تقيس مقاييس النمو المقاد بالمنتج ما يفعله المستخدمون داخل المنتج ويتنبأ بالإيرادات: كم عدد المسجّلين الذين يصلون إلى قيمة حقيقية (التفعيل)، وبأي سرعة، وهل يكوّنون عادة، وهل تتوسع الحسابات وتدعو غيرها. المجموعة الأساسية هي معدل التفعيل، وزمن الوصول إلى القيمة (time to value)، والعملاء المحتملون المؤهلون بالمنتج (PQL)، والتحويل من المجاني إلى المدفوع، ونسبة DAU/MAU، والاحتفاظ بصافي الإيرادات (NRR)، ومعامل الانتشار الفيروسي، وتُقرأ بحسب مصدر الاكتساب وشريحة العملاء.
أهم النقاط
التحويل في PLG أقل مما تتوقعه معظم فرق المبيعات: ففي معايير OpenView لعام 2022 حوّلت منتجات الفريميوم 5% من المستخدمين المجانيين إلى مدفوعين، وحوّلت التجارب المجانية 17% (OpenView, 2022).
تتبّع العملاء المحتملين المؤهلين بالمنتج أو الحسابات المؤهلة رفع احتمال النمو السريع بنسبة 61% في استطلاع OpenView وPendo الذي شمل 1000 شركة (OpenView, 2023).
أفضل نسبة احتفاظ بصافي الإيرادات تدور حول 110-120% (ChartMogul)، لكن شركة SaaS B2B الوسيطة كانت عند 82% في 2025 (ChartMogul, 2025).
معامل انتشار فيروسي أقل من 1 يفيد مع ذلك: عند K = 0.3، كل 100 تسجيل تجلب نحو 43 إضافية مع الوقت.
لماذا لا تصلح مقاييس SaaS المعتادة للنمو المقاد بالمنتج؟
في نموذج تقوده المبيعات يكون المسار خطيًا: عميل محتمل، فرصة، عرض توضيحي، إغلاق. وتقيس عمليات التسليم بين الأشخاص: MQL وSQL ومعدل الفوز ودورة المبيعات.
في PLG تقل عمليات التسليم. المسار سلوكي: اكتشاف، تسجيل، تفعيل، تكوين عادة، توسّع. وكل خطوة تعتمد على ما يفعله المستخدم، أو لا يفعله، داخل المنتج. أنت تقيس سلوكيات تتنبأ بالإيرادات، لا مراحل خط أنابيب تحتويها.
لهذا تُربك مقاييس المبيعات المنسوخة فرق PLG. عبارة «لدينا 10,000 تسجيل» لا تعني الكثير إذا كان 9,800 منهم لم يجرّبوا القيمة قط. وعبارة «معدل التحويل من التجربة إلى الدفع 8%» لا تعني الكثير إذا كنت لا تعرف ما الذي فعلته هذه الـ8% بشكل مختلف.
أصبح PLG اليوم هو القاعدة لا الاستثناء. فقد ارتفعت نسبة اعتماد النهج المقاد بالمنتج بين المشاركين في استطلاع OpenView من 45% إلى 55% بين 2019 و2022 (). والسؤال الذي تجيب عنه مقاييس PLG ليس «كم شخصًا في أي مرحلة؟» بل «أي سلوكيات تتنبأ بالاحتفاظ والتوسع والتوصية؟».
ما هي الطبقات الأربع لمقاييس النمو المقاد بالمنتج؟
قسّم مقاييس النمو المقاد بالمنتج إلى أربع طبقات. كل طبقة تجيب عن سؤال واحد، ولكل منها من مقياسين إلى أربعة مقاييس تستحق التتبع.
الطبقة 1: ما جودة اكتسابك للمستخدمين؟
في PLG تهم جودة الاكتساب أكثر من الحجم. عشرة تسجيلات من أشخاص يطابقون ملف العميل المثالي (ICP) أثمن من ألف تسجيل من حملة واسعة، لأن هؤلاء العشرة يستخدمون المنتج فعلًا.
معدل التسجيل إلى التفعيل بحسب المصدر. قسّم التفعيل بحسب القناة. وجدت OpenView أن أفضل شركات الفريميوم تحصل على 53% من مستخدميها الجدد من البحث العضوي و13% من الإحالات التي يقودها المنتج، مقابل 10% من الإعلانات المدفوعة و8% من التواصل الصادر (outbound) (OpenView, 2022). وأظهر استطلاعها لعام 2023 أن الإفراط في الاعتماد على الاكتساب المدفوع ارتبط عكسيًا بالنمو السريع (OpenView, 2023). توزيعك الخاص سيكون مختلفًا؛ فقِسه قبل أن تنقل الميزانية.
زمن الوصول إلى أول قيمة بحسب شريحة ICP. كم يستغرق مستخدم ICP للوصول إلى أول نتيجة مفيدة؟ على سبيل التوضيح: إذا كان مستخدمو ICP يفعّلون في 3 أيام ويحتاج غير ICP إلى 10 (ويغادر معظمهم قبل ذلك)، فقد اكتشفت مشكلة استهداف ومشكلة احتكاك في المنتج معًا.
العملاء المحتملون المؤهلون بالمنتج (PQL). الـPQL هو مسجَّل يطابق ICP وأظهر نية شراء عبر سلوكه في المنتج، كأن يُكمل خطوة تفعيل أو يبلغ حدّ استخدام. حسّن هذا المقياس، لا عدد التسجيلات الخام.
الطبقة 2: هل يصل المسجّلون إلى قيمة حقيقية؟
التفعيل هو أهم مقاييس PLG وأكثرها إساءة للفهم. فهو ليس «أكمل الإعداد الأولي» أو «سجّل الدخول مرتين» أو «شاهد فيديو التعريف». إنه اللحظة التي اختبر فيها المستخدم من القيمة ما يكفي ليكون بقاؤه مرجّحًا. هو تنبؤي لا وصفي.
لإيجاد معلم التفعيل الحقيقي، أجرِ تحليل أفواج (cohorts). خذ المستخدمين الباقين بعد 30 يومًا وابحث عن أبكر سلوك أتموه بمعدل أعلى بكثير من المستخدمين الذين غادروا. هذا السلوك، لا ما افترضه الفريق، هو معلمك. الطريقة الكاملة في دليل التفعيل في SaaS.
معدل التفعيل (حتى المعلم الحقيقي). نسبة المسجّلين الذين يُتمّون السلوك الذي يتنبأ بالاحتفاظ. المعايير: 34% متوسطًا و25% وسيطًا عبر أكثر من 500 منتج؛ و36% و30% لقطاع SaaS وحده (Lenny's Newsletter, 2022).
زمن التفعيل. دقائق أو ساعات أو أيام من التسجيل إلى المعلم. السرعة مهمة: ففي بيانات Amplitude لعام 2025 عن أكثر من 2600 شركة، كان 69% من المنتجات ذات التفعيل المبكر القوي أيضًا من الأقوى أداءً في الاحتفاظ بعد ثلاثة أشهر، وفي نصف المنتجات كان أكثر من 98% من المستخدمين الجدد غير نشطين بعد أسبوعين من أول إجراء لهم (Amplitude, 2025).
التسرّب في التفعيل بحسب الخطوة. أين يتساقط المستخدمون قبل المعلم؟ تسرّب 60% عند «اربط أول تكامل» مشكلة مختلفة عن تسرّب 60% عند «ادعُ زميلًا». هذه القائمة هي خارطة طريق (roadmap) الإعداد الأولي لديك.
الطبقة 3: هل يكوّن المستخدمون المفعّلون عادة؟
الاحتفاظ هو محرك التراكم في PLG. المستخدم المفعّل الذي يغادر في الشهر الثاني لا يضيف شيئًا إلى الكلمة المنطوقة ولا إلى التوسع ولا إلى المجتمع.
DAU/MAU (الالتصاق). المستخدمون النشطون يوميًا مقسومين على المستخدمين النشطين شهريًا. يلاحظ Andrew Chen أن التطبيقات فوق 20% تُعدّ عادةً جيدة، و50% فأكثر بمستوى عالمي، وأن Facebook تاريخيًا تجاوز 50% (Andrew Chen). ويحذّر أيضًا من أن هذه النسبة مقياس خاطئ للمنتجات التي يستخدمها الناس بوتيرة أقل. في أداة أسبوعية، مثل منتج للتخطيط أو إعداد التقارير، استخدم النشطين أسبوعيًا مقسومين على النشطين شهريًا واحكم على الاتجاه لا على هدف مطلق.
الاحتفاظ بالاستخدام. نسبة فوج التسجيل التي ما زالت نشطة بعد 30 يومًا. بلغ متوسط المشاركين من الفريميوم في استطلاع OpenView 20%، والشركات المتميزة في PLG 16% (OpenView, 2022). وتضع بيانات Userpilot الاحتفاظ في الشهر الأول عند 46.9% في المتوسط عبر 83 شركة SaaS B2B (Userpilot). تختلف تعريفات «نشط»، ولهذا يتباعد الرقمان كثيرًا. قارن نفسك أولًا بأفواجك السابقة.
عمق تبنّي الميزات. ما نسبة المستخدمين المفعّلين الذين يعتمدون على أكثر من ميزة أساسية؟ وجدت Userpilot أن تبنّي الميزات الأساسية يبلغ في المتوسط 24.5% (الوسيط 16.5%) عبر 181 شركة SaaS B2B (Userpilot). الفرضية العملية أن التبنّي الأعمق يرفع تكلفة التحوّل؛ اختبرها على بيانات الاحتفاظ لديك قبل أن تبني عليها قرارًا.
اتساع الاستخدام داخل الحسابات. في PLG للشركات (B2B) يهم التبنّي على مستوى الفريق أكثر من التبنّي الفردي. مستخدم قوي واحد هو خطر تسرّب (churn) في اليوم الذي يغادر فيه. تتبّع نسبة الحسابات فوق حدّ للمقاعد تختاره، مثل 3 مقاعد أو أكثر نشطة أسبوعيًا.
الطبقة 4: هل تتوسع الحسابات وتدعو غيرها؟
من هنا يأتي التراكم في PLG، وهنا تترك معظم الفرق مالًا على الطاولة.
الاحتفاظ بصافي الإيرادات (NRR). الإيرادات المحتفظ بها من العملاء الحاليين بعد التسرّب وخفض الباقات والتوسع، عادةً على مدى 12 شهرًا. NRR فوق 100% يعني أن قاعدة العملاء تنمو دون شعارات جديدة. تضع ChartMogul أفضل NRR حول 110-120%، و115-125% للشركات B2B التي تبيع للشركات المتوسطة والكبيرة (ChartMogul). والوسيط أقل بكثير: 82% لشركات SaaS B2B التي تتجاوز إيراداتها السنوية المتكررة 250 ألف دولار في 2025، وعند الربع الأعلى 97% (ChartMogul, 2025). وللسعر دور: ففي بيانات ChartMogul لعام 2022، كان لدى 41.1% من الشركات التي يتجاوز متوسط إيراد الحساب فيها 500 دولار شهريًا NRR فوق 100% (ChartMogul).
PQL التوسع. المستخدمون في الحسابات المدفوعة الذين يبلغون حدود الاستخدام أو يدعون زملاءهم كثيرًا أو يستخدمون الميزات المتقدمة هم عملاء توسع محتملون ساخنون. وجّههم إلى ترقية ذاتية الخدمة أو إلى شخص، بحسب قيمة الحساب.
معامل الانتشار الفيروسي (K-factor). عدد المستخدمين الجدد الذين يجلبهم كل مستخدم حالي. معادلة David Skok هي K = الدعوات المرسلة لكل مستخدم × معدل تحويل الدعوات، ويجب أن يتجاوز K الرقم 1 ليحدث نمو فيروسي حقيقي (For Entrepreneurs). ويبيّن أيضًا أن زمن الدورة الفيروسية، أي المدة التي تستغرقها حلقة دعوة واحدة، أهم من K: ففي نموذجه تصل دورة من يومين إلى 20,470 مستخدمًا بعد 20 يومًا، بينما تتجاوز دورة من يوم واحد 20 مليونًا.
زمن التوسع. كم بعد التسجيل يتوسع الحساب عادةً؟ على سبيل التوضيح: إذا كان التوسع الوسيط يحدث في الشهر 3 لكن التواصل يبدأ في الشهر 6، فأنت تفوّت النافذة. أطلق عمل التوسع بناءً على السلوك لا على التقويم.
ما معادلات مقاييس PLG؟
المقياس
المعادلة
المعيار الموثّق
معدل التفعيل
المستخدمون الذين بلغوا المعلم في النافذة ÷ مسجّلو الفوج
استخدم المعايير للتحقق من معقولية أرقامك لا كهدف. فكل مصدر يعرّف «نشط» و«مفعّل» بشكل مختلف، ولا ينبغي مقارنة منتجات الفريميوم بمنتجات التجربة المجانية أبدًا.
الفريميوم أم التجربة المجانية: أي المعايير تنطبق عليك؟
تُظهر «قصة الألف زائر» من OpenView لماذا يهم النموذج أكثر من أي معدل تحويل منفرد (OpenView, 2022):
لكل 1000 زائر للموقع
الفريميوم (الوسيط)
التجربة المجانية (الوسيط)
التسجيلات المجانية
60 (6%)
40 (4%)
التحويل من المجاني إلى المدفوع
5%
17%
العملاء الدافعون
3
7
من تحوّلوا دون تواصل مع المبيعات
نحو 2
نحو 1
الفريميوم يصنع مستخدمين أكثر وعملاء أقل؛ والتجارب تصنع مستخدمين أقل وعملاء أكثر. قد يكون فريق فريميوم يحتفل بتحويل 5% وفريق تجارب قلق من 15% كلاهما عند الوسيط. اختر المعايير من نموذجك أنت.
كيف تبني عميلًا محتملًا مؤهلًا بالمنتج (PQL)؟
وجدت OpenView أن قرابة ثلث شركات الفريميوم تواصل مع كل مسجَّل، في حين لم تتواصل الشركات المتميزة في PLG إلا مع 14% في المتوسط. ولم يكن لدى سوى 45% من شركات الفريميوم و19% من الشركات التي تقودها المبيعات مقياس PQL (OpenView, 2022). والـPQL يعالج ذلك بتركيز الأشخاص على الحسابات المرجّح أن تشتري.
اختر النتيجة. عادةً التحويل إلى مدفوع خلال 30 أو 60 يومًا، أو الترقية إلى باقة أعلى.
اكتب قائمة بالسلوكيات المرشحة. بلوغ معلم التفعيل، دعوة الزملاء، بلوغ حد الاستخدام، مشاهدة صفحة الأسعار، ربط تكامل.
قارن المتحوّلين بغير المتحوّلين. لتسجيلات آخر 3-6 أشهر، ابحث عن السلوكيات التي أتمّها المتحوّلون بمعدل أعلى بكثير.
أضف الملاءمة. ادمج السلوك مع ملاءمة ICP (حجم الشركة، الدور، حالة الاستخدام) حتى لا يتقدم طالب فضولي على فريق من 20 شخصًا.
حدّد عتبة ووجّه. فوق العتبة يتواصل شخص أو تظهر رسالة ترقية داخل المنتج. وتحتها يواصل المنتج القيام بالعمل.
راجع شهريًا. قِس تحويل PQL إلى مدفوع مقارنة بتحويل غير الـPQL. إذا كانت الفجوة صغيرة، فالتعريف خاطئ.
قد يكون العائد كبيرًا: ففي استطلاع OpenView وPendo لعام 2023، رفع تتبّع الـPQL أو الحسابات المؤهلة بالمنتج احتمال النمو السريع بنسبة 61%، وهي أقوى رافعة في الدراسة (OpenView, 2023). هذا ارتباط من استطلاع، لا دليل على أن الـPQL تسبب النمو، لكن لم تقترب أي رافعة أخرى منه.
مثال محلول: قراءة مسار PLG من البداية إلى النهاية
مثال توضيحي. لنفترض أن أداة B2B بنموذج الفريميوم تحصل على 20,000 زائر للموقع شهريًا.
الاكتساب: يسجّل 6%، أي 1,200 تسجيل مجاني.
التفعيل: يبلغ 30% معلم التفعيل خلال 7 أيام: 360 مستخدمًا مفعّلًا. الزمن الوسيط للتفعيل: يومان.
العادة: 25% من الـ1,200 الأصلية ما زالوا نشطين في اليوم 30: 300 مستخدم.
الانتشار الفيروسي: كل مستخدم جديد يرسل في المتوسط دعوتين وتُقبل 15% منها، فيكون K = 2 × 0.15 = 0.3. وإذا دعا كل مستخدم جديد مرة واحدة فقط، فور تسجيله، فإن الـ1,200 تسجيل تجلب 1,200 × 0.3 ÷ (1 − 0.3) ≈ 514 إضافية مع الوقت.
بعد اثني عشر شهرًا، أضاف العملاء الذين كانوا يدفعون 20,000 € من MRR في بداية السنة 3,000 € من التوسع، وفقدوا 500 € بسبب خفض الباقات و1,500 € بسبب التسرّب:
ماذا ينبغي أن يفعل هذا الفريق؟ التفعيل (30%) قريب من وسيط SaaS، فالرافعة الأكبر على الأرجح هي الـ70% الذين لا يفعّلون أبدًا. وقيمة K البالغة 0.3 ليست نموًا فيروسيًا، لكنها تضيف نحو 43% إلى الاكتساب مجانًا، فيكون تقصير حلقة الدعوة الرافعة الثانية. وNRR فوق 100% يقول إن العملاء الحاليين يجدون قيمة مستمرة؛ فاحمها.
ماذا ينبغي أن تعرض لوحة PLG، وكم مرة؟
نبض أسبوعي (تكتيكي):
PQL الجديدة هذا الأسبوع مقابل الأسبوع الماضي
معدل التفعيل لأحدث فوج مدته 7 أيام
زمن التفعيل الوسيط، هذا الفوج مقابل متوسط 30 يومًا
اتجاه النشطين أسبوعيًا (أو DAU/MAU للمنتجات اليومية)
1. استخدام معلم تفعيل خاطئ. «أكمل قائمة الإعداد الأولي» يقيس تعبئة نموذج لا القيمة. أجرِ تحليل الأفواج وأعد البناء حول السلوك الذي يتنبأ بالاحتفاظ.
2. عدّ المستخدمين النشطين شهريًا دون تقسيمهم. من يسجّل الدخول مرة في الشهر ليمسح إشعارًا ليس نشطًا بأي معنى مفيد. قسّم بحسب عمق التفاعل وملاءمة ICP وإمكانية التوسع.
3. تجاهل إشارات مستوى الفريق في B2B. الشركة التي يستخدم منتجَك فيها شخص واحد بكثافة معرّضة للخطر لحظة مغادرته. تتبّع التفعيل والاتساع ونمو المقاعد على مستوى الحساب كمقاييس من الدرجة الأولى.
4. التعامل مع NRR كمقياس مالي. انخفاض NRR يعني أن المنتج لا يقدّم قيمة مستمرة كافية لتبرير التجديد والتوسع. هذه مشكلة منتج، لا مشكلة إدارة حسابات فقط.
5. بناء الحلقة الفيروسية كفكرة لاحقة. إذا كانت الدعوات مدفونة في الإعدادات فسيكون K قريبًا من الصفر. ضع المشاركة في مسار التفعيل وفي أول لحظة تعاون، وقصّر زمن الدورة.
6. المقارنة بالمعيار الخاطئ. منتج فريميوم يُحكم عليه بتحويل التجارب المجانية سيبدو معطوبًا، ومنتج أصلي بالذكاء الاصطناعي يُحكم عليه باحتفاظ SaaS التقليدي سيبدو أسوأ: فقد وجدت ChartMogul أن الشركات الأصلية بالذكاء الاصطناعي كان وسيط NRR لديها 48% في 2025 (ChartMogul, 2025). والتسعير يشكّل التوسع أيضًا، فأعد النظر في هل يناسب التسعير بحسب المقعد منتجًا بالذكاء الاصطناعي.
متى لا تناسب هذه الحزمة من المقاييس؟
المنتجات المبكرة جدًا التي تقل تسجيلاتها عن بضع مئات شهريًا لا تستطيع قراءة الاحتفاظ بالأفواج أو عتبات الـPQL بموثوقية؛ فالأرقام تتحرك بحفنة من المستخدمين. تحدّث مع المستخدمين وتتبّع التفعيل يدويًا إلى أن يجعل الحجمُ الحزمةَ ذات معنى؛ ويعطي استطلاع ملاءمة المنتج للسوق قراءة أسرع عند الحجم المنخفض. أما المنتجات التي تقودها المبيعات بالكامل ولا مسار ذاتي الخدمة فيها فتحتاج إلى مقاييس خط الأنابيب، مع أن التفعيل وNRR ما زالا ينطبقان بعد إغلاق الصفقة.
أين يندرج Specky
لدى معظم فرق PLG البيانات. إنها في PostHog وPendo وجدول بيانات، منفصلة عن القرارات التي ينبغي أن تُنيرها. يقرأ Specky بيانات التحليلات مع مكالمات العملاء والملاحظات والتذاكر داخل Product Graph. وتأخذ واجهة Feature Adoption فيه اتجاهات ومسارات PostHog أو مشاهدات صفحات Pendo، وتعرض لكل ميزة حصة الاستخدام والاتجاه مع اقتراح بالترقية أو الإبقاء أو الإيقاف، ويُحدَّث أسبوعيًا. إنه دعم للقرار لا قائمة إيقاف تلقائية (الفرق مشروح في product intelligence vs product analytics)؛ فعندما يتحرك استخدام ميزة ما، يمكنك فتح المقابلات والتذاكر التي تفسّر السبب قبل أن تقرر.
الأسئلة الشائعة
ما أهم مقاييس النمو المقاد بالمنتج؟
أهم مقاييس النمو المقاد بالمنتج هي معدل التفعيل، وزمن التفعيل، والعملاء المحتملون المؤهلون بالمنتج، والتحويل من المجاني إلى المدفوع، والاحتفاظ بصافي الإيرادات، ومعامل الانتشار الفيروسي. التفعيل هو الأهم في البداية لأنه يتنبأ بالاحتفاظ. والاحتفاظ بصافي الإيرادات هو الأهم على نطاق واسع لأنه يُظهر هل يواصل العملاء الحاليون إيجاد القيمة والتوسع.
ما معدل التحويل الجيد من المجاني إلى المدفوع في PLG؟
يعتمد على النموذج. تضع معايير OpenView لعام 2022 الوسيط عند 5% من التسجيلات المجانية لمنتجات الفريميوم و17% للتجارب المجانية. قارن نفسك فقط بمنتجات تستخدم النموذج نفسه، وتتبّع المعدل بحسب الفوج ومصدر الاكتساب بدلًا من رقم واحد مجمَّع.
ما العميل المحتمل المؤهل بالمنتج؟
العميل المحتمل المؤهل بالمنتج هو مستخدم أو حساب يطابق ملف العميل المثالي وأظهر نية شراء عبر سلوكه في المنتج، مثل بلوغ معلم التفعيل أو دعوة الزملاء أو بلوغ حد الاستخدام. تبنيه الفرق بمقارنة ما فعله المسجّلون المتحوّلون وغير المتحوّلين، ثم توجيه الحسابات فوق عتبة معينة إلى المبيعات أو إلى رسالة ترقية.
ما نسبة الاحتفاظ الجيدة بصافي الإيرادات؟
أفضل NRR تدور حول 110-120%، و115-125% للشركات B2B التي تبيع للشركات المتوسطة والكبيرة، بحسب ChartMogul. والوسيط أقل: 82% لشركات SaaS B2B التي تتجاوز إيراداتها السنوية المتكررة 250 ألف دولار في 2025، وعند الربع الأعلى 97%. وتزداد NRR مع ارتفاع مستوى السعر، لأن الحسابات الأعلى قيمة تتسرّب أقل وتتوسع أكثر.
كيف تحسب معامل الانتشار الفيروسي؟
اضرب متوسط عدد الدعوات التي يرسلها كل مستخدم في نسبة الدعوات التي تتحول إلى مستخدمين جدد. دعوتان بمعدل قبول 15% تعطيان K = 0.3. وK فوق 1 يعني أن كل مستخدم يجلب أكثر من مستخدم جديد، وهذا هو النمو الفيروسي الحقيقي. وتحت 1 تظل الدعوات تضيف مستخدمين، ويكون لتقصير دورة الدعوة أكبر الأثر.
هل DAU/MAU مقياس جيد لـ SaaS B2B؟
فقط للمنتجات التي يحتاجها الناس يوميًا. يصف Andrew Chen نسبة 20%+ بأنها جيدة و50%+ بمستوى عالمي، لكنه يحذّر من أن النسبة مضلِّلة للمنتجات المستخدمة أسبوعيًا أو شهريًا. كثير من أدوات B2B أسبوعية بطبيعتها، لذا فإن النشطين أسبوعيًا مقسومين على النشطين شهريًا، مقروءين كاتجاه بحسب الفوج، هو عادةً مقياس العادة الأفضل.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing