規(guī)劃搜索產(chǎn)品時(shí)脖母,我們可以如何著手

搜索,曾經(jīng)作為PC互聯(lián)網(wǎng)時(shí)代的流量霸主闲孤,有著舉足輕重的地位谆级。即使在如今APP孤島林立的移動(dòng)互聯(lián)時(shí)代,站內(nèi)搜索仍然是提升產(chǎn)品觸達(dá)與流量轉(zhuǎn)化的重要部件讼积,譬如業(yè)界有流傳電商App40%以上的GMV通過(guò)搜索貢獻(xiàn)肥照。那么,當(dāng)我們要規(guī)劃一款搜索產(chǎn)品時(shí)勤众,我們主要關(guān)注哪些內(nèi)容舆绎,這篇文章希望和你一齊探討。

01 搜索的本質(zhì)

讓我們先來(lái)看看搜索的原理是什么们颜。簡(jiǎn)單說(shuō)亿蒸,就是用戶的輸入(Query)與系統(tǒng)數(shù)據(jù)庫(kù)中的內(nèi)容(Content)完成匹配(Match)的過(guò)程。這個(gè)過(guò)程的實(shí)現(xiàn)可以歸納為三步:第一是對(duì)用戶query的解讀掌桩,即query分析边锁;第二是對(duì)系統(tǒng)中存儲(chǔ)的數(shù)據(jù)內(nèi)容的理解,即應(yīng)該與哪些內(nèi)容進(jìn)行匹配并召回?cái)?shù)據(jù)波岛;最后是對(duì)召回的結(jié)果排序茅坛,預(yù)測(cè)用戶最想要的是什么并予以呈現(xiàn)。


1.1 Query分析

用戶搜索時(shí)輸入的內(nèi)容往往是一串長(zhǎng)句或是一個(gè)問(wèn)題则拷,這樣的自然語(yǔ)言贡蓖,機(jī)器是沒(méi)法直接識(shí)別的,這個(gè)時(shí)候就需要對(duì)query進(jìn)行拆解煌茬。首先是分詞斥铺,也就是把長(zhǎng)句分解成短語(yǔ)或詞組,比如“雙十一全民購(gòu)物節(jié)”會(huì)被分解為“雙十一/全民/購(gòu)物節(jié)”坛善,被分解后的詞就可以在系統(tǒng)詞庫(kù)中找到晾蜘。系統(tǒng)詞庫(kù)一般可以通過(guò)常用詞庫(kù)邻眷、搜索行為日志、企業(yè)產(chǎn)品名稱剔交、商品品牌肆饶、類目等構(gòu)建,定期更新維護(hù)岖常。技術(shù)上已有一些開(kāi)源詞庫(kù)可以應(yīng)用驯镊,比如jieba、ik等詞庫(kù)插件竭鞍。

但是用戶的query有時(shí)候并不總是能精確分詞板惑,譬如輸入了拼音或者錯(cuò)別字,系統(tǒng)就要把query進(jìn)行糾錯(cuò)改寫偎快》氤耍或是為了更準(zhǔn)確的命中用戶意圖,就要進(jìn)行同義詞滨砍、語(yǔ)義擴(kuò)展往湿。一般通過(guò)構(gòu)建query與糾錯(cuò)詞、同義詞的映射詞庫(kù)來(lái)實(shí)現(xiàn)惋戏,數(shù)據(jù)大多來(lái)源于用戶搜索日志及人工維護(hù)等领追。近些年得益于深度學(xué)習(xí)的發(fā)展,如BERT等NLP模型被引入語(yǔ)義擴(kuò)展應(yīng)用中响逢,效果得到進(jìn)一步改善绒窑。

另外,query分詞后的信息并不都是重要的舔亭,某些時(shí)候query中的一個(gè)關(guān)鍵詞其實(shí)才是用戶想要表達(dá)的真實(shí)意圖些膨,把這個(gè)詞提取出來(lái)就可以幫助后續(xù)的召回排序階段能更快更準(zhǔn)的匹配內(nèi)容,這就是識(shí)別及提取關(guān)鍵詞的作用了钦铺。

以上無(wú)論分詞订雾、關(guān)鍵詞識(shí)別或是語(yǔ)義擴(kuò)展,目的都是對(duì)用戶query的解讀矛洞,理解用戶真實(shí)意圖洼哎,為接下來(lái)搜索引擎該從系統(tǒng)中召回哪些數(shù)據(jù)框定出大致的范圍。

1.2 召回

召回沼本,也就是把用戶query相關(guān)的內(nèi)容從數(shù)據(jù)庫(kù)中篩選出來(lái)噩峦,在這之前系統(tǒng)有一系列的任務(wù)需要處理。首要任務(wù)當(dāng)然是建立搜索系統(tǒng)的數(shù)據(jù)庫(kù)抽兆,一般這個(gè)過(guò)程就是搜索引擎的索引構(gòu)建识补。對(duì)于一項(xiàng)搜索業(yè)務(wù),比如電商類的搜索辫红,引擎會(huì)把商品標(biāo)題凭涂、商品簡(jiǎn)介祝辣、廣告詞、品牌导盅、類目等文本類的字段納入到索引中较幌,并與詞庫(kù)詞典建立一種映射關(guān)系揍瑟,這樣query分詞后就能快速進(jìn)行匹配白翻,把命中的內(nèi)容全部從數(shù)據(jù)庫(kù)中召回出來(lái)。當(dāng)然绢片,除了標(biāo)題滤馍、簡(jiǎn)介等文本類信息,諸如商品的銷量底循、評(píng)論巢株、點(diǎn)擊量等數(shù)值類的字段也會(huì)被搜索引擎構(gòu)建到索引中,在接下來(lái)的排序階段發(fā)揮作用熙涤。

1.3 排序

經(jīng)過(guò)搜索召回的數(shù)據(jù)往往是大量的阁苞,那么哪些內(nèi)容會(huì)被優(yōu)先展示呢?搜索引擎會(huì)結(jié)合各個(gè)因子的價(jià)值賦予一定的權(quán)重祠挫,進(jìn)行綜合后給每條數(shù)據(jù)評(píng)定優(yōu)先級(jí)分?jǐn)?shù)那槽。影響搜索排序的因子大體可以分為兩類:1)文本相關(guān),主要考慮搜索詞與內(nèi)容的相關(guān)程度等舔,這一塊已有很多成熟的方案骚灸,諸如經(jīng)典的TF-IDF、BM25算法等慌植;2)業(yè)務(wù)相關(guān)甚牲,如電商類的價(jià)格、銷量蝶柿、時(shí)效性丈钙,資訊類的閱讀量、分享量等交汤。排序算法及各因子的權(quán)重并不是一成不變的雏赦,會(huì)隨著數(shù)據(jù)的積累、badcase分析而迭代優(yōu)化蜻展,最終效果也是考驗(yàn)對(duì)業(yè)務(wù)的理解喉誊。

另外除了相關(guān)性排序,大多搜索系統(tǒng)都加入了個(gè)性化排序的能力纵顾,一般通過(guò)搜索日志挖掘伍茄、用戶標(biāo)簽等與數(shù)據(jù)內(nèi)容聯(lián)合建立點(diǎn)擊率模型,預(yù)測(cè)用戶偏好的搜索結(jié)果施逾。

經(jīng)過(guò)query分析-召回-排序等一系列步驟后敷矫,數(shù)據(jù)內(nèi)容就按相關(guān)性依序呈現(xiàn)到了用戶面前例获,以上就是搜索實(shí)現(xiàn)的基本原理。

02 用戶搜索的故事線

上述解決了搜索是什么的問(wèn)題曹仗,接下來(lái)我們看看一款搜索產(chǎn)品一般會(huì)具備哪些功能榨汤。搜索出現(xiàn)的緣由是信息過(guò)載,特別是越來(lái)越多長(zhǎng)尾內(nèi)容無(wú)法有效觸達(dá)怎茫,用戶需要通過(guò)搜索在紛繁的數(shù)據(jù)中快速找到所需收壕,因此搜索的功能便是基于降低用戶使用成本來(lái)規(guī)劃的。從用戶視角來(lái)看轨蛤,一次搜索流程的故事線如下圖所示蜜宪。


2.1 搜索前

(1)搜索輸入形態(tài)

在進(jìn)入搜索前,一般有幾種交互方式來(lái)向系統(tǒng)輸入查找內(nèi)容祥山。主流的就是文本框搜索了圃验,隨著語(yǔ)音識(shí)別技術(shù)的發(fā)展一些企業(yè)已開(kāi)始逐步引入語(yǔ)音搜索(本質(zhì)上仍是通過(guò)語(yǔ)音轉(zhuǎn)文字后進(jìn)行的文本搜索),另外諸多電商產(chǎn)品還有圖片搜索的功能缝呕。對(duì)這三種輸入形態(tài)可以結(jié)合團(tuán)隊(duì)實(shí)力和業(yè)務(wù)需要來(lái)規(guī)劃搜索入口設(shè)計(jì)澳窑。

(2)底紋默認(rèn)框詞

搜索入口設(shè)計(jì)成輸入框的形式時(shí),一般都會(huì)有底紋默認(rèn)詞供常。對(duì)用戶這是作為搜索推薦降低選擇的入口摊聋,對(duì)企業(yè)則是營(yíng)銷推廣、流量分發(fā)的廣告位话侧。因此在實(shí)現(xiàn)上栗精,通常會(huì)結(jié)合用戶的行為數(shù)據(jù)(比如歷史搜索、搜索點(diǎn)擊瞻鹏,甚至于商品購(gòu)買悲立、瀏覽點(diǎn)贊等搜索外數(shù)據(jù))、熱門搜索新博、人工干預(yù)做綜合推薦薪夕。

2.2 搜索中

從用戶選擇搜索框到輸入搜索詞的過(guò)程,也有一些簡(jiǎn)化用戶使用的操作赫悄。

(1)歷史搜索&熱門搜索

歷史搜索是用戶曾經(jīng)在搜索頁(yè)面查詢過(guò)的關(guān)鍵詞原献,一般會(huì)按時(shí)間由近及遠(yuǎn)保留近10條記錄并呈現(xiàn)。

熱門搜索是搜索業(yè)務(wù)中一大流量分發(fā)的廣告位埂淮,具有一定的榜單效用從而降低用戶決策提升點(diǎn)擊率姑隅,通常由運(yùn)營(yíng)人員結(jié)合熱點(diǎn)產(chǎn)品在后臺(tái)設(shè)置推廣詞。進(jìn)階的做法倔撞,會(huì)結(jié)合用戶之前的行為數(shù)據(jù)加入個(gè)性化推薦的算法讲仰,達(dá)到一定的千人千面效果。

(2)搜索推薦

用戶在使用搜索時(shí)也會(huì)有意圖不明確的時(shí)候痪蝇,或者搜索之后無(wú)法匹配到系統(tǒng)內(nèi)容導(dǎo)致沒(méi)有結(jié)果鄙陡,這時(shí)就可以進(jìn)行搜索推薦冕房。在搜索動(dòng)線中植入推薦的場(chǎng)景可以很多,比如無(wú)結(jié)果推薦與相關(guān)性推薦趁矾。

無(wú)結(jié)果推薦耙册,就是在用戶搜索后但是沒(méi)有搜索內(nèi)容返回,往往是業(yè)務(wù)數(shù)據(jù)偏少或者用戶的query詞條較冷門造成毫捣。無(wú)搜索結(jié)果是很傷用戶體驗(yàn)的情境详拙,次數(shù)如果出現(xiàn)多的話用戶下次就不會(huì)再用搜索功能了。這個(gè)時(shí)候就可以結(jié)合用戶的query進(jìn)行相似搜索詞的推薦培漏,或者結(jié)合用戶與內(nèi)容的屬性進(jìn)行產(chǎn)品的推薦溪厘。

相關(guān)性推薦胡本,常出現(xiàn)在搜索結(jié)果信息流中牌柄,以用戶的query詞為基準(zhǔn),推薦更多與他的意圖相關(guān)的詞侧甫。需求實(shí)現(xiàn)上一般也可以從兩個(gè)維度來(lái)考慮珊佣,即搜索詞的維度與點(diǎn)擊行為的維度。搜索詞維度可以結(jié)合用戶的搜索session來(lái)分析披粟,什么是用戶搜索session呢咒锻?定義的方式有很多種,可以認(rèn)為從用戶第一次輸入query到產(chǎn)生實(shí)際點(diǎn)擊行為為一次搜索session守屉。當(dāng)用戶搜索一個(gè)詞發(fā)現(xiàn)沒(méi)有找到惑艇,會(huì)接著換個(gè)詞繼續(xù)搜索,最終找到想要的內(nèi)容拇泛。那么就可以把多個(gè)用戶相同的query及后續(xù)相關(guān)搜索詞記錄下來(lái)滨巴,進(jìn)行協(xié)同過(guò)濾推薦了。點(diǎn)擊行為維度俺叭,是把用戶的點(diǎn)擊行為考慮進(jìn)來(lái)恭取,當(dāng)一條產(chǎn)生了點(diǎn)擊的搜索結(jié)果出現(xiàn)在多個(gè)query搜索詞的結(jié)果列表中,例如搜索‘史記’和‘資治通鑒’的用戶最終都在結(jié)果列表中點(diǎn)擊了‘上下五千年叢書’熄守,那么下次就可以把搜‘史記’的關(guān)鍵詞推薦給搜‘資治通鑒’的用戶了蜈垮。

(3)下拉聯(lián)想詞

聯(lián)想建議是依據(jù)用戶鍵入的文本,系統(tǒng)自動(dòng)擴(kuò)充完善裕照,以達(dá)到簡(jiǎn)化用戶輸入攒发、快速跳轉(zhuǎn)查詢結(jié)果的目的。為了系統(tǒng)建議的內(nèi)容更準(zhǔn)確晋南,一般會(huì)對(duì)query進(jìn)行糾錯(cuò)提示惠猿、前綴匹配等。

糾錯(cuò)提示需要支持漢字拼音混合輸入搬俊、拼音大小寫輸入等紊扬,比如用戶輸入“華為Rongyao手機(jī)”蜒茄,能將拼音提示為正確的漢字“華為榮耀手機(jī)”供用戶點(diǎn)選;另外對(duì)于用戶輸入的錯(cuò)別字系統(tǒng)需要改寫成正確的表達(dá)餐屎,比如“賣當(dāng)勞”改寫為“麥當(dāng)勞”檀葛,實(shí)現(xiàn)上主要以中文拼音為基礎(chǔ)檢索同音字,結(jié)合字詞的編輯距離進(jìn)行糾錯(cuò)判斷腹缩。

前綴匹配能在用戶開(kāi)始輸入若干字后快速聯(lián)想出相關(guān)內(nèi)容屿聋,比如輸入“女裝”,系統(tǒng)聯(lián)想“女裝套裝”藏鹊、“女裝上衣”润讥、“女裝連衣裙”等,把用戶可能的后繼搜索詞都關(guān)聯(lián)呈現(xiàn)出來(lái)盘寡。

2.3 搜索后

用戶輸入query點(diǎn)擊搜索后楚殿,系統(tǒng)會(huì)給用戶呈現(xiàn)一系列相關(guān)的搜索結(jié)果,那么如何幫助用戶更快更好的從結(jié)果中找到自己的真實(shí)意圖呢竿痰,需要在技術(shù)算法與產(chǎn)品功能上協(xié)同發(fā)力脆粥。

(1)搜索結(jié)果列表

還記得上文提到的排序嗎,搜索結(jié)果列表就是其發(fā)揮作用的主陣地影涉。模型算法上經(jīng)歷了從文本相關(guān)性到個(gè)性化算法再到不斷推陳出新的各種神經(jīng)網(wǎng)絡(luò)变隔,算法能力升級(jí)也使搜索結(jié)果首屏內(nèi)容命中用戶query意圖的概率大大增加。而在產(chǎn)品交互層面蟹倾,需要結(jié)合企業(yè)業(yè)務(wù)與數(shù)據(jù)內(nèi)容的特性匣缘,分析用戶關(guān)注的核心信息以及哪種內(nèi)容更易促動(dòng)用戶點(diǎn)擊,以此對(duì)搜索結(jié)果信息流的圖文呈現(xiàn)鲜棠、字段展示肌厨、業(yè)務(wù)域模塊劃分進(jìn)行綜合考量布局。

另外岔留,如果企業(yè)/App是具有平臺(tái)性質(zhì)(比如微博夏哭、抖音、電商類App)可以為第三方提供廣告接入的服務(wù)献联,在搜索結(jié)果信息流中植入廣告feed也是一個(gè)重要且復(fù)雜的課題竖配,需要考慮廣告與搜索域的原生信息、用戶搜索意圖以及商業(yè)目標(biāo)等的匹配平衡里逆。

(2)搜索直達(dá)/結(jié)果置頂

搜索直達(dá)是指用戶的query命中了特定的關(guān)鍵詞进胯,系統(tǒng)會(huì)跳過(guò)搜索結(jié)果列表,直接轉(zhuǎn)到具體落地頁(yè)原押。比如搜索‘天貓雙11主會(huì)場(chǎng)’胁镐,直接跳轉(zhuǎn)至活動(dòng)頁(yè)。搜索直達(dá)為運(yùn)營(yíng)提供了一種工具,配合營(yíng)銷大促盯漂、節(jié)日慶典等重要活動(dòng)進(jìn)行宣傳與引流落地颇玷。

結(jié)果置頂則是為一些爆款商品或者是主流業(yè)務(wù)產(chǎn)品配置相關(guān)關(guān)鍵詞,或者通過(guò)數(shù)據(jù)挖掘發(fā)現(xiàn)某些query下的高頻點(diǎn)擊結(jié)果就缆,當(dāng)用戶的query匹配時(shí)帖渠,把相關(guān)結(jié)果在搜索列表中置頂,提供產(chǎn)品快捷入口竭宰。比如微信搜一搜中搜索華為會(huì)置頂顯示華為商城空郊,并且還會(huì)附帶露出更多效果與組件入口,方便用戶直達(dá)服務(wù)切揭。

(3)篩選排序

除了系統(tǒng)按文本狞甚、權(quán)重、語(yǔ)義做的綜合搜索排序廓旬,不同品類的業(yè)務(wù)可以依據(jù)業(yè)務(wù)屬性定制排序及篩選的方式哼审,比如商品的按銷量/價(jià)格排序、商戶的距離/好評(píng)排序等嗤谚;篩選是為用戶提供的一套組合過(guò)濾器棺蛛,比如手機(jī)品類支持按型號(hào)、品牌巩步、類目等篩選,某些時(shí)候業(yè)務(wù)多元且復(fù)雜桦踊,甚至可以提供接口交由上游業(yè)務(wù)實(shí)現(xiàn)篩選定制化管理與維護(hù)椅野。

以上結(jié)合用戶搜索的故事線大致梳理了主流搜索業(yè)務(wù)包含的產(chǎn)品能力,基于自身業(yè)務(wù)特性完善功能籍胯,可以幫助用戶搜索更便利竟闪。


03 搜索產(chǎn)品架構(gòu)

搜索產(chǎn)品歷經(jīng)迭代,從入口級(jí)工具到中臺(tái)化引擎杖狼,很多時(shí)候搜索業(yè)務(wù)也伴隨著企業(yè)的發(fā)展而承載更多的能力炼蛤。最后,我們以中臺(tái)化的搜索平臺(tái)為定位蝶涩,淺析搜索產(chǎn)品的架構(gòu)規(guī)劃理朋,主要可以從三個(gè)維度考慮:數(shù)據(jù)層、平臺(tái)層绿聘、應(yīng)用層嗽上。

數(shù)據(jù)層,是構(gòu)建平臺(tái)的基礎(chǔ)熄攘,中臺(tái)炮火強(qiáng)不強(qiáng)兽愤,數(shù)據(jù)‘彈藥庫(kù)’得先準(zhǔn)備好。也可以拆解為三個(gè)方面著手:一是詞庫(kù)的建設(shè),比如基礎(chǔ)詞庫(kù)浅萧、同義詞庫(kù)逐沙、糾錯(cuò)詞庫(kù)、聯(lián)想詞庫(kù)等洼畅,拆分多個(gè)詞庫(kù)的好處是能針對(duì)特定搜索功能進(jìn)行專項(xiàng)優(yōu)化酱吝。詞庫(kù)初始化好了以后,還要考慮是否有人工干預(yù)維護(hù)的機(jī)制土思、系統(tǒng)發(fā)現(xiàn)新詞的能力务热,另外對(duì)于某些特定行業(yè)諸如金融、醫(yī)藥等己儒,還會(huì)進(jìn)行相關(guān)專業(yè)詞匯的構(gòu)建崎岂。二是用戶相關(guān)數(shù)據(jù),包括用戶基本屬性標(biāo)簽、行為數(shù)據(jù)、交易數(shù)據(jù)等菊值,大多時(shí)候這些數(shù)據(jù)都散落在各個(gè)業(yè)務(wù)系統(tǒng)褐望,而這些數(shù)據(jù)對(duì)優(yōu)化算法模型起到重要作用,那么如何去其他系統(tǒng)取數(shù)恩尾、需要哪些字段,就需要商定一個(gè)機(jī)制。三是垂類數(shù)據(jù)建設(shè)陶夜,企業(yè)如果具備多元的業(yè)務(wù),就可以對(duì)不同垂直業(yè)務(wù)分別取數(shù)裆站、建索引存儲(chǔ)条辟,搜索引擎可以設(shè)計(jì)通用的數(shù)據(jù)上報(bào)接口,為需要接入平臺(tái)的業(yè)務(wù)提供全量/增量數(shù)據(jù)同步的服務(wù)宏胯。

平臺(tái)層羽嫡,搭建PaaS化的微服務(wù)能力,把query理解肩袍、數(shù)據(jù)召回杭棵、內(nèi)容排序等模塊抽象成API式的接口,以滿足不同業(yè)務(wù)定制化的需求氛赐。

應(yīng)用層魂爪,是最終搜索業(yè)務(wù)與用戶交互的窗口,秉持‘降低用戶搜索的費(fèi)力度’與‘提升業(yè)務(wù)轉(zhuǎn)化率’的目的鹰祸,對(duì)用戶搜索故事線前甫窟、中、后的體驗(yàn)不斷迭代優(yōu)化與能力豐富蛙婴。

以上就是本文基本梳理的搜索業(yè)務(wù)構(gòu)建的骨架粗井,市面上的搜索產(chǎn)品大致是上述功能與流程的組合。暫時(shí)先總結(jié)到這么多吧,搜索的更多細(xì)節(jié)有機(jī)會(huì)再進(jìn)一步分析浇衬。



公眾號(hào):策略伽?? 歡迎關(guān)注~

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末懒构,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子耘擂,更是在濱河造成了極大的恐慌胆剧,老刑警劉巖,帶你破解...
    沈念sama閱讀 221,548評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件醉冤,死亡現(xiàn)場(chǎng)離奇詭異秩霍,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)蚁阳,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,497評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門铃绒,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人螺捐,你說(shuō)我怎么就攤上這事颠悬。” “怎么了定血?”我有些...
    開(kāi)封第一講書人閱讀 167,990評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵赔癌,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我澜沟,道長(zhǎng)灾票,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書人閱讀 59,618評(píng)論 1 296
  • 正文 為了忘掉前任倔喂,我火速辦了婚禮铝条,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘席噩。我一直安慰自己,他們只是感情好贤壁,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,618評(píng)論 6 397
  • 文/花漫 我一把揭開(kāi)白布悼枢。 她就那樣靜靜地躺著,像睡著了一般脾拆。 火紅的嫁衣襯著肌膚如雪馒索。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書人閱讀 52,246評(píng)論 1 308
  • 那天名船,我揣著相機(jī)與錄音绰上,去河邊找鬼。 笑死渠驼,一個(gè)胖子當(dāng)著我的面吹牛蜈块,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 40,819評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼百揭,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼爽哎!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起器一,我...
    開(kāi)封第一講書人閱讀 39,725評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤课锌,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后祈秕,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體渺贤,經(jīng)...
    沈念sama閱讀 46,268評(píng)論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,356評(píng)論 3 340
  • 正文 我和宋清朗相戀三年请毛,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了志鞍。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,488評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡获印,死狀恐怖述雾,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情兼丰,我是刑警寧澤玻孟,帶...
    沈念sama閱讀 36,181評(píng)論 5 350
  • 正文 年R本政府宣布,位于F島的核電站鳍征,受9級(jí)特大地震影響黍翎,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜艳丛,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,862評(píng)論 3 333
  • 文/蒙蒙 一匣掸、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧氮双,春花似錦碰酝、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書人閱讀 32,331評(píng)論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至暖释,卻和暖如春袭厂,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背球匕。 一陣腳步聲響...
    開(kāi)封第一講書人閱讀 33,445評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工纹磺, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人亮曹。 一個(gè)月前我還...
    沈念sama閱讀 48,897評(píng)論 3 376
  • 正文 我出身青樓橄杨,卻偏偏與公主長(zhǎng)得像秘症,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子讥珍,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,500評(píng)論 2 359