數(shù)據(jù)系列:數(shù)據(jù)指標(biāo)簡(jiǎn)單分析

在剛邁入數(shù)據(jù)的大門(mén)時(shí),我經(jīng)常對(duì)一些數(shù)據(jù)指標(biāo)或者數(shù)據(jù)本身的概念很模糊岭皂,尤其是當(dāng)跟運(yùn)營(yíng)、數(shù)據(jù)分析師扯需求的時(shí)候沼头,會(huì)被這些密密麻麻的指標(biāo)給弄糊涂爷绘。為了更好的在行業(yè)里面摸打滾爬,花了很多時(shí)間閱讀一些指標(biāo)相關(guān)的文章进倍、書(shū)籍土至,總算解決了這個(gè)問(wèn)題。

作為互聯(lián)網(wǎng)從業(yè)人員猾昆,目前看來(lái)對(duì)數(shù)據(jù)指標(biāo)陶因、指標(biāo)的運(yùn)用還是需要再深入學(xué)習(xí)下。終于擠出一些時(shí)間重新梳理了關(guān)于數(shù)據(jù)指標(biāo)相關(guān)的一些知識(shí)垂蜗,先梳理下數(shù)據(jù)指標(biāo)基礎(chǔ)知識(shí)楷扬。

一、常見(jiàn)指標(biāo)

先來(lái)看一看常見(jiàn)的一些數(shù)據(jù)指標(biāo)們

1贴见、DAU:Daily Active User 日活躍用戶量烘苹。統(tǒng)計(jì)一日(統(tǒng)計(jì)日)之內(nèi),登陸或使用了某個(gè)產(chǎn)品的用戶數(shù)(去重)

2蝇刀、WAU:Weekly Active Users 周活躍用戶量螟加。統(tǒng)計(jì)一周(統(tǒng)計(jì)日)之內(nèi),登陸或使用了某個(gè)產(chǎn)品的用戶數(shù)(去重)

3吞琐、MAU:Monthly Active User 月活躍用戶量捆探。統(tǒng)計(jì)一月(統(tǒng)計(jì)日)之內(nèi),登陸或使用了某個(gè)產(chǎn)品的用戶數(shù)(去重)

4站粟、DNU:Day New User 日新增用戶黍图,表示當(dāng)天的新增用戶

5、DOU:Day Old User 日老用戶。當(dāng)天登陸的老用戶,非新增用戶

6字旭、ACU:Average Concurrent Users 平均同時(shí)在線人數(shù)

7缝裤、PCU:Peak Concurrent Users 最高同時(shí)在線人數(shù)

8、UV:Unique Visitor 唯一訪問(wèn)量诉探,即頁(yè)面被多少人訪問(wèn)過(guò)

9、PV:Page View 頁(yè)面瀏覽量,即頁(yè)面被多少人看過(guò)

10丰滑、ARPU:Average Revenue Per User 平均每個(gè)活躍用戶收益。

11倒庵、ARPPU:Average Revenue Per Paying User 平均每個(gè)付費(fèi)用戶平均收益褒墨。統(tǒng)計(jì)周期內(nèi),付費(fèi)用戶對(duì)產(chǎn)品產(chǎn)生的平均收入擎宝。

12郁妈、LTV:Life Time Value 生命周期價(jià)值。產(chǎn)品從用戶所有互動(dòng)中獲取的全部經(jīng)濟(jì)收益的總和

13绍申、CAC:Customer Acquisition Cost 用戶獲取成本

14噩咪、ROI:Return On Investment 投資回報(bào)率。

ROI=利潤(rùn)總額/投入成本總額*100%

15极阅、GMV:Gross Merchandise Volume 成交總額胃碾。是指下單產(chǎn)生的總金額

CMV=銷(xiāo)售額+取消訂單金額+退款金額

16、支付UV:下單并成功支付的用戶數(shù)

二涂屁、如何獲取指標(biāo)

對(duì)于上述這些指標(biāo)书在,如果你很陌生,那么首先可能就會(huì)問(wèn)“這些指標(biāo)來(lái)的呢”拆又,“有些指標(biāo)直接獲取不到呀”儒旬。說(shuō)到這,不得不提到數(shù)據(jù)采集的基礎(chǔ):埋點(diǎn)帖族。一般在設(shè)計(jì)好數(shù)據(jù)指標(biāo)后栈源,我們會(huì)有一個(gè)“數(shù)據(jù)埋點(diǎn)”的工程,通常是由產(chǎn)品經(jīng)理輸出《埋點(diǎn)需求文檔》竖般,然后交予開(kāi)發(fā)進(jìn)行埋點(diǎn)部署甚垦,關(guān)于埋點(diǎn)的幾種方式已經(jīng)在埋點(diǎn)系列里面,在此不復(fù)述了。

埋點(diǎn)是互聯(lián)網(wǎng)領(lǐng)域最重要的數(shù)據(jù)采集手段之一艰亮。通俗講就是在web或app植入埋點(diǎn)代碼闭翩,用以監(jiān)控用戶行為事件。通過(guò)埋點(diǎn)迄埃,我們可以:

獲得用戶行為軌跡

追蹤任一時(shí)間段數(shù)據(jù)的變化

驗(yàn)證可行性

找出產(chǎn)品設(shè)計(jì)漏洞等

以電商網(wǎng)站為例疗韵,想要統(tǒng)計(jì)用戶訪問(wèn)網(wǎng)站、訪問(wèn)商品詳情頁(yè)侄非、加入購(gòu)物車(chē)蕉汪、支付訂單到支付成功的轉(zhuǎn)換率。發(fā)現(xiàn)從訂單支付到支付成功轉(zhuǎn)換率僅有4%逞怨,明顯過(guò)低者疤。即可分析支付節(jié)點(diǎn)是否存在bug,由什么原因?qū)е隆?/p>

三叠赦、數(shù)據(jù)指標(biāo)分類(lèi)

大致的驹马,我認(rèn)為可以將數(shù)據(jù)指標(biāo)分為三大類(lèi):綜合性指標(biāo)、流程性指標(biāo)眯搭、業(yè)務(wù)性指標(biāo)窥翩。

1、綜合性指標(biāo)

綜合性指標(biāo)是能提現(xiàn)產(chǎn)品目前綜合情況的指標(biāo)鳞仙。

在非交易網(wǎng)站寇蚊,比如社交網(wǎng)站,數(shù)據(jù)指標(biāo)的用途偏向于了解產(chǎn)品的用戶增長(zhǎng)或減少等情況棍好。綜合性指標(biāo)通暢有:DAU仗岸、留存數(shù)、留存率借笙、人均使用時(shí)長(zhǎng)扒怖、PV、UV等业稼。

對(duì)于交易系型網(wǎng)站盗痒,那么平臺(tái)關(guān)注的綜合性指標(biāo)通常是:GMV、支付UV低散、人均訂單數(shù)俯邓、人均客單價(jià)等。

2熔号、流程性指標(biāo)

流程性指標(biāo)是指與用戶操作行為相關(guān)的指標(biāo)稽鞭。

點(diǎn)擊率:有PV點(diǎn)擊率和UV點(diǎn)擊率,一般使用PV點(diǎn)擊率引镊。

轉(zhuǎn)換率:下一步操作用戶數(shù)/上一步操作用戶數(shù)

流失率:(上一步用戶數(shù)-下一步用戶數(shù))/上一步用戶數(shù)

完成率:完成率相對(duì)于轉(zhuǎn)化率而言朦蕴,是最終的結(jié)果數(shù)值篮条。轉(zhuǎn)化率是過(guò)程值,完成率是結(jié)果值吩抓。

3涉茧、業(yè)務(wù)性指標(biāo)

業(yè)務(wù)性指標(biāo)是跟產(chǎn)品業(yè)務(wù)相關(guān)的指標(biāo)。例如視頻網(wǎng)站琴拧,則可能需要的業(yè)務(wù)指標(biāo)有:視頻播放數(shù)降瞳、人均觀看時(shí)長(zhǎng)嘱支、人均播放數(shù)蚓胸、播放率等。

四除师、數(shù)據(jù)分析與設(shè)計(jì)方法

數(shù)據(jù)分析和設(shè)計(jì)的方法有:事件分析沛膳、留存分析、漏斗分析汛聚、分步分析锹安、對(duì)比分析和多維度拆解。

1倚舀、事件分析

事件是追蹤或記錄的用戶行為或業(yè)務(wù)過(guò)程叹哭。事件是通過(guò)埋點(diǎn)記錄,通過(guò)SDK上傳的用戶行為或業(yè)務(wù)過(guò)程記錄痕貌。例如风罩,一個(gè)視頻內(nèi)容產(chǎn)品可能包含的事件:1)播放視頻;2)暫停舵稠;3)繼續(xù)播放超升;4)分享;5)評(píng)論哺徊。

一個(gè)事件可能包含多個(gè)事件屬性室琢,例如,“播放視頻”事件下可能包含的屬性:1)來(lái)源落追;2)是否自動(dòng)播放盈滴;3)播放形態(tài)。

2轿钠、留存分析

留存率是驗(yàn)證用戶粘性的關(guān)鍵指標(biāo)巢钓,設(shè)計(jì)師和產(chǎn)品經(jīng)理通常可以利用留存率與競(jìng)品對(duì)標(biāo)谣膳,衡量用戶的粘性和忠誠(chéng)度竿报。通常重點(diǎn)關(guān)注次日、3日继谚、7日烈菌、30日即可,并觀察留存率的衰減程度。留存率跟應(yīng)用的類(lèi)型也有很大關(guān)系芽世。通常來(lái)說(shuō)挚赊,工具類(lèi)應(yīng)用的首月留存率可能普遍比游戲類(lèi)的首月留存率要高。

3济瓢、 漏斗分析

漏斗分析就是轉(zhuǎn)化率分析荠割,是通過(guò)計(jì)算目標(biāo)流程中的起點(diǎn),到最后完成目標(biāo)節(jié)點(diǎn)的用戶量與留存率旺矾,流量漏斗模型在產(chǎn)品中的經(jīng)典運(yùn)用是AARRR模型蔑鹦。

衡量每一節(jié)點(diǎn)的轉(zhuǎn)換率,通過(guò)異常數(shù)據(jù)(轉(zhuǎn)換率過(guò)低)找出異常節(jié)點(diǎn)箕宙,進(jìn)而確定各個(gè)環(huán)節(jié)的流失率嚎朽,分析用戶怎么流失、為什么流失柬帕、在哪里流失哟忍。根據(jù)數(shù)據(jù)改進(jìn)產(chǎn)品,最終提升整體轉(zhuǎn)化率陷寝。

4锅很、用戶分群分析

用戶在某個(gè)特定條件下的用戶分組或占比。例如:注冊(cè)7天內(nèi)下單的用戶組凤跑、參與過(guò)A活動(dòng)的用戶等爆安。

5、對(duì)比分析

將不同時(shí)段的數(shù)據(jù)進(jìn)行對(duì)比饶火,找出差值鹏控,進(jìn)行產(chǎn)品優(yōu)化或驗(yàn)證設(shè)計(jì)。

自身產(chǎn)品對(duì)比:對(duì)比產(chǎn)品不同模塊相似場(chǎng)景的數(shù)據(jù)肤寝,找出問(wèn)題點(diǎn)当辐。

行業(yè)產(chǎn)品對(duì)比:與同行業(yè)產(chǎn)品進(jìn)行對(duì)比,找出優(yōu)劣勢(shì)鲤看,并持續(xù)優(yōu)化缘揪。

6、多維度拆解

用不同的維度視角拆分分析統(tǒng)一類(lèi)數(shù)據(jù)指標(biāo)义桂。例如按照不同的省市地區(qū)分析找筝、不同的用戶人群、不用的設(shè)備等慷吊。通過(guò)不同維度拆解袖裕,找到數(shù)據(jù)背后的真相。

五溉瓶、建立數(shù)據(jù)模型

引入數(shù)據(jù)分析急鳄,就要引入數(shù)據(jù)模型谤民。數(shù)據(jù)模型的核心是“分類(lèi)”,如何選擇或創(chuàng)造適合自身產(chǎn)品的數(shù)據(jù)模型疾宏,我們可以先了解市面上熟知幾大模型张足。

1、AARRR

AARRR是Acquisition坎藐、Activation为牍、Retention、Revenue岩馍、Referral碉咆,這個(gè)五個(gè)單詞的縮寫(xiě),分別對(duì)應(yīng)用戶生命周期中的5個(gè)重要環(huán)節(jié)兼雄。

獲取用戶(Acquisition):首先吟逝,你需要從廣告/渠道等去拉新,獲取用戶赦肋。然而用戶下載了不一定會(huì)安裝,安裝了不一定會(huì)使用該應(yīng)用励稳。所以激活成了這個(gè)層次中最關(guān)心的數(shù)據(jù)佃乘。

關(guān)注指標(biāo):CAC(用戶獲取成本 Customer Acquisition Cost)

提高活躍度(Activation):然后,通過(guò)引導(dǎo)用戶注冊(cè)等方式來(lái)激活他們驹尼。

關(guān)注指標(biāo):DAU(日活躍用戶)趣避、MAU(月活躍用戶)、每次啟動(dòng)平均使用時(shí)長(zhǎng)新翎、每個(gè)用戶每日平均啟動(dòng)次數(shù)程帕、日活躍率、周活躍率地啰、月活躍率

提高留存率(Retention):用戶被激活后愁拭,剩余的工作就是如何讓他們留下來(lái),產(chǎn)生粘性亏吝。

關(guān)注指標(biāo):1-Day Retention(次日留存率)岭埠、7-Day Retention(D+7日留存率)。曾經(jīng)有游戲行業(yè)的行家指出蔚鸥,如果想成為一款成功的游戲惜论,1-Day Retention要達(dá)到40%, 7-Day Retention要達(dá)到 20%止喷。

獲取收入(Revenue):收入一般有三種馆类,付費(fèi)應(yīng)用、應(yīng)用內(nèi)付費(fèi)及廣告弹谁。

關(guān)注指標(biāo)ARPU(平均每用戶收入)乾巧、ARPPU(平均每付費(fèi)用戶收入)技羔、CAC(用戶獲取成本)、LTV(生命周期價(jià)值)卧抗。LTV – CAC的差值藤滥,就可以視為該應(yīng)用從每個(gè)用戶身上獲取的利潤(rùn)。所以最大化利潤(rùn)社裆,就變成如何在降低CAC的同時(shí)拙绊,提高LTV,使得這兩者之間的差值最大化泳秀。

用戶推薦(Referral):以前的運(yùn)營(yíng)模型到第四個(gè)層次就結(jié)束了标沪,但是社交網(wǎng)絡(luò)的興起,使得運(yùn)營(yíng)增加了一個(gè)方面嗜傅,就是基于社交網(wǎng)絡(luò)的病毒式傳播金句,這已經(jīng)成為獲取用戶的一個(gè)新途徑。這個(gè)方式的成本很低吕嘀,而且效果有可能非常好违寞;唯一的前提是產(chǎn)品自身要足夠好,有很好的口碑偶房。

在整個(gè)AARRR模型中趁曼,這些量化指標(biāo)都具有很重要的地位,而且很多指標(biāo)的影響力是跨多個(gè)層次的棕洋。及時(shí)準(zhǔn)確地獲取這些指標(biāo)的具體數(shù)據(jù)挡闰,對(duì)于應(yīng)用的成功運(yùn)營(yíng)是必不可少的。

2掰盘、RARRA

RARRA模型本質(zhì)上是通過(guò)AARRR模型調(diào)整順序得來(lái)的摄悯,其原因是AARRR專(zhuān)注于獲客(Acquisition),且是McClure是在2007年編寫(xiě)的愧捕,當(dāng)時(shí)的CAC還比較低廉奢驯,上架應(yīng)用即容易獲得用戶。在互聯(lián)網(wǎng)流量高速增長(zhǎng)的今天晃财,獲取用戶(Acquisition)已變得非常昂貴叨橱,所有應(yīng)用商城都有百萬(wàn)個(gè)APP,市場(chǎng)競(jìng)爭(zhēng)激烈断盛,簡(jiǎn)單發(fā)布一個(gè)應(yīng)用就有用戶早已已不再是賺錢(qián)的方式罗洗。所以,以拉新獲客的增長(zhǎng)模式不再適用钢猛。現(xiàn)在黑客增長(zhǎng)的真正關(guān)鍵是留存(Retention)伙菜。

RARRA模型是托馬斯·佩蒂特Thomas Petit和賈博·帕普Gabor Papp對(duì)于AARRR模型的優(yōu)化。

用戶留存(Retention):是RARRA最重要的指標(biāo)命迈,留存率是反應(yīng)用戶留存最重要的指標(biāo)之一贩绕。

用戶激活(Activation):加速用戶激活火的,為用戶的第一次使用提供盡可能愉快的體驗(yàn)。確保他們?cè)谑状问褂脮r(shí)就看到產(chǎn)品的價(jià)值所在淑倾。

用戶推薦(Referral):建立有效的推薦系統(tǒng)馏鹤,讓用戶主動(dòng)分享和討論你的產(chǎn)品。

商業(yè)變現(xiàn)(Revenue):提高用戶的LTV(Lifetime Value)娇哆,用戶留存越長(zhǎng)湃累,對(duì)業(yè)務(wù)的價(jià)值越大。

用戶拉新(Acquisition):鼓勵(lì)老用戶帶來(lái)新用戶碍讨;優(yōu)化獲客渠道治力,通過(guò)渠道群組分析找出最適合你產(chǎn)品的獲客渠道。

3勃黍、Google’s HEART

Google’s HEART是一個(gè)用來(lái)評(píng)估以及提升用戶體驗(yàn)的模型宵统,它由五個(gè)維度組成:Engagement(參與度)、Adoption(接受度)覆获、Retention(留存度)马澈、Task Success(任務(wù)完成度)和Happiness(愉悅度)。

4锻梳、Customer Experience Index (CX Index)

用戶體驗(yàn)指數(shù)的維度有三個(gè)箭券,分別為:滿足需求、簡(jiǎn)單地和愉快地疑枯。

以上就是幾個(gè)常見(jiàn)的數(shù)據(jù)指標(biāo)模型,我們可以通過(guò)分析每個(gè)模型的背景和用途來(lái)學(xué)習(xí)其中的指標(biāo)思路蛔六,并創(chuàng)造出適合自己團(tuán)隊(duì)的數(shù)據(jù)模型荆永。

六、指標(biāo)字典

為了對(duì)指標(biāo)進(jìn)行統(tǒng)一管理国章,方便維護(hù)和共享具钥,我們需要?jiǎng)?chuàng)建指標(biāo)字典。指標(biāo)字典可以是Excel表液兽,或者其他記錄形式骂删。在數(shù)據(jù)量大的復(fù)雜環(huán)境中,一般將指標(biāo)管理功能放在數(shù)據(jù)管理系統(tǒng)中四啰。

指標(biāo)一般分為三類(lèi):基礎(chǔ)指標(biāo)宁玫、普通指標(biāo)、計(jì)算指標(biāo)柑晒。

1欧瘪、基礎(chǔ)指標(biāo)

指沒(méi)有更上游的指標(biāo),即它的父級(jí)指標(biāo)就是它自身匙赞。例如“團(tuán)購(gòu)交易額”佛掖、“訂單量”妖碉、“日活躍用戶數(shù)”。

2芥被、衍生指標(biāo)

指在單一父級(jí)指標(biāo)的基礎(chǔ)上限定某個(gè)維度得到的指標(biāo)欧宜。例如“PC端團(tuán)購(gòu)交易額”,限制條件為“下單平臺(tái)=PC”拴魄。

3冗茸、計(jì)算指標(biāo)

指在若干個(gè)描述型指標(biāo)上通過(guò)四則運(yùn)輸、排序羹铅、累計(jì)或匯總定義出的指標(biāo)為計(jì)算指標(biāo)蚀狰。例如“客單價(jià)”、“ARPU”等

指標(biāo)字典通暢包含指標(biāo)維度和指標(biāo)量度兩大部分职员,例如

指標(biāo)字典的維度
指標(biāo)字典的量度

七麻蹋、數(shù)據(jù)指標(biāo)如何驗(yàn)證設(shè)計(jì)

指標(biāo)的最終目的是用來(lái)衡量產(chǎn)品的是否符合預(yù)期,并為后續(xù)產(chǎn)品優(yōu)化工作提供思路和方向焊切。

1扮授、關(guān)注核心指標(biāo)

例如我們改版的核心指標(biāo)是提高用戶注冊(cè)人數(shù),那我們關(guān)注的就是注冊(cè)轉(zhuǎn)換率专肪,先看從點(diǎn)擊注冊(cè)到注冊(cè)成功步驟的流失率刹勃,找出流失最大的節(jié)點(diǎn)最優(yōu)化方案。等優(yōu)化上線后嚎尤,對(duì)比轉(zhuǎn)化率的變化荔仁。

如果我們改版的核心指標(biāo)是人均觀看次數(shù),則思考下什么策略既可以提升播放次數(shù)芽死,又不費(fèi)什么成本乏梁。比如新浪微博視頻,以前看完視頻后有重播按鈕和其他推薦的視頻关贵,改版后看完這個(gè)視頻會(huì)自動(dòng)播放下一個(gè)視頻遇骑。這樣的設(shè)計(jì)雖然比較粗暴,但明顯提高了視頻播放次數(shù)揖曾。

2落萎、總結(jié)核心指標(biāo)帶來(lái)的收益

怎樣用指標(biāo)量化設(shè)計(jì)價(jià)值。簡(jiǎn)單粗暴舉個(gè)栗子炭剪,比如活動(dòng)上線后练链,點(diǎn)擊率是4.8%,每天的活動(dòng)GMV約200萬(wàn)念祭,當(dāng)重新設(shè)計(jì)了活動(dòng)頁(yè)面后兑宇,在其他條件不變的情況下,點(diǎn)擊率提升到了8%,活動(dòng)GMVd達(dá)到了700萬(wàn)隶糕。那么增加的500萬(wàn)則是通過(guò)設(shè)計(jì)帶來(lái)的收益瓷产。

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
禁止轉(zhuǎn)載,如需轉(zhuǎn)載請(qǐng)通過(guò)簡(jiǎn)信或評(píng)論聯(lián)系作者枚驻。
  • 序言:七十年代末濒旦,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子再登,更是在濱河造成了極大的恐慌尔邓,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,013評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件锉矢,死亡現(xiàn)場(chǎng)離奇詭異梯嗽,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)沽损,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,205評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門(mén)灯节,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人绵估,你說(shuō)我怎么就攤上這事炎疆。” “怎么了国裳?”我有些...
    開(kāi)封第一講書(shū)人閱讀 152,370評(píng)論 0 342
  • 文/不壞的土叔 我叫張陵形入,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我缝左,道長(zhǎng)亿遂,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 55,168評(píng)論 1 278
  • 正文 為了忘掉前任渺杉,我火速辦了婚禮崩掘,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘少办。我一直安慰自己,他們只是感情好诵原,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,153評(píng)論 5 371
  • 文/花漫 我一把揭開(kāi)白布英妓。 她就那樣靜靜地躺著,像睡著了一般绍赛。 火紅的嫁衣襯著肌膚如雪蔓纠。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 48,954評(píng)論 1 283
  • 那天吗蚌,我揣著相機(jī)與錄音腿倚,去河邊找鬼。 笑死蚯妇,一個(gè)胖子當(dāng)著我的面吹牛敷燎,可吹牛的內(nèi)容都是我干的暂筝。 我是一名探鬼主播,決...
    沈念sama閱讀 38,271評(píng)論 3 399
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼硬贯,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼焕襟!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起饭豹,我...
    開(kāi)封第一講書(shū)人閱讀 36,916評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤鸵赖,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后拄衰,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體它褪,經(jīng)...
    沈念sama閱讀 43,382評(píng)論 1 300
  • 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 35,877評(píng)論 2 323
  • 正文 我和宋清朗相戀三年翘悉,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了茫打。 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 37,989評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡镐确,死狀恐怖包吝,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情源葫,我是刑警寧澤诗越,帶...
    沈念sama閱讀 33,624評(píng)論 4 322
  • 正文 年R本政府宣布,位于F島的核電站息堂,受9級(jí)特大地震影響嚷狞,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜荣堰,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,209評(píng)論 3 307
  • 文/蒙蒙 一床未、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧振坚,春花似錦薇搁、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,199評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至屎鳍,卻和暖如春宏娄,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背逮壁。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,418評(píng)論 1 260
  • 我被黑心中介騙來(lái)泰國(guó)打工孵坚, 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。 一個(gè)月前我還...
    沈念sama閱讀 45,401評(píng)論 2 352
  • 正文 我出身青樓卖宠,卻偏偏與公主長(zhǎng)得像巍杈,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)殘疾皇子逗堵,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,700評(píng)論 2 345