แบบจำลองเพื่อทำนายจำนวนการดู Youtube ของสไตล์กังนัม


73

มิวสิกวิดีโอของ PSY "Gangnam style"ได้รับความนิยมหลังจากนั้นไม่เกิน 2 เดือนผู้ชมประมาณ 540 ล้านคน ฉันได้เรียนรู้สิ่งนี้จากเด็กอายุสิบสามของฉันที่งานเลี้ยงอาหารค่ำเมื่อสัปดาห์ที่แล้วและในไม่ช้าการอภิปรายก็ดำเนินไปในทิศทางที่เป็นไปได้ถ้ามันเป็นไปได้ที่จะทำนายว่ามีผู้ชมกี่คนใน 10-12 วันและเมื่อไหร่ จะส่งผู้ชม 800 ล้านคนหรือผู้ชม 1 พันล้านคน

นี่คือภาพจากจำนวนผู้ชมนับตั้งแต่มีการโพสต์: PSY OGS

นี่คือรูปภาพจากจำนวนผู้ชมของ No1 "Justin Biever-Baby" และ No2 "Eminem - รักในแบบที่คุณโกหก" มิวสิควิดีโอที่ทั้งคู่อยู่กันมานานกว่านี้มาก จัสติน Eminem

ความพยายามครั้งแรกของฉันที่จะให้เหตุผลเกี่ยวกับตัวแบบคือมันควรจะเป็น S-curve แต่ดูเหมือนจะไม่เหมาะกับเพลง No1 และ No2 และยังไม่พอดีที่จะไม่มีการ จำกัด จำนวนการดูวิดีโอเพลง สามารถมีได้เพียงการเติบโตที่ช้าลง

ดังนั้นคำถามของฉันคือฉันควรใช้รูปแบบใดในการทำนายจำนวนผู้ชมมิวสิควิดีโอ


21
+1 สำหรับการจัดการเพื่อคัดท้ายการสนทนาบนโต๊ะอาหารค่ำจากกังนัมไปยังสถิติ เราต้องการคนอย่างคุณ!
Stephan Kolassa

4
สิ่งที่ฉันสามารถเพิ่มในการสนทนาที่ฉันหวังว่าจะเป็นประโยชน์สำหรับ gui11aume หรือผู้อื่นที่เขียนสมการเพื่อลองทำแบบจำลองนี้คือในตัวอย่าง KONY การจัดกลุ่มทางภูมิศาสตร์เป็นลักษณะสำคัญของการแพร่กระจายของไวรัส ความจริงที่ว่า PSY เป็นเกาหลีและจากนั้นปรากฏการณ์เอเชียก่อนเป็นส่วนสำคัญของเรื่องราว ไม่แน่ใจว่าวิธีการนั้นจะเป็นแบบอย่าง แต่อาจเป็นเบาะแส

ข้อมูลเกี่ยวกับการดูความคิดเห็นการถูกใจและไม่ชอบของวิดีโอในช่วงเดือนพฤศจิกายน 2012 สามารถดูได้ที่docs.google.com/spreadsheet/…
FredrikD

คำตอบ:


38

อ้าคำถามที่ยอดเยี่ยม !!

ฉันจะเสนอเส้นโค้ง logisitic รูปตัว S อย่างไร้เดียงสา แต่เห็นได้ชัดว่าเป็นแบบที่ไม่ดี เท่าที่ฉันทราบการเพิ่มขึ้นอย่างต่อเนื่องคือการประมาณเนื่องจาก YouTube นับจำนวนการดูที่ไม่ซ้ำกัน (หนึ่งต่อที่อยู่ IP) ดังนั้นจึงไม่สามารถดูได้มากกว่าคอมพิวเตอร์

เราสามารถใช้แบบจำลองทางระบาดวิทยาที่ผู้คนมีความไวที่แตกต่างกัน เพื่อให้ง่ายเราสามารถแบ่งออกเป็นกลุ่มที่มีความเสี่ยงสูง (พูดกับเด็ก ๆ ) และกลุ่มที่มีความเสี่ยงต่ำ (พูดกับผู้ใหญ่) ขอเรียกสัดส่วนของ "ติดเชื้อ" เด็กและสัดส่วนของ "ติดเชื้อ" ผู้ใหญ่ในเวลาทีฉันจะเรียก (ไม่ทราบ) ของบุคคลในกลุ่มที่มีความเสี่ยงสูงและคือจำนวนบุคคล (ไม่ทราบ) ที่อยู่ในกลุ่มที่มีความเสี่ยงต่ำy ( t ) t X Yx(t)y(t)tXY

˙ y (t)=r2(x(t)+y(t))(Y-y(T)),

x˙(t)=r1(x(t)+y(t))(Xx(t))
y˙(t)=r2(x(t)+y(t))(Yy(t)),

ที่r_2 ฉันไม่ทราบวิธีแก้ปัญหาระบบนั้น (อาจจะเป็น @EpiGrad) แต่ถ้าดูกราฟของคุณเราสามารถตั้งสมมติฐานให้ง่ายขึ้นได้ เนื่องจากการเจริญเติบโตไม่อิ่มตัวเราจึงสามารถสันนิษฐานได้ว่ามีขนาดใหญ่มากและมีขนาดเล็กหรือr1>r2Yy

x˙(t)=r1x(t)(Xx(t))
y˙(t)=r2x(t),

ซึ่งทำนายการเติบโตเชิงเส้นเมื่อกลุ่มที่มีความเสี่ยงสูงติดเชื้ออย่างสมบูรณ์ โปรดทราบว่ารุ่นนี้มีเหตุผลที่จะถือว่าไม่มีค่อนข้างตรงกันข้ามเพราะระยะขนาดใหญ่วิทยขณะนี้อยู่ในr_2r1>r2Yy(t)r2

ระบบนี้แก้ไขได้

x(t)=XC1eXr1t1+C1eXr1t
y(t)=r2x(t)dt+C2=r2r1log(1+C1eXr1t)+C2,

ที่และมีค่าคงที่บูรณาการ จำนวนประชากร "ที่ติดเชื้อ" ทั้งหมดนั้นคือ ซึ่งมี 3 พารามิเตอร์และค่าคงที่การรวม 2 ตัว (เงื่อนไขเริ่มต้น) ฉันไม่รู้ว่ามันจะพอดีหรือไม่ ...C1C2x(t)+y(t)

อัปเดต:เล่นกับพารามิเตอร์ฉันไม่สามารถสร้างรูปร่างของส่วนโค้งด้านบนด้วยโมเดลนี้การเปลี่ยนจากเป็นจะคมชัดกว่าข้างบนเสมอ ต่อเนื่องกับความคิดเดียวกันเราอีกครั้งอาจจะคิดว่ามีสองชนิดของผู้ใช้อินเทอร์เน็ต: ความ "หาใช่"และ "ทัง"(t) คนที่ติดเชื้อแพร่เชื้อซึ่งกันและกันคนโดดเดี่ยวชนเข้ากับวิดีโอโดยบังเอิญ รูปแบบคือ0600,000,000x(t)y(t)

x˙(t)=r1x(t)(Xx(t))
y˙(t)=r2,

และแก้ไขให้

x(t)=XC1eXr1t1+C1eXr1t
y(t)=r2t+C2.

เราอาจจะคิดว่า , คือว่ามีเพียงผู้ป่วย 0 ที่ซึ่งผลตอบแทนถัวเฉลี่ยเพราะคือ จำนวนมาก ดังนั้นเราจึงสามารถสรุปได้ว่า0 ตอนนี้มีเพียง 3 พารามิเตอร์ ,และกำหนดพลวัตx(0)=1t=0C1=1X11XXC2=y(0)C2=0Xr1r2

ถึงแม้จะมีรุ่นนี้ แต่ดูเหมือนว่าการเปลี่ยนแปลงนั้นมีความคมชัดมาก แต่ก็ไม่เหมาะสม นั่นทำให้ปัญหาน่าสนใจจริงๆ ตัวอย่างเช่นรูปด้านล่างถูกสร้างขึ้นด้วย ,และ1,000,000X=600,000,000r1=3.6671010r2=1,000,000

แบบจำลองการเติบโตของสไตล์กังนัม

อัปเดต:จากความคิดเห็นที่ฉันรวบรวมว่า Youtube นับจำนวนการดู (ในทางลับ) และไม่ใช่ IP ที่ไม่ซ้ำกันซึ่งสร้างความแตกต่างอย่างมาก กลับไปที่กระดานวาดภาพ

เพื่อให้ง่ายสมมติว่าผู้ชมนั้น "ติดเชื้อ" โดยวิดีโอ พวกเขากลับมาดูเป็นประจำจนกว่าพวกเขาจะกำจัดเชื้อ หนึ่งในโมเดลที่ง่ายที่สุดคือSIR (ไวต่อการติดเชื้อ) ซึ่งมีดังต่อไปนี้:

˙ I (t)=αS(t)I(t)-βI(t) ˙ R (t)=βI(t)

S˙(t)=αS(t)I(t)
I˙(t)=αS(t)I(t)βI(t)
R˙(t)=βI(t)

โดยที่คืออัตราการติดเชื้อและคืออัตราการกวาดล้าง จำนวนการดูทั้งหมดเป็นเช่นนั้นโดยที่คือจำนวนการดูเฉลี่ยต่อวันต่อบุคคลที่ติดเชื้อบีตาx ( T ) ˙ x ( T ) = k ฉัน( T ) kαβx(t)x˙(t)=kI(t)k

ในโมเดลนี้จำนวนการดูเริ่มเพิ่มขึ้นทันทีหลังจากเริ่มมีการติดเชื้อซึ่งไม่ใช่กรณีในข้อมูลดั้งเดิมอาจเป็นเพราะวิดีโอแพร่กระจายในลักษณะที่ไม่ใช่ไวรัส (หรือมส์) ฉันไม่มีความเชี่ยวชาญในการประมาณค่าพารามิเตอร์ของตัวแบบ SIR เพียงแค่เล่นกับค่าต่าง ๆ นี่คือสิ่งที่ฉันได้รับ (ใน R)

S0 = 1e7; a = 5e-8; b = 0.01 ; k = 1.2
views = 0; S = S0; I = 1;
# Exrapolate 1 year after the onset.
for (i in 1:365) {
   dS = -a*I*S;
   dI = a*I*S - b*I;
   S = S+dS;
   I = I+dI;
   views[i+1] = views[i] + k*I 
}
par(mfrow=c(2,1))
plot(views[1:95], type='l', lwd=2, ylim=c(0,6e8))
plot(views, type='n', lwd=2)
lines(views[1:95], type='l', lwd=2)
lines(96:365, views[96:365], type='l', lty=2)

การคาดการณ์ของมุมมองของวิดีโอ Youtube สไตล์กังนัม

เห็นได้ชัดว่ารูปแบบไม่สมบูรณ์และสามารถเติมเต็มได้หลายวิธี ภาพร่างคร่าวๆนี้คาดการณ์ว่ามีผู้ชมกว่าพันล้านคนรอบ ๆ เดือนมีนาคม 2013 มาดูกัน ...


5
(+1) เป็นวิธีแรก โปรดทราบว่านโยบายของ YouTube สำหรับการนับจำนวนการดูนั้นไม่เป็นที่เข้าใจเนื่องจากพวกเขายังไม่ได้เผยแพร่อัลกอริทึมของตน พวกเขากล่าวว่า "มุมมองที่จะนับเมื่อใดก็ตามที่มีคนดูวิดีโอบน YouTube เราไม่ได้รับเฉพาะเจาะจงมากขึ้นกว่านี้เพื่อหลีกเลี่ยงความพยายามที่จะพองเทียมจำนวนการดู." (ดู)

3
@FredrikD ขอบคุณ คุณยังสามารถลบ 'ยอมรับ' ในเดือนมีนาคม 2556 หากฉันทำผิด: D
gui11aume

2
การประมาณค่าพารามิเตอร์โมเดล SIR ดูที่rsfs.royalsocietypublishing.org/content/2/2/156.full
FredrikD

1
ดูเหมือนว่าฉันจะสูญเสียอันนี้! พวกเขาอาจทำเงินได้ถึงล้านแม้กระทั่งก่อนปี 2013 ...
gui11aume

2
engadget.com 2012/12/21/gangnam-style-one-billion- views ดังนั้นโลกไม่ได้สิ้นสุด แต่มีผู้ชม 1 พันล้านครั้งในวันนี้
DanTheMan

5

รูปแบบที่พบบ่อยที่สุดสำหรับการคาดการณ์การนำผลิตภัณฑ์ใหม่มาใช้คือโมเดลการแพร่กระจายเสียงเบสซึ่งคล้ายกับคำตอบของ @ gui11aume - แบบจำลองปฏิสัมพันธ์ระหว่างผู้ใช้ปัจจุบันและผู้มีโอกาสเป็น การยอมรับผลิตภัณฑ์ใหม่เป็นหัวข้อที่ค่อนข้างร้อนแรงในการคาดการณ์การค้นหาคำนี้ควรให้ข้อมูลมากมาย (ซึ่งน่าเสียดายที่ฉันไม่มีเวลาขยายที่นี่ ... )


ใช่นั่นเป็นโมเดลผู้สมัครด้วย อย่างไรก็ตามดูเหมือนว่าคุณจะสามารถเป็นผู้ใช้ได้เพียงครั้งเดียวเท่านั้น ที่นี่คุณสามารถดูวิดีโอได้หลายครั้งหากคุณ "ติดเชื้อ"
FredrikD

1
@FredrikD: จุดที่ใช้ (แม้ว่าโดยส่วนตัวแล้วฉันไม่สามารถนั่งได้แม้กระทั่ง "การใช้งาน" ของผลิตภัณฑ์ "นี้" ... ) ควรมีหลักเกณฑ์ทั่วไปของ Bass เพื่อจัดการกับสิ่งนี้ (ปลั๊กไร้ยางอาย :) การประชุมวิชาการระดับนานาชาติของการคาดการณ์ในปีหน้าอยู่ที่โซลดังนั้นทุกคนควรพิจารณานำเสนอรูปแบบการพยากรณ์กังนัมที่เขาชื่นชอบที่นั่น! ;-)
Stephan Kolassa

4

ผมจะดูที่อัตราการเจริญเติบโต Gompertz

เส้นโค้ง Gompertz เป็น 3 พารามิเตอร์ (a, b, c) สูตรเลขชี้กำลังสองชั้นพร้อมเวลา T เป็นตัวแปรอิสระ

รหัส R:

gompertz_growth <- function(a=a,b=b,c=c, t) { a*exp(b*exp(c*t)) }

สูตรการเจริญเติบโต Gompertz เป็นที่รู้จักกันดีในการอธิบายปรากฏการณ์วงจรชีวิตจำนวนมากที่การเจริญเติบโตครั้งแรกจะเร่งจากนั้นลดลงทำให้เกิดเส้นโค้ง sigmoid แบบอสมมาตรซึ่งอนุพันธ์อยู่ชันด้านซ้ายมากกว่าทางด้านขวาของจุดสูงสุด ตัวอย่างเช่นจำนวนบทความทั้งหมดในวิกิพีเดียซึ่งเป็นไวรัสโดยธรรมชาติได้ติดตามการเติบโตของ Gompertz (ด้วยพารามิเตอร์ a, b, c) เป็นเวลาหลายปีด้วยความแม่นยำสูง

แผนภูมิของกราฟโค้ง Gompertz: ขนาดโดยรวมและอนุพันธ์ของอัตราการเติบโต

แก้ไข: ถ้าโค้ง Gompertz ไม่เพียงพอที่จะใกล้เคียงกับรูปทรงที่คุณกำลังมองหาคุณอาจต้องการที่จะเพิ่มพารามิเตอร์dและθตามที่อธิบายในการกระจาย Exponentaited ทั่วไป Weibull Gompertz โปรดทราบว่าบทความนี้ใช้xแทนtพารามิเตอร์เวลาอิสระ ที่น่าสนใจวิกิพีเดียยังมีการปรับเปลี่ยนประมาณการที่ดีที่สุดของพวกเขาโดยการเพิ่มพารามิเตอร์ 4 เดียวdเพื่อการบัญชีสำหรับความแตกต่างจากการคาดการณ์ค่าจริงหลังจากที่ 2012 สูตรกราฟโค้ง Gompertz 4 พารามิเตอร์ที่แก้ไขคือ:

gompertz_2 <- function(a=A,b=B,c=C,d=D, t) {a * exp(b * exp(c*t) + d*t)}

ฟังก์ชั่น Gompertz ตั้งชื่อตามBenjamin Gompertz (1779-1865)นักแสดงร่วมสมัยของเกาส์ (จูเนียร์เกาส์เพียง 2 ปี) นักคณิตศาสตร์คนแรกที่อธิบายมัน


จุดดี! อย่างไรก็ตามสิ่งที่ท้าทายรูปแบบก็คือมันดูเหมือนจะไม่ จำกัด (ดู No1 และ No2) นั่นคือปัจจัยในโมเดลยังเพิ่มขึ้นตามกาลเวลา
FredrikD

ฉันจะท้าทาย "ดูเหมือนจะไม่มีขีด จำกัด " สไตล์กังนัมสามารถเข้าถึง 1B ได้หรือไม่? 10B? 100B? มุมมอง? ในที่สุดอัตราการเติบโตจะใกล้ศูนย์และโค้งราบ นี่เป็นเรื่องยากที่จะเห็นเมื่อคุณอยู่ในช่วงการเจริญเติบโตที่สูงเช่นเดียวกับตอนนี้ที่เราอยู่กับกังนัม แต่รอเพียงไม่กี่ปีและคุณจะได้ Gompertz ชนะ :) เคล็ดลับคือการคิดที่ถูกต้อง (a, b, c) พารามิเตอร์สำหรับกรณีเฉพาะนี้
arielf

2
นี่คือข้อมูลอ้างอิงสำหรับการประเมินพารามิเตอร์ของแบบจำลอง Gompertz ดูweibull.com/RelGrowthWeb/…
FredrikD

3

ฉันคิดว่าคุณต้องแยกปรากฏการณ์เช่นกังนัมสไตล์ซึ่งเป็นมุมมองที่มากในการเป็นสิ่งมีชีวิต / ไวรัสจากจัสตินบีเบอร์และเอมิเนมซึ่งเป็นศิลปินใหญ่ในสิทธิของตนเอง JB หรือ Eminem จะขายซิงเกิ้ลเป็นจำนวนมากเช่นกันฉันไม่แน่ใจว่า PSY จะทำเช่นไร


จุดดี. หลังจากอ่านและฟังการสัมภาษณ์ของ PSY และทีมที่อยู่เบื้องหลัง "OGS" (Oppa Gangnam Style) เป็นที่ชัดเจนว่าพวกเขารู้ดีว่าปุ่มใดที่จะกดเพื่อสร้างสิ่งที่เป็นไวรัส จากการวิเคราะห์รูปภาพของภาพมุมมองด้านบนดูเหมือนว่าจำนวนการดูไม่เป็นเชิงเส้นสูงสุดประมาณ 90 วันหลังจากเปิดตัว PSY จะปรากฏบน Korean Grand Prix และจำนวนการดูต่อหน่วยเพิ่มขึ้น
FredrikD

- และสองคลาสนี้แตกต่างจาก "คลาสสิก" อย่างไร - เพลงที่เป็นที่รู้จักกันดีเมื่อพวกเขาถูกอัพโหลดครั้งแรกบน YouTube (ฉันคิดว่า David Bowie)
abaumann

2

ตกลงพวกเราต้องการข้อมูลที่น่าสนใจเกี่ยวกับการแพร่กระจายของวิดีโอ youtube ซึ่งกลายเป็นรูปแบบที่แนะนำรูปแบบที่ค่อนข้างแตกต่างจากวรรณกรรมแพร่กระจายผลิตภัณฑ์ทั่วไป จุดเริ่มต้นที่ดีคือ Meeyoung Cha, Haewoon Kwak, Pablo Rodriguez, Yong-Yeol Ahn และ Sue Moon, 2007, I Tube, You Tube, You Tube, หลอดทุกคน: การวิเคราะห์ระบบวิดีโอเนื้อหาที่สร้างโดยผู้ใช้รายใหญ่ที่สุดของโลก, การดำเนินการของ ACM SIGCOMM การประชุมเรื่องการวัดทางอินเทอร์เน็ต, ISBN: 978-1-59593-908-1

และ

X Cheng, C Dale, J Liu, 2008, สถิติและเครือข่ายสังคมออนไลน์ของวิดีโอ youtube ในการดำเนินการประชุมเชิงปฏิบัติการระหว่างประเทศว่าด้วยคุณภาพการบริการ (IWQoS), Enschede, เนเธอร์แลนด์, มิถุนายน


5
ยินดีต้อนรับสู่เว็บไซต์ @ ProfRoy47 คุณจะอธิบายเพิ่มเติมเกี่ยวกับโพสต์นี้บ้างไหม? ยังไม่ชัดเจนว่าจริง ๆ แล้วนี่เป็นคำตอบสำหรับคำถามของ OP หรือว่ามันค่อนข้างยืนอยู่บนตัวของมันเอง OTOH มันจะไม่พอดีกับความคิดเห็น & ฉันคิดว่ามันมีส่วนร่วมในการสร้างประโยชน์ให้กับหัวข้อนี้ คำถามที่พบบ่อยของเรามีการสนทนาที่ให้คำตอบเกี่ยวกับประวัติส่วนตัวซึ่งอาจเป็นประโยชน์กับคุณ
gung

1

เห็นได้ชัดว่ารูปแบบไม่สมบูรณ์และสามารถเติมเต็มได้หลายวิธี ภาพร่างคร่าวๆนี้คาดการณ์ว่ามีผู้ชมกว่าพันล้านคนรอบ ๆ เดือนมีนาคม 2013 มาดูกัน ...

ดูการชะลอตัวของมุมมองในช่วงสัปดาห์ที่ผ่านมาวันที่ 13 มี.ค. ดูเหมือนจะเป็นการเดิมพันที่ดี มุมมองใหม่ส่วนใหญ่ดูเหมือนจะเป็นผู้ใช้ที่ติดเชื้อแล้วและกลับมาหลายครั้งต่อวัน

สำหรับวิธีการเสริมโมเดลของคุณวิธีการหนึ่งที่นักวิจัยใช้ติดตามการแพร่กระจายของไวรัสคือการตรวจสอบการกลายพันธุ์ของจีโนม - เมื่อใดและที่ไหนที่การกลายพันธุ์สามารถแสดงให้นักวิจัยเห็นว่าไวรัสแพร่กระจายและแพร่กระจายเร็วแค่ไหน .

ในทางปฏิบัติวิดีโอเช่น Gangnam Style และ Party Rock Anthem (โดยกลุ่ม LMFAO) มีแนวโน้มที่จะ 'กลายพันธุ์' เป็น parodies, mobs แฟลช, เต้นรำงานแต่งงาน, รีมิกซ์และการตอบสนองวิดีโออื่น ๆ กว่าพูดเพลงของ Justin Bieber หรือ Baby Eminem

นักวิจัยสามารถวิเคราะห์จำนวนการตอบกลับวิดีโอ (และการล้อเลียนโดยเฉพาะ) เป็นพร็อกซีสำหรับการกลายพันธุ์ การวัดความถี่และความนิยมของการกลายพันธุ์เหล่านี้ในช่วงต้นของวิดีโออาจมีประโยชน์คือการสร้างแบบจำลองการดู YouTube ตลอดชีวิต


ยินดีต้อนรับสู่เว็บไซต์ @lucasng ประวัติย่อมีไว้สำหรับคำตอบที่จริงจังและเป็นจริงสำหรับคำถามที่สำคัญ (คุณอาจต้องการอ่านคำถามที่พบบ่อยของเรา) & ฉันคิดว่า OP ได้ถามด้วยในใจ คำตอบของคุณอยู่ที่ชายแดนนี่ ฉันคิดว่ามันควรจะอยู่บนพื้นฐานความคิดเกี่ยวกับการกลายพันธุ์ ฯลฯ แต่โปรดทราบว่าความคิดเห็นเกี่ยวกับข้อดีของวิดีโอนั้นไม่ได้เลวร้ายนัก
gung

ฉันคิดว่าความคิดนั้นดี @gung True ว่าไม่ใช่คำตอบของ OP แต่คำตอบที่สองไม่ใช่
gui11aume

@gung: (การค้นหาโดย Google แสดงให้เห็นว่า) lucasng ไม่ได้ระบุความเห็นในส่วนที่คุณทำใหม่ แต่อ้างชื่อกลุ่มที่แสดงเพลง!
พระคาร์ดินัล

1
@ คาร์ดินัลขอบคุณสำหรับหัวขึ้น ลูคัส, ขอโทษเกี่ยวกับความสับสน; ฉันได้ใส่ชื่อกลุ่มกลับ
gung
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.