًا بالوتيرة المناسبة.

استخدامات التجزئة الأخرى

أذكرك مرة أخرى بأن كل هذه البيانات تم استلامها من كاميرا واحدة. الآن دعنا نتخيل ما إذا كانت هناك عدة كاميرات (داخل الكائن ، على كائنات مختلفة).

الحالة 1. كاميرا واحدة عند المدخل ، والثانية عند الخروج أو عند الخروج.

بوضع اثنين أو أكثر من الكاميرات مرة واحدة في المتجر ، نحصل على مجموعة أخرى من المقاييس التي تتيح لك القياس:

- متوسط ​​الوقت الذي يقضيه الزائر في المتجر.

- متوسط ​​وقت السفر من المدخل إلى مكتب التذاكر.

- عواطف الزوار عند الخروج وعند الخروج.

في كثير من الأحيان ، يريد العملاء معلومات حول الوقت الذي يقضيه العملاء في المتجر. باستخدام عدادات الزوار التقليدية ، لا يمكنك الحصول على هذه المعلومات. لا يمكننا التحدث إلا عن متوسط ​​قيمة معينة خلال فترة زمنية. على سبيل المثال ، في ساعة واحدة ، دخل 14 شخصًا و 9 خارجًا ، أو بالعكس - دخل 8 أشخاص و 12 شخصًا ، والسؤال الآن هو. ما هو متوسط ​​الوقت الذي يقيم فيه الزائر في المتجر إذا تم كسر 5 شيكات عند الخروج؟

إذا استخدمنا تقنية التعرف على الوجوه ، فستصبح هذه المهمة ممكنة وقابلة للحل على الفور. هناك خيار آخر - لتتبع كل زائر. لكن لهذا الغرض ، يجب تغطية المتجر بشبكة من الكاميرات بحيث يتم نقل الزائر من خلية واحدة (منطقة الكاميرا) إلى خلية مجاورة ، عن طريق القياس مع نظام الاتصالات الخلوية ، وذلك قبل الخروج. الحل الذي لا يكون مقبولًا جدًا من حيث التكلفة سيظهر بالإضافة إلى احتمال حدوث اضطراب في المسار (فقد زائر) في الإطار ليس صغيرًا جدًا.

مع التعرف على الوجوه ، يكفي إزالة شخص عند المدخل والخروج ، أو عند المدخل وعند الخروج. والآن لديك إحصائيات دقيقة حول وقت الزائر الذي يقضيه في المتجر.

الحالة 2. العمل التنبؤي مع العملاء

تخيل للحظة أن الزوار يأتون إلى متجرك الذين اشتروا شيئًا منك أكثر من مرة ، ولكنهم دخلوا في الآونة الأخيرة بدون إعلانات. أولاً ، كيف نفهم أن مثل هذا الموقف يحدث من حيث المبدأ ، وثانياً ، ما السبب وراء ذلك؟

سيتم الإجابة على السؤال الأول بمعلومات من الحالة 1 ، بالإضافة إلى بيانات عن الولاء ، بالإضافة إلى معلومات عن عواطف الأشخاص الذين يغادرون. وفي السؤال الثاني ، قد يكون هناك مليون سبب. على سبيل المثال ، قمت بتغيير خط الملابس والأحذية وشيء آخر ، وكان الشخص يبحث عن ما اشتراه بالضبط في العام الماضي. يأتي المشتري مرة واحدة ، اثنان ، والثالث تخسره. وضع مألوف؟ هل سيكون من المثير للاهتمام أن تكون سباقا وتتنبأ بمثل هذا السلوك أو أن تجتذب الزوار المخلصين قبل أن يشتروا شيئا ما؟ السؤال بلاغي. لكن من المهم أن نعرف أن الإجابة عليه ممكنة بالفعل.

العمارة وكيف تعمل

في مقالة سابقة ، قلت بالفعل أن بنية حل CVizi خفيفة. لا خوادم ضخمة ، أمناء السجلات. لا حاجة للحفاظ على أسطول من المعدات وإقران كل شيء مع بعضها البعض.

علاوة على ذلك ، فإن الهندسة المعمارية ليست غائمة في أنقى صورها. هي مختلطة. هذا النهج ، بالنظر إلى الوضع الحالي للأشياء في تطوير كاميرات الفيديو المنزلية ، له ما يبرره تماما.

الآن سأحاول شرح. من وجهة نظر إنترنت الأشياء ، يمكن اعتبار كاميرات الفيديو بعض المستشعرات التي توفر المحتوى لمزيد من المعالجة التلقائية والتحليل واتخاذ القرارات. يمكنك توجيه حركة المرور إلى بعض الخوادم السحابية ومعالجتها هناك ، ولكن هناك العديد من المزالق (رغم أنها ليست مطبات).

1. مقدار حركة المرور على الإنترنت التي سيتم نقلها إلى السحب. إذا كان الكائن يحتوي على العديد من الكاميرات و / أو كان لديك العديد من الكائنات ، فسيكون حجم حركة المرور ضخمًا وستكون هناك حاجة إلى قنوات إنترنت مخصصة. وهو أبعد ما يكون عن الممكن دائما.
2. متطلبات الخادم (الخوادم) التي تسجل الدفق ومعالجته: طاقة الحوسبة ، التكرار ، إدارة التحميل.
3. خطأ التسامح من النظام بأكمله. اعتماد قوي على صحة النظام بأكمله على صحة خادم واحد .

سيكون من الرائع استخدام ليس فقط الكاميرات ، ولكن الكاميرات الذكية لمهام تحليلات الفيديو. يجب أن تكون المهمة الرئيسية تحليلًا أوليًا لدفق الفيديو "أثناء التنقل" ، وتخصيص الأحداث المرغوبة منه ، لإعداد البيانات لتحليلها. لسوء الحظ ، لا يمكن العثور على الكاميرات الذكية العالمية في السوق مقابل المال المعقول. لذلك ، "صنعنا" ذلك بأنفسنا.

دعنا نذهب لفترة وجيزة على عناصر الهندسة المعمارية.

جهاز الحوسبة S-Box

إليك أحد التعديلات على الجهاز:

الغرض الرئيسي منه هو المعالجة الأساسية لتيار من كاميرا IP أو USB. في كل إطار ، تعثر وظيفة اكتشاف الوجه على الوجوه وتلتقطها وتشكل قائمة بسمات الوجه (الإحداثيات ، الزاوية ، جودة الصورة على الإطار ، المسافة إلى الكاميرا). علاوة على ذلك ، يتم إرسال هذه المعلومات إلى البوابة السحابية CVizi ، التي تعمل على منصة Azure ، من خلال قناة مشفرة. يرجى ملاحظة أن دفق الفيديو نفسه لا ينتقل إلى السحابة.

تتم كتابة الرمز في C ++ و Python ، والذي يسمح لك باستخدام مجموعة كاملة من الأدوات للعمل مع الصور والكاميرات.

بالمناسبة ، بطريقة مماثلة ، يتم استخدام S-Box أيضًا في مهام أخرى لتحليلات الفيديو: اكتشاف عمليات الإنتاج والأشخاص والمركبات وأشياء أخرى.

كاميرا

الكاميرات يمكن أن تكون مختلفة جدا. علاوة على ذلك ، لا توجد معايير صارمة من شأنها أن تحد من اختيارهم. الشيء الرئيسي هو أن هذه هي كاميرات IP منزلية وغير صناعية بسيطة (غالبًا IP) ذات سعر ديمقراطي. تجدر الإشارة إلى أن الكاميرا هي المعدات التي يتم تحديثها في السوق ، وربما أسرع ما نستخدمه. المعيار الرئيسي لاختيارنا لكاميرا معينة في حزمة تثبيت Track Expert هو السعر / الجودة. للحفاظ على تكلفة حزمة التثبيت في نفس المستوى ، ولكن في نفس الوقت لتحسين جودة الخدمة باستمرار ، فإننا نواصل مواكبة جميع المنتجات الجديدة باستمرار. في مختبرنا للاختبار ، يوجد دائمًا عينة من المرشحين للكاميرات لمهمة تجارية معينة.

على سبيل المثال ، في وقت كتابة هذا التقرير للتعرف على الوجه ، نحن نستخدم كاميرات 5MP هذه لعاملين في الشكل.

بوابة CVizi

المدخل هو في الواقع قلب النظام بالكامل ، والذي يحتوي ببساطة على وظائف لا حصر لها. قوائم أبسط.

الأول هو تخزين البيانات. هذا هو المكان الذي يساعدنا SQL Azure. أولاً ، استخدمنا SQL Server التقليدي الذي تم نشره على الأجهزة الافتراضية. وكان هذا خيارًا جيدًا ، نظرًا لأن لدينا كفاءات كافية لإدارة وتحسين أداء SQL Server. ولكن في مرحلة ما مع نمو العملاء ، أدركنا أنه من الصعب جسديًا وغير كفء إدارة عدد كبير من قواعد البيانات الصغيرة وليس الكبيرة جدًا. تمكنت SQL Azure من حل مهامنا بسهولة من خلال نظام تحليلات متكامل مع تدريب على الكمبيوتر وتقنيات تكيفية لتحسين الأداء المستمر لقواعد البيانات في الوقت الفعلي.

من الملائم أيضًا إدارة أداء قاعدة البيانات ديناميكيًا ، مما يتيح لك معالجة كميات لا تصدق من الإحصاءات.

ثانياً ، يسمح لك Microsoft Blob Storage بتخزين جميع الصور ومقاطع الفيديو بأي كمية ، واستقبالها عبر رابط تشعبي واستخدامها ، على سبيل المثال ، في أدوات مثل Power BI.

ثالثًا ، الخدمة المعرفية لـ Microsoft Face API. بمساعدة ذلك ، نتعرف على الوجوه ، ونجمع الأشخاص المتشابهين ونحسب أي وجه ومتى تم تسجيله مسبقًا.

للعمل مع Microsoft Face API ، نستخدم Python. لا أريد أن أكرر نفسي ، في المقال السابق ، يوجد مثالان للبرامج النصية للوصول إلى Microsoft Face API.

رابعا ، نظام لمراقبة ومراقبة صحة جميع المعدات التي يركبها العملاء. في الواقع ، تمثل جميع S-Boxs معًا نفس إنترنت الأشياء. لقد قمنا ببناء نظام مراقبة منفصل لكل جهاز في الشبكة ونراقب باستمرار صحة الجهاز. يبدو أن هذا هو خاص جدا؟ لكن فكر في مقدار ما يمتلكه المالك ، على سبيل المثال ، من متجر لأية أجهزة يجب أن تعمل بسلاسة. إنه شيء واحد إذا تعطلت الثلاجة أو السجل النقدي وأصبح الانهيار مرئيًا على الفور ، والآخر عبارة عن نوع من الأشخاص ، حيث يمكن فتحه في غضون شهر أو أكثر ، عندما يرغب المالك في الحصول على تقرير نهائي. لماذا لا تسيطر؟ لماذا لم يبلغ؟ على من يقع اللوم؟ كيفية استعادة الإحصاءات؟ أي بحوث التسويق في المتجر هذا الربع أسفل هجرة؟

في حالتنا ، هذا مستحيل. ستتلقى جميع الأطراف المهتمة إخطارات بحدوث خلل في المعدات من بضع دقائق إلى عدة ساعات ، وسيساعد فريق الدعم التابع لنا على حل المشكلة. علاوة على ذلك ، عن بعد! للرجوع اليها. وكقاعدة عامة ، ترتبط 80٪ إلى 90٪ من الحوادث بانخفاض في قنوات الإنترنت الخاصة بالعميل.

ولمواكبة العصر ، يتمتع نظام إدارة Track Expert بالقدرة على تحديث البرامج عن بُعد. ظهرت خوارزمية ناجحة جديدة - بلمسة واحدة على "زر واحد" سيتم تحديثها للعملاء الذين يحتاجونها ويستخدمونها.

فوائد العمارة

الهندسة المعمارية CVizi ، كما فهمت ، هي مختلطة. على أرض الواقع - S-Boxes ، وفي السحابة - خدمات Azure وأكثر.

في الفرضية: S- Box Distributed Network

يعد استخدام العديد من أجهزة الحوسبة الصغيرة دائمًا أفضل من خادم كبير / مجموعة كبيرة من الخوادم ، حيث يتم إغلاق جميع تدفقات الفيديو من مصادر مختلفة. بغض النظر عن قوتها وتبريدها ، ستأتي اللحظة التي ستصبح فيها عنق الزجاجة في النظام وستتوقف تشغيل النظام بأكمله على أدائه. في حالة وجود نظام موزع لأجهزة الحوسبة ، يؤدي كل S-Box مجموعة صغيرة من المهام الخاصة به ولا يعتمد أداء النظام بأكمله على أداء S-Box واحد محدد.

بالإضافة إلى ذلك ، يمكن أن تتجاوز القدرة الكلية للحوسبة في S-Box ، على سبيل المثال ، في منشأة كبيرة إلى حد ما ، قوة الحوسبة الخاصة بالخوادم العليا ، وسيكون سعر الجهاز أقل عدة مرات. الشيء الأكثر أهمية هو معرفة كيفية إدارة هذه الحوسبة الموزعة بشكل صحيح J. ويمكننا القيام بذلك.

ترقية البنية التحتية على فرضية. بالنسبة للعديد من العملاء ، هذه مشكلة حساسة للغاية ، دائما مكلفة للغاية ويرافقه أعطال ووقت التوقف عن العمل في النظام بأكمله ، لأنه التحولات غير الملحومة (من الحديد إلى الحديد أو من منصة إلى منصة) لا تحدث أبدًا. في حالة وجود شبكة موزعة من الأجهزة ، يصبح كل شيء بسيطًا. يمكن أن يكون الانتقال سلسًا للغاية وغير مكلف من حيث شراء عدد كبير من الأجهزة مرة واحدة. وأثناء الترقية ، سيتم ضمان التشغيل المستمر للنظام بأكمله.

سحابة: أزور

تجدر الإشارة إلى أن Azure يوفر أدوات مريحة للغاية من حيث التوسع وإدارة أداء البنية التحتية. جميع العملاء مختلفون مع أحجام مختلفة من استهلاك الموارد. يعتبر التعرف على 100 إلى 300 شخص يوميًا في متجر بالقرب من المنزل ، وهو وضع مختلف تمامًا عندما يكون هناك مركز تجاري كبير به عدة مداخل أو سلسلة من المتاجر ، به حركة مرور يومية تضم عدة آلاف من الزوار الفريدين.

مع النهج التقليدي في بنية On Premise ، قد ينشأ موقف يتمثل في أن سعة الخادم قد تكون خامدة ، وفي الثانية قد يتم تفويتها ، خاصة في الأيام التي تشهد ذروة حركة المرور. وتعد الإدارة المرنة والفورية تقريبًا لقوة الحوسبة المستخدمة في أزور مجرد هدية لنا.

ملخص

ما أريد أن أقول في الختام ...

التقدم التكنولوجي يقترب منا بلا هوادة وكل يوم يعطينا أدوات وتقنيات جديدة وجديدة. يمكنك بالطبع التحدث عن كيف أصبح كل شيء سيئًا: يتم التعرف على وجهك في كل مكان ؛ من الأفضل عدم مغادرة المنزل الآن ، لأن الاخ الاكبر يراقبك لم أسمح بإطلاق النار والتحليل ، وما إلى ذلك. إلخ لكنها بالفعل. من أي كاميرات موجودة في الأماكن العامة تتجمع وجوهك وتكمن في أرشيفات الفيديو. وتجمعوا لفترة طويلة جدا. سواء أعجبك ذلك أم لا.

الآن ، اتخذ التقدم التكنولوجي خطوة أخرى وأصبح من الممكن معالجة هذه البيانات يدويًا ، ولكن تلقائيًا. ظهرت الشبكات العصبية التلافيفية. هناك كاميرات فيديو رخيصة الثمن ، إن لم تكن رخيصة. الموارد السحابية المتاحة. يتيح لك التآزر بين هذه التقنيات وغيرها من التقنيات إنشاء منتجات مثيرة للاهتمام لشخص عادي بسيط. تطبيقات محدودة فقط من خيالك. التجزئة ، HoReCa ، صناعة الأحداث ، التعليم - هذا ما برز في أذهاننا على الفور. لكن أي عملية تنطوي على تحليل شخص لبعض الأحداث في الإطار يمكن القيام بها بدرجة معينة من اليقين:

• نقل من مشغل لآلة (رؤية الكمبيوتر)
• تجميع الإحصائيات للأحداث المرغوبة (بدلاً من الاحتفاظ بسجل مستمر)
• أتمتة معالجة الحدث
• ربط تحليل الحدث التنبئي

هذه طبقة بيانات لم تكن موجودة من قبل. ولكن في الوقت الحالي ، لا تزال رغبة الشركة في أخذ هذه البيانات لنفسها ومعالجتها وتفسيرها واستخدامها بشكل صحيح منخفضة للغاية.

اتخذ فريق CVizi خطوة أخرى نحو إتاحة أدوات التحليل هذه وجعل الأوهام والأحلام أقرب قليلاً وأكثر واقعية.

عن المؤلف

أليكسي أوسيبوف - مدير تطوير CVizi . جهات الاتصال: "aosipov @ cvizi.com". على صفحتنا في FB نقوم بنشر الأخبار حول إصدار واستخدام التطورات والتقنيات الجديدة الخاصة بنا.