لمساعدتك في زيادة مدى صلة نتائج الاختبارات بموضوع البحث وفائدتها، تقدّم هذه الصفحة معلومات تفصيلية عن طريقة عمل "Firebase A/B Testing".
حجم العينة
لا يتطلّب الاستنتاج Firebase A/B Testing تحديد الحدّ الأدنى لحجم العيّنة قبل بدء التجربة. بشكل عام، عليك اختيار أكبر مستوى لظهور التجربة تشعر بالارتياح تجاهه. تزيد أحجام العينات الأكبر من فرص العثور على نتيجة ذات دلالة إحصائية، خاصةً عندما تكون الاختلافات في الأداء بين الصيغ صغيرة. قد تجد أيضًا أنه من المفيد الرجوع إلى حاسبة حجم العينة على الإنترنت للعثور على حجم العينة الموصى به بناءً على خصائص تجربتك.
تعديل التجارب
يمكنك تعديل مَعلمات محدّدة للتجارب الجارية، بما في ذلك:
- اسم التجربة
- الوصف
- شروط الاستهداف
- قيم خيارات المنتج
لتعديل تجربة:
- في وحدة تحكّم Firebase، انتقِل إلى DevOps & Engagement > اختبار A/B.
- افتح صفحة النتائج للتجربة التي تريد تعديلها.
- من قائمة المزيد ، اختَر تعديل التجربة قيد التنفيذ.
- أدخِلوا التغييرات، ثم انقروا على نشر.
يُرجى العِلم أنّ تغيير سلوك التطبيق أثناء تجربة قيد التنفيذ قد يؤثر في النتائج.
منطق تعيين صيغ "الإعداد عن بُعد"
يتم تعيين المستخدمين الذين يستوفون جميع شروط استهداف التجربة (بما في ذلك شرط نسبة الظهور) إلى صيغ التجربة وفقًا لأوزان الصيغ وتجزئة رقم تعريف التجربة ورقم تعريف تثبيت Firebase الخاص بالمستخدم.
Google Analytics شرائح الجمهور تخضع لزمن الاستجابة ولا تكون متاحة على الفور عندما يستوفي المستخدم في البداية معايير الجمهور:
- عند إنشاء شريحة جمهور جديدة، قد يستغرق تجميع مستخدمين جدد فترةً تتراوح بين 24 و48 ساعة.
- يتم عادةً تسجيل المستخدمين الجدد في شرائح الجمهور المؤهَّلة بعد فترة تتراوح بين 24 و48 ساعة من أهليتهم.
بالنسبة إلى الاستهداف الحسّاس للوقت، ننصحك باستخدام سمات المستخدمين في Google Analytics أو خيارات الاستهداف المضمّنة، مثل البلد أو المنطقة واللغة وإصدار التطبيق.
بعد دخول المستخدم في تجربة، يتم تعيينه بشكل دائم إلى صيغة التجربة الخاصة به ويتلقّى قيم المَعلمات من التجربة طالما أنّ التجربة لا تزال نشطة، حتى إذا تغيّرت خصائص المستخدم ولم يعُد يستوفي معايير استهداف التجربة.
أحداث التفعيل
تقتصر أحداث تفعيل التجربة على قياس التجربة لمستخدمي التطبيق الذين يطلقون حدث التفعيل. لا يؤثر حدث تفعيل التجربة في مَعلمات التجربة التي يجلبها التطبيق، وسيتلقّى جميع المستخدمين الذين يستوفون معايير استهداف التجربة مَعلمات التجربة. وبالتالي، من المهم اختيار حدث تفعيل يحدث بعد جلب مَعلمات التجربة وتفعيلها، ولكن قبل استخدام مَعلمات التجربة لتعديل سلوك التطبيق.
أوزان خيارات المنتج
أثناء إنشاء التجربة، يمكن تغيير الأوزان التلقائية للصيغ لتخصيص نسبة أكبر من مستخدمي التجربة لصيغة معيّنة.
تفسير نتائج الاختبارات
يستخدم Firebase A/B Testing الاستدلال التكراري لمساعدتك في فهم احتمالية حدوث نتائج تجربتك فقط بسبب الصدفة العشوائية. يتم تمثيل هذا الاحتمال من خلال قيمة احتمالية أو قيمة p. القيمة الاحتمالية هي احتمال حدوث اختلاف في الأداء بهذا الحجم أو أكبر بين صيغتين بسبب الصدفة العشوائية إذا لم يكن هناك تأثير فعلي، ويتم قياسها بقيمة تتراوح بين 0 و1. يستخدم A/B Testing مستوى دلالة إحصائية يبلغ 0.05 بحيث:
- تشير القيمة الاحتمالية التي تقل عن 0.05 إلى أنه إذا كان الفرق الحقيقي صفرًا، فهناك احتمال أقل من 5% أن يحدث فرق ملحوظ بهذا القدر من التطرف بشكل عشوائي. بما أنّ 0.05 هو الحدّ الأدنى، فإنّ أي قيمة احتمالية أقل من 0.05 تشير إلى اختلاف ذي دلالة إحصائية بين الصيغ.
- تشير القيمة الاحتمالية التي تزيد عن 0.05 إلى أنّ الفرق بين الصيغ ليس ذا دلالة إحصائية.
يتم تحديث بيانات التجربة مرة واحدة في اليوم، ويظهر وقت آخر تحديث في أعلى صفحة نتائج التجربة.
يعرض الرسم البياني لنتائج التجربة القيم المتوسطة التراكمية للمقياس المحدّد. على سبيل المثال، إذا كنت تتتبّع إيرادات الإعلانات لكل مستخدم كمقياس، سيعرض هذا المقياس الإيرادات المرصودة لكل مستخدم، وإذا كنت تتتبّع المستخدمين الذين لم يواجهوا أعطالاً، سيتتبّع هذا المقياس النسبة المئوية للمستخدمين الذين لم يواجهوا أي عطل. هذه البيانات تراكمية من بداية التجربة.
يتم تقسيم النتائج إلى البيانات التي تم قياسها وبيانات الاستنتاج. يتم احتساب البيانات التي تم رصدها مباشرةً من بيانات "إحصاءات Google"، وتوفّر بيانات الاستنتاج القيم الاحتمالية وفواصل الثقة لمساعدتك في تقييم الدلالة الإحصائية للبيانات التي تم رصدها.
يتم عرض الإحصاءات التالية لكل مقياس:
البيانات المرصودة
- القيمة الإجمالية للمقياس الذي يتم تتبُّعه (عدد المستخدمين الذين تم الاحتفاظ بهم، وعدد المستخدمين الذين واجهوا أعطالاً، وإجمالي الإيرادات)
- معدّل خاص بالمقياس (معدّل الاحتفاظ بالمستخدِمين، ومعدّل الإحالات الناجحة، والإيرادات لكل مستخدِم)
- الفرق بالنسبة المئوية (التحسّن) بين الصيغة والمرجع
بيانات الاستنتاج
فاصل الثقة بنسبة %95 (الفرق في المتوسطات) يعرض فاصلاً يحتوي على القيمة "الصحيحة" للمقياس الذي يتم تتبُّعه بمستوى ثقة %95. على سبيل المثال، إذا كانت نتائج تجربتك تشير إلى فاصل ثقة بنسبة %95 لإجمالي الإيرادات المقدَّرة بين 5 و10 دولار أمريكي، هناك احتمال بنسبة %95 أن يكون الفرق الحقيقي في المتوسطات بين 5 و10 دولار أمريكي. إذا كان نطاق فاصل الثقة يتضمّن القيمة 0، يعني ذلك أنّه لم يتم رصد فرق ذي دلالة إحصائية بين الصيغة والمرجع.
تظهر قيم فاصل الثقة بالتنسيق الذي يتطابق مع المقياس الذي يتم تتبُّعه. على سبيل المثال، الوقت (باللغة
HH:MM:SS) للحفاظ على المستخدمين، والدولار الأمريكي لإيرادات الإعلانات لكل مستخدم، والنسبة المئوية لمعدّل الإحالات الناجحة.القيمة الاحتمالية، وهي تمثّل احتمالية ملاحظة بيانات متطرفة مثل النتائج التي تم الحصول عليها في التجربة، مع افتراض عدم وجود فرق حقيقي بين الصيغة المتغيّرة والصيغة الأساسية. كلما انخفضت القيمة الاحتمالية، زادت الثقة في أنّ الأداء المرصود سيظل صحيحًا إذا كررنا التجربة. تشير القيمة 0.05 أو أقل إلى وجود اختلاف كبير واحتمال منخفض أن تكون النتائج ناتجة عن الصدفة. تستند القيم الاحتمالية إلى اختبار أحادي الطرف، حيث تكون قيمة الصيغة أكبر من قيمة المقياس الأساسي. يستخدم Firebase اختبار t للتباين غير المتساوي للمتغيّرات المستمرة (القيم الرقمية، مثل الأرباح) واختبار z للنسب لبيانات الإحالات الناجحة (القيم الثنائية، مثل الحفاظ على المستخدمين والمستخدمين الذين لم يواجهوا أي أعطال والمستخدمين الذين يفعّلون حدث Google Analytics).
تقدّم نتائج التجربة إحصاءات مهمة لكل صيغة تجربة، بما في ذلك:
- مدى ارتفاع أو انخفاض كل مقياس في التجربة مقارنةً بالمرجع، كما تم قياسه مباشرةً (أي البيانات الفعلية التي تمت ملاحظتها)
- احتمالية حدوث الفرق المرصود بين السعر المتغير والسعر الأساسي بسبب الصدفة العشوائية (القيمة الاحتمالية)
- يشير إلى نطاق من المرجّح أن يحتوي على الفرق "الحقيقي" في الأداء بين الصيغة والمرجع لكل مقياس تجربة، وهو طريقة لفهم سيناريوهات الأداء في "أفضل حالة" و "أسوأ حالة"
تحديد القائد
بالنسبة إلى التجارب التي تستخدم الاستدلال التكراري، تعلن Firebase أنّ الصيغة رائدة إذا كان هناك اختلاف في الأداء ذو دلالة إحصائية بين الصيغة والمرجع في مقياس الهدف. إذا استوفت صيغ متعددة هذه المعايير، سيتم اختيار الصيغة ذات أقل قيمة احتمالية.
بما أنّ تحديد الصيغة الرائدة يستند إلى الهدف الأساسي فقط، يمكنك أخذ جميع العوامل ذات الصلة في اعتبارك ومراجعة نتائج المقاييس الثانوية قبل اتّخاذ قرار بطرح صيغة رائدة أو عدم طرحها. قد تحتاج إلى النظر في الجانب الإيجابي المتوقع لإجراء التغيير، ومخاطر الجانب السلبي (مثل الطرف الأدنى من فاصل الثقة للتحسين)، والتأثير على المقاييس بخلاف الهدف الأساسي.
على سبيل المثال، إذا كان المقياس الأساسي هو "المستخدمون الذين لم يواجهوا أي أعطال"، وكانت الصيغة "أ" هي الأفضل بشكل واضح مقارنةً بالصيغة الأساسية، ولكن مقاييس الحفاظ على المستخدمين في الصيغة "أ" أقل من مقاييس الحفاظ على المستخدمين في الصيغة الأساسية، قد تحتاج إلى إجراء مزيد من التحقيق قبل طرح الصيغة "أ" على نطاق أوسع.
يمكنك طرح أي صيغة، وليس فقط الصيغة الرائدة، استنادًا إلى تقييمك العام للأداء على مستوى كل من المقاييس الأساسية والثانوية.
مدّة التجربة
تنصح Firebase بمواصلة تشغيل التجربة إلى أن يتم استيفاء الشروط التالية:
- جمعت التجربة بيانات كافية لتقديم نتيجة مفيدة. يتم تعديل بيانات التجارب والنتائج مرة واحدة يوميًا. قد تحتاج إلى الرجوع إلى حاسبة حجم العينة على الإنترنت لتقييم حجم العينة الموصى به لتجربتك.
- تم تنفيذ التجربة لفترة كافية لضمان الحصول على عينة تمثيلية من المستخدمين وقياس الأداء على المدى الطويل. أسبوعان هو الحد الأدنى المقترح لمدة تشغيل تجربة نموذجية للإعداد عن بُعد.
تتم معالجة بيانات التجربة لمدة أقصاها 90 يومًا بعد بدء التجربة. بعد 90 يومًا، يتم إيقاف التجربة تلقائيًا. لن يتم تعديل نتائج التجربة في وحدة تحكّم Firebase، وستتوقف التجربة عن إرسال قيم المَعلمات الخاصة بالتجربة. في هذه المرحلة، يبدأ العملاء في جلب قيم المَعلمات استنادًا إلى الشروط المحدّدة في نموذج Remote Config. يتم الاحتفاظ ببيانات التجارب السابقة إلى أن تحذف التجربة.
مخطّط BigQuery
بالإضافة إلى عرض بيانات تجارب "A/B Testing" في وحدة تحكّم "Firebase"، يمكنك فحص بيانات التجارب وتحليلها في "BigQuery". على الرغم من أنّ A/B Testing لا يتضمّن جدول BigQuery منفصلاً، يتم تخزين بيانات العضوية في التجارب والصيغ في كل حدث Google Analytics ضمن جداول أحداث Analytics.
تكون خصائص المستخدم التي تحتوي على معلومات التجربة على شكل
userProperty.key like "firebase_exp_%" أو userProperty.key =
"firebase_exp_01" حيث 01 هو رقم تعريف التجربة، وuserProperty.value.string_value يحتوي على فهرس (يبدأ من الصفر) لصيغة التجربة.
يمكنك استخدام خصائص المستخدمين في التجربة هذه لاستخراج بيانات التجربة. يتيح لك ذلك تقسيم نتائج تجربتك بطرق مختلفة والتحقّق من نتائج "A/B Testing" بشكل مستقل.
للبدء، أكمِل الخطوات التالية كما هو موضّح في هذا الدليل:
- تفعيل عملية تصدير بيانات BigQuery إلى Google Analytics في وحدة تحكّم Firebase
- الوصول إلى بيانات "A/B Testing" باستخدام "BigQuery"
- استكشاف أمثلة على طلبات البحث
تفعيل تصدير بيانات "BigQuery" في "Google Analytics" ضمن "وحدة تحكُّم Firebase"
إذا كنت مشتركًا في خطة Spark، يمكنك استخدام وضع الحماية في BigQuery للوصول إلى BigQuery بدون أي تكلفة، وفقًا لحدود وضع الحماية. لمزيد من المعلومات، يُرجى الاطّلاع على التسعير و"BigQuery".
أولاً، تأكَّد من أنّك تصدّر بياناتك من "Analytics" إلى BigQuery:
في وحدة تحكّم Firebase، انتقِل إلى
الإعدادات > علامة التبويب عمليات الدمج.في بطاقة BigQuery، انقر على إدارة وتأكَّد من أنّ مشروعك يصدّر بيانات "Analytics" إلى "BigQuery".
إذا كانت البطاقة تتضمّن الخيار ربط، عليك إعداد عملية التصدير (انتقِل إلى الخطوة التالية).
إذا أردت إعداد عملية التصدير، اتّبِع الخطوات التالية:
راجِع المقالة لمحة عن ربط Firebase بـ "BigQuery"، ثم انقر على التالي.
في قسم ضبط عملية الدمج، فعِّل Google Analytics.
اختَر منطقة واضبط إعدادات التصدير.
انقر على الربط بـ "BigQuery".
اعتمادًا على الطريقة التي اخترتها لتصدير البيانات، قد يستغرق الأمر ما يصل إلى يوم حتى تصبح الجداول متاحة. لمزيد من المعلومات حول تصدير بيانات المشروع إلى BigQuery، يُرجى الاطّلاع على تصدير بيانات المشروع إلى BigQuery.
الوصول إلى بيانات "A/B Testing" في "BigQuery"
قبل طلب بيانات تجربة معيّنة، عليك الحصول على بعض أو كل ما يلي لاستخدامه في طلب البحث:
- رقم تعريف التجربة: يمكنك الحصول عليه من عنوان URL لصفحة نظرة عامة على التجربة. على سبيل المثال، إذا كان عنوان URL يبدو كالتالي:
https://console.firebase.google.com/project/my_firebase_project/config/experiment/results/25، يكون رقم تعريف التجربة هو 25. - رقم تعريف موقع "Google Analytics": هو رقم تعريف موقع "Google Analytics" المكوّن من 9 أرقام. يمكنك العثور على هذا في
Google Analytics؛ يظهر أيضًا في BigQuery عند توسيع
اسم مشروعك لإظهار اسم جدول أحداث
Google Analytics (
project_name.analytics_000000000.events). - تاريخ التجربة: لإنشاء طلب بحث أسرع وأكثر كفاءة، من الأفضل حصر طلبات البحث في أقسام جدول الأحداث اليومية Google Analytics التي تحتوي على بيانات تجربتك، وهي الجداول التي يتم تحديدها باللاحقة
YYYYMMDD. لذا، إذا تم تنفيذ تجربتك من 2 فبراير 2026 إلى 2 مايو 2026، عليك تحديد_TABLE_SUFFIX between '20260202' AND '20260502'. للاطّلاع على مثال، راجِع اختيار قيم تجربة معيّنة. - أسماء الأحداث: تتوافق عادةً مع
مقاييس الأهداف
التي تم ضبطها في التجربة. على سبيل المثال، أحداث
in_app_purchaseأوad_impressionأو أحداثuser_retention.
بعد جمع المعلومات التي تحتاجها لإنشاء طلب البحث:
- في وحدة تحكّم Google Cloud، انتقِل إلى BigQuery.
- اختَر مشروعك، ثم انقر على إنشاء طلب بحث SQL.
- أضِف طلب البحث. للاطّلاع على أمثلة على طلبات البحث التي يمكن تنفيذها، يُرجى مراجعة استكشاف أمثلة على طلبات البحث.
- انقر على تشغيل.
الاستعلام عن بيانات التجربة باستخدام طلب البحث الذي تم إنشاؤه تلقائيًا في وحدة تحكّم Firebase
إذا كنت تستخدم خطة Blaze، توفّر صفحة نظرة عامة على التجربة نموذج طلب بحث يعرض اسم التجربة والصيغ وأسماء الأحداث وعدد الأحداث للتجربة التي تعرضها.
للحصول على طلب البحث الذي تم إنشاؤه تلقائيًا وتنفيذه:
- في وحدة تحكّم Firebase، انتقِل إلى DevOps & Engagement > اختبار A/B.
- اختَر تجربة A/B Testing التي تريد الاستعلام عنها لفتح نظرة عامة على التجربة.
- من قائمة "الخيارات"، ضِمن دمج BigQuery، اختَر طلب بيانات التجربة. يؤدي ذلك إلى فتح مشروعك في BigQuery ضمن وحدة تحكّم Google Cloud ويوفّر طلب بحث أساسيًا يمكنك استخدامه لطلب بيانات تجربتك.
يوضّح المثال التالي طلب بحث تم إنشاؤه لتجربة تتضمّن ثلاث صيغ (بما في ذلك الصيغة الأساسية) باسم "تجربة الترحيب الشتوية". وتعرض هذه الدالة اسم التجربة النشطة واسم الصيغة والحدث الفريد وعدد الأحداث لكل حدث. يُرجى العِلم أنّ أداة إنشاء الطلبات لا تحدّد اسم مشروعك في اسم الجدول، لأنّها تفتح مباشرةً ضمن مشروعك.
/*
This query is auto-generated by Firebase A/B Testing for your
experiment "Winter welcome experiment".
It demonstrates how you can get event counts for all Analytics
events logged by each variant of this experiment's population.
*/
SELECT
'Winter welcome experiment' AS experimentName,
CASE userProperty.value.string_value
WHEN '0' THEN 'Baseline'
WHEN '1' THEN 'Welcome message (1)'
WHEN '2' THEN 'Welcome message (2)'
END AS experimentVariant,
event_name AS eventName,
COUNT(*) AS count
FROM
`analytics_000000000.events_*`,
UNNEST(user_properties) AS userProperty
WHERE
(_TABLE_SUFFIX BETWEEN '20260202' AND '20260502')
AND userProperty.key = 'firebase_exp_25'
GROUP BY
experimentVariant, eventName
للحصول على أمثلة إضافية على طلبات البحث، انتقِل إلى استكشاف أمثلة على طلبات البحث.
استكشاف أمثلة على طلبات البحث
تقدّم الأقسام التالية أمثلة على طلبات البحث التي يمكنك استخدامها لاستخراج بيانات تجارب "A/B Testing" من جداول أحداث "Google Analytics".
استخراج قيم الانحراف المعياري لعمليات الشراء والتجارب من جميع التجارب
يمكنك استخدام بيانات نتائج التجربة للتحقّق بشكل مستقل من نتائج "Firebase A/B Testing". تستخرج عبارة SQL التالية BigQuery صيغ التجارب وعدد المستخدمين الفريدين في كل صيغة وتجمع إجمالي الإيرادات من أحداث in_app_purchase وecommerce_purchase والانحرافات المعيارية لجميع التجارب ضمن النطاق الزمني المحدّد كتاريخَي البدء والانتهاء في _TABLE_SUFFIX. يمكنك استخدام البيانات التي تحصل عليها من هذا الطلب مع
أداة إنشاء دلالة إحصائية لاختبارات t أحادية الطرف للتحقّق من أنّ
النتائج التي يقدّمها Firebase تتطابق مع تحليلك الخاص.
لمزيد من المعلومات حول كيفية احتساب الاستنتاج في A/B Testing، يُرجى الاطّلاع على مقالة تفسير نتائج الاختبارات.
/*
This query returns all experiment variants, number of unique users,
the average USD spent per user, and the standard deviation for all
experiments within the date range specified for _TABLE_SUFFIX.
*/
SELECT
experimentNumber,
experimentVariant,
COUNT(*) AS unique_users,
AVG(usd_value) AS usd_value_per_user,
STDDEV(usd_value) AS std_dev
FROM
(
SELECT
userProperty.key AS experimentNumber,
userProperty.value.string_value AS experimentVariant,
user_pseudo_id,
SUM(
CASE
WHEN event_name IN ('in_app_purchase', 'ecommerce_purchase')
THEN event_value_in_usd
ELSE 0
END) AS usd_value
FROM `PROJECT_NAME.analytics_ANALYTICS_ID.events_*`
CROSS JOIN UNNEST(user_properties) AS userProperty
WHERE
userProperty.key LIKE 'firebase_exp_%'
AND event_name IN ('in_app_purchase', 'ecommerce_purchase')
AND (_TABLE_SUFFIX BETWEEN 'YYYYMMDD' AND 'YYYMMDD')
GROUP BY 1, 2, 3
)
GROUP BY 1, 2
ORDER BY 1, 2;
اختيار قيم تجربة معيّنة
يوضّح مثال طلب البحث التالي كيفية الحصول على بيانات لتجربة معيّنة في BigQuery. يعرض نموذج طلب البحث هذا اسم التجربة وأسماء الصيغ (بما في ذلك "المرجع") وأسماء الأحداث وأعداد الأحداث.
SELECT
'EXPERIMENT_NAME' AS experimentName,
CASE userProperty.value.string_value
WHEN '0' THEN 'Baseline'
WHEN '1' THEN 'VARIANT_1_NAME'
WHEN '2' THEN 'VARIANT_2_NAME'
END AS experimentVariant,
event_name AS eventName,
COUNT(*) AS count
FROM
`analytics_ANALYTICS_PROPERTY.events_*`,
UNNEST(user_properties) AS userProperty
WHERE
(_TABLE_SUFFIX BETWEEN 'YYYMMDD' AND 'YYYMMDD')
AND userProperty.key = 'firebase_exp_EXPERIMENT_NUMBER'
GROUP BY
experimentVariant, eventName
الحدود
يقتصر إجمالي عدد التجارب في "A/B Testing" على 300 تجربة، من بينها 24 تجربة قيد التنفيذ. تتم مشاركة هذه الحدود مع عمليات طرح Remote Config. على سبيل المثال، إذا كان لديك عمليتا طرح قيد التشغيل وثلاث تجارب قيد التشغيل، يمكنك إجراء ما يصل إلى 19 عملية طرح أو تجربة إضافية.
إذا بلغت الحد الأقصى لإجمالي عدد التجارب وهو 300 تجربة، عليك حذف تجربة حالية قبل إنشاء تجربة جديدة.
إذا بلغت الحد الأقصى المسموح به للتجارب وعمليات الطرح قيد التنفيذ، وهو 24، يجب إيقاف تجربة أو عملية طرح قيد التنفيذ قبل بدء تجربة أو عملية طرح جديدة.
يمكن أن تتضمّن التجربة 8 صيغ كحدّ أقصى (بما في ذلك الصيغة الأساسية) وما يصل إلى 25 مَعلمة لكل صيغة. يمكن أن يصل حجم التجربة إلى حوالي 200 كيبيبايت. ويشمل ذلك أسماء الصيغ ومَعلمات الصيغ والبيانات الوصفية الأخرى للإعدادات.