成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

<option id="osuye"><strong id="osuye"></strong></option>

<cite id="osuye"></cite>

<option id="osuye"><code id="osuye"></code></option>

<strike id="osuye"><delect id="osuye"></delect></strike>

<tfoot id="osuye"></tfoot>

AI.x社區(qū)

軟考社區(qū)

企業(yè)培訓

鴻蒙開發(fā)者社區(qū)

信創(chuàng)認證

公眾號矩陣

移動端

視頻課免費課排行榜短視頻直播課軟考學堂

全部課程軟考信創(chuàng)認證華為認證廠商認證 IT技術 PMP項目管理免費題庫

文章資源問答課堂專欄直播

51CTO

鴻蒙開發(fā)者社區(qū)

51CTO技術棧

51CTO官微

51CTO學堂

51CTO博客

CTO訓練營

鴻蒙開發(fā)者社區(qū)訂閱號

51CTO軟考

51CTO學堂APP

51CTO學堂企業(yè)版APP

鴻蒙開發(fā)者社區(qū)視頻號

51CTO軟考題庫

賬號設置退出

數(shù)據(jù)分析

1684內(nèi)容??

關注

涵蓋數(shù)據(jù)分析相關研究熱點、技術難點與應用場景，讓用戶更好地學習、使用數(shù)據(jù)分析的各種工具。

共 1684 條

基于指標+標簽的經(jīng)營分析 Agent 創(chuàng)新實踐

本文將分享如何基于大模型能力，疊加指標和標簽平臺能力，構建企業(yè)內(nèi)智能數(shù)據(jù)分析產(chǎn)品。

2024-12-30 08:45:09

大模型智能數(shù)據(jù)分析 AI Agent

一文解讀貝塞爾修正：樣本方差為何用 n?1而非n？

當樣本均值大于總體均值時，低值部分的數(shù)據(jù)點會比總體均值更接近樣本均值，依然導致方差的低估。同樣地，由于正態(tài)分布的對稱性，低估的區(qū)域依然大于高估的區(qū)域，因此我們通過將偏差除以 n?1 來修正這種低估，確保樣本方差是總體方差的無偏估計。

2024-12-30 00:00:02

貝塞爾數(shù)據(jù)低值

做數(shù)據(jù)分析，牢記這個底層邏輯！

當一個不懂區(qū)分的數(shù)據(jù)分析師，遭遇一個企圖蒙混過關的業(yè)務，就是標準的盲人騎瞎馬了。這才會出現(xiàn)開頭的種種吐槽。更搞笑的是，這時候懵懂懂的數(shù)據(jù)分析師還沒發(fā)現(xiàn)問題，還會在網(wǎng)上到處問：“哪里有中國互聯(lián)網(wǎng)數(shù)據(jù)分析統(tǒng)一標準定義？”

2024-12-29 19:36:04

數(shù)據(jù)分析分類型數(shù)據(jù)

你 VS 數(shù)據(jù)分析高手，最大的差異竟是……

在開發(fā)的時候，先做能用基礎標簽+現(xiàn)有數(shù)據(jù)指標，直接計算出來的標簽。這種標簽也被稱作：規(guī)則標簽。即業(yè)務給到計算規(guī)則后，可以基于基礎標簽+現(xiàn)有指標直接計算。這種標簽獲得速度快，也容易驗證。

2024-12-26 11:49:14

數(shù)據(jù)分析標簽模型

用 Python 實現(xiàn)量化交易策略回測

今天要給大家分享的例子，就展示了如何基于Python中常用的numpy、pandas等常用數(shù)據(jù)分析處理框架，針對目標個股簡單實現(xiàn)「均線策略回測」。

2024-12-23 07:20:00

Python numpy 數(shù)據(jù)分析

高手的數(shù)據(jù)分析方法：標桿分析法

一個數(shù)據(jù)分析師去跟銷售講怎么賣出業(yè)績，只會被人嘲笑“你他媽賣過1單嗎！你敢教我！”但一個數(shù)據(jù)分析師去把銷售大神們的祖?zhèn)髅胤娇偨Y出來分享，其他銷售會伸長了脖子來聽，還生怕聽漏了。這就是標桿分析法的直觀優(yōu)勢。

2024-12-09 13:11:22

標桿分析法業(yè)績

這是我見過最好的用戶增長分析模型

當賽道具體到一個具體領域后（快消、耐用、零食、服務……），其目標用戶群體的畫像、消費力、人群數(shù)量是可以鎖定的。這里有兩個要重點關注的東西：用戶消費力分層與用戶復購行為。這兩點，直接決定了增長打法。

2024-12-03 12:05:57

增長分析模型用戶消費

如何搭建一個高效的運營分析體系？

數(shù)據(jù)本身不說明問題，數(shù)據(jù)+標準才說明問題。標準從哪里來？當然從業(yè)務目標里來，能達到目標就是做得好。

2024-11-29 12:51:18

運營分析體系

還在糾結每天的波動？用戶活躍分析這么做！

在講用戶流失分析的時候，我們說過：流失分析的目的不是消滅流失率，而是把流失控制在可控范圍內(nèi)。在用戶活躍分析的時候，道理類似：做活躍分析，不是為了逼用戶天天來戳一下，而是為付費、轉介紹提供穩(wěn)定的支持。

2024-11-27 11:44:08

用戶分析流失率

數(shù)據(jù)分析終極一問：指標波動有多大，才算是大！

硬指標和軟指標的區(qū)分，不是一成不變的。比如很多互聯(lián)網(wǎng)公司會考察“用戶增長”，這時候注冊用戶數(shù)就是個硬指標，逼著推廣部門完成。因此區(qū)分硬指標和軟指標，要看部門具體KPI要求。

2024-11-26 14:45:29

數(shù)據(jù)分析互聯(lián)網(wǎng)KPI

滴滴ChatBI技術實踐：智能數(shù)據(jù)分析的前沿探索與應用

滴滴團隊在 23 年初就堅定地投身于大模型，致力于數(shù)據(jù)產(chǎn)品的升級與探索，截至目前，我們已經(jīng)取得了一些階段性的成果并成功落地。

2024-11-25 08:50:24

大模型智能數(shù)據(jù)分析 AI

火山引擎基于大模型 ChatBI 的演進與實踐

今天分享的主題是火山引擎 DataWind ChatBI 基于大模型的演進與實踐。DataWind 是火山引擎推出的 BI 平臺。在建設初始階段，DataWind 主要聚焦于 MVP 產(chǎn)品路徑的構建，致力于滿足研發(fā)者、分析師、一線業(yè)務及日常協(xié)同辦公等多方面的需求。

2024-11-25 08:20:22

大模型 DataWind 數(shù)據(jù)分析

京東數(shù)據(jù)架構解析：供應鏈效率提升與決策優(yōu)化策略

本文介紹了數(shù)據(jù)編織在數(shù)據(jù)分析與治理中的應用。我們的目標是將傳統(tǒng)數(shù)據(jù)處理方式升級至指標中臺模式，旨在革新數(shù)據(jù)計算與加工流程。

2024-11-21 08:33:29

數(shù)據(jù)編織數(shù)據(jù)分析數(shù)據(jù)架構

四個方法，拯救你枯燥的數(shù)據(jù)日報

為什么每日指標會波動，這個很糾結的問題，提前準備了答案。通過打標簽、梳理事件、定KPI，充分暴露波動背后的問題，引發(fā)深入思考。

2024-11-20 12:21:37

數(shù)據(jù)波動標簽

分析指標波動，數(shù)據(jù)模型得這么建

數(shù)據(jù)分析需要跑數(shù)，但想解讀跑出來的數(shù)，需要的是掌握豐富的事實情況，用數(shù)據(jù)量化評估其中可量化的部分，監(jiān)控其中持續(xù)發(fā)展的部分，拆解其中模糊部分，從而越來越接近真相。

2024-11-15 11:43:21

指標波動數(shù)據(jù)模型

什么是頂級的數(shù)據(jù)分析方法？

數(shù)據(jù)分析的方法是非常多的。但為什么很多同學感覺自己沒用上方法呢？因為每種方法是和業(yè)務場景、領導風格、數(shù)據(jù)質量、息息相關的。

2024-11-08 12:36:35

數(shù)據(jù)分析業(yè)務場景時間序列法

Python 統(tǒng)計分析常用的 30 個經(jīng)典腳本

本文介紹了使用 Python 對數(shù)據(jù)進行統(tǒng)計分析的 30 個經(jīng)典操作，涵蓋了從基本的描述性統(tǒng)計到更高級的統(tǒng)計度量。每個操作都附有代碼實現(xiàn)和輸出結果，以便讀者方便地在實際應用中使用這些方法。

2024-11-07 11:10:34

Python 腳本統(tǒng)計分析

用戶分析，找到一份完整的攻略

在數(shù)據(jù)上，觀察培養(yǎng)與篩選的區(qū)別，主要看用戶的需求是否會隨著與我司關系深入而增加，以及能否被我司營銷行為影響。如果經(jīng)過長期相處與反復投放，都很難提升用戶表現(xiàn)，則說明至少在當下我司力所能及的范圍內(nèi)，用戶是無法被培養(yǎng)的。如果有某些措施能明顯提升用戶表現(xiàn)，則說明這個手段是好的培養(yǎng)手段。

2024-11-07 08:50:56

用戶分析分類維度標簽

高性能PHP框架Webman服務端實現(xiàn)流式輸出有哪些解決方案？

Stream流式輸出是一種數(shù)據(jù)處理方式，它將數(shù)據(jù)以流的形式進行傳輸和處理。在這種處理方式中，數(shù)據(jù)不再是集中存儲在某個地方，而是以分散的方式存儲在各個節(jié)點上，并不斷流動。數(shù)據(jù)流的處理是在流動的過程中完成的，因此能夠實時地處理數(shù)據(jù)，提高了數(shù)據(jù)處理效率。

2024-11-01 11:46:59

webman 服務端流式

騰訊基于 LLM 的智能數(shù)據(jù)分析平臺 OlaChat 的落地實踐

隨著大語言模型（Large Language Models, LLMs）的快速發(fā)展，智能分析在商業(yè)智能（Business Intelligence, BI）領域的影響日益顯著。本節(jié)將探討從傳統(tǒng) BI 到智能 BI 的過渡過程，分析這一轉型所帶來的新機遇與挑戰(zhàn)。

2024-11-01 08:16:54

大語言模型 LLM 數(shù)據(jù)分析

這才是大廠的經(jīng)營分析報告，而不是“念PPT會”

Rustls是可用于生產(chǎn)的TLS在Rust中的實現(xiàn)，比它的C對應物更快更安全。它的強大之處在于它不局限于Rust，它也可以在任何帶有rustls-ffi的語言中使用，所以可以期待其他語言(如C、C++、Python和Ruby)的項目都能采用它。

2024-10-31 11:28:59

Rust 項目語言

數(shù)據(jù)分析十大模型：決策模型

注意！即使沒有模型，手工也能做處理。一般做投放的同學，會用每個渠道投放費用/獲客數(shù)量，計算每單位獲客成本（CAC），然后看哪個渠道的獲客成本低，就先把這個渠道全部投滿，然后看看手頭還剩多少錢，繼續(xù)投成本第二低的。

2024-10-30 12:21:18

數(shù)據(jù)分析決策模型驅動

做數(shù)據(jù)十年，第一次見這么棒的數(shù)據(jù)分析方法

想真正理解&掌握數(shù)據(jù)分析方法，當然不能這樣“拿著錘子找釘”。工作中的數(shù)據(jù)分析，要緊密結合業(yè)務，服務業(yè)務需求。因此理解業(yè)務需求，圍繞問題找答案，才能理解各種數(shù)據(jù)分析方法有什么用，該怎么用。

2024-10-30 12:17:51

數(shù)據(jù)分析方法全流程

夜鶯Nightingale：打造高可用監(jiān)控平臺

在本文中，我們詳細介紹了如何部署和配置夜鶯Nightingale監(jiān)控平臺，以實現(xiàn)高可用性監(jiān)控架構。通過精心設計的Redis集群、MySQL主從復制、Prometheus數(shù)據(jù)源集成，以及Keepalived的高可用配置。

2024-10-30 08:04:20

監(jiān)控平臺夜鶯 Redis集群

麥肯錫都在用的MVP分析法，到底是什么？

MVP（Minimum Viable Product）原本是應用于產(chǎn)品設計的方法。指在正式推出產(chǎn)品前，先推出一個版包含核心功能的簡單版本，測試用戶需求與反饋，從而快速判斷產(chǎn)品是否符合市場需求，做出調整。

2024-10-28 13:07:35

MVP 分析法產(chǎn)品

如何使用 Pandas 進行數(shù)據(jù)清洗？如何保證數(shù)據(jù)清洗的效果？

考慮使用自動化工具和框架來簡化數(shù)據(jù)清洗過程。例如，使用 Apache Airflow 或 Prefect 來自動化數(shù)據(jù)管道，確保數(shù)據(jù)清洗步驟的一致性和可重復性。

2024-10-28 12:57:36

Pandas 數(shù)據(jù)清洗

提升效率的十種 Pandas 數(shù)據(jù)操作方法

無論是數(shù)據(jù)清洗還是探索性數(shù)據(jù)分析，Pandas都能幫你輕松搞定。接下來，我會分享十個技巧，讓你在處理數(shù)據(jù)時更加高效。

2024-10-23 09:00:00

數(shù)據(jù)分析 Pandas

為什么你做數(shù)據(jù)分析沒思路？

數(shù)學、統(tǒng)計學、運籌學是有很多方法的，而看書本身能讓人感到充實。于是，就有一些看書入迷的同學，開始拿著錘子找釘。比如今天看到統(tǒng)計學正態(tài)分布，好爽，于是看誰都像個正態(tài)。明天看到回歸分析一章，看誰都想回歸一下……

2024-10-22 11:34:34

數(shù)據(jù)分析統(tǒng)計學

Doris企業(yè)級實戰(zhàn)，構建TikTok實時數(shù)據(jù)倉庫

在遷移到Apache Doris前，TikTok通過Flink傳輸實時數(shù)據(jù)，并使用Kafka在不同數(shù)據(jù)層間實現(xiàn)數(shù)據(jù)流動。由于Kafka本身沒有邏輯表，因此在其上開發(fā)不如在Hive上那么容易。

2024-10-18 08:17:09

Doris 數(shù)據(jù)倉庫

別再羅列指標了，有用的經(jīng)營分析這么做

很多公司經(jīng)營分析是財務部門做的，結果財務部門真的就只盯著自己的三張表，每天算利潤、算現(xiàn)金。你問他：“銷售部門在干啥？”“營銷有啥動作？”“市場環(huán)境有啥變化？”一問三不知。只知道結果，不知道過程，這是“要搞高”問題根源。

2024-10-15 11:54:38

經(jīng)營分析指標策略

數(shù)據(jù)準備指南：十種基礎特征工程方法的實戰(zhàn)教程

在數(shù)據(jù)分析和機器學習領域，從原始數(shù)據(jù)中提取有價值的信息是一個關鍵步驟。這個過程不僅有助于輔助決策，還能預測未來趨勢。為了實現(xiàn)這一目標，特征工程技術顯得尤為重要。

2024-10-14 15:00:59

機器學習數(shù)據(jù)分析

“人貨場”模型怎么用？為什么互聯(lián)網(wǎng)行業(yè)也在討論它？

由于既不確定顧客購買意向，又不確定需求，因此這個階段的匹配成功率必然是大大降低的。并且夾雜的影響因素太多，根本無法分析清楚：到底是哪個環(huán)節(jié)出的問題導致不成交。

2024-10-14 12:51:02

人貨場模型互聯(lián)網(wǎng)

業(yè)務型 VS 技術型數(shù)據(jù)分析師，哪個更有前途？

對于在校生而言，強烈建議不要考慮啥業(yè)務型分析，就認認真真找一個寫SQL的崗位實習仨月。也不用管它啥公司，只要能寫SQL就行。

2024-10-12 14:39:54

業(yè)務型技術型數(shù)據(jù)分析師

大數(shù)據(jù)分析能讓大學體育招募重回正軌嗎？

如今美國大學體育招募就像狂野的西部，數(shù)百萬業(yè)余運動員與2800個大學體育項目相匹配的過程已經(jīng)變成了一場混戰(zhàn)。但對于德克薩斯州奧斯汀市的一位科技企業(yè)家來說，這種混亂預示著一個機會，他渴望利用大數(shù)據(jù)技術為大學招募人員創(chuàng)造公平的競爭環(huán)境。

2024-10-12 14:12:50

數(shù)據(jù)分析體育招募人工智能

喜馬拉雅基于大模型 ChatBl 實踐探索

本文將分享喜馬拉雅基于大模型 ChatBI 的實踐探索，文中將重點介紹關于準確性和大模型幻覺等問題的解決方案。

2024-10-12 08:11:05

大模型 ChatBI 數(shù)據(jù)分析

數(shù)據(jù)分析十大模型：CVP模型

為了保證APP正常運行，需要最起碼的運維投入是多少？這個保底水平，也得通過數(shù)據(jù)量化，否則只看眼前運行沒有問題，就隨便裁員，導致APP出了大BUG，從“降本增效”變成“降本增笑，都是預料之中的。

2024-10-10 11:59:11

CVP 模型數(shù)據(jù)

運營數(shù)據(jù)分析體系，最全搭建攻略來了！

運營工作形式靈活，因此經(jīng)常需要根據(jù)實際工作流程，來設定數(shù)據(jù)指標。一來方便監(jiān)控執(zhí)行進度，二來在復盤的時候，好觀察哪個環(huán)節(jié)出了問題，便于追查原因，尋找機會。

2024-10-09 11:57:34

運營數(shù)據(jù)分析體系

標簽 VS 數(shù)據(jù)指標體系，這篇講得太清楚了！

當然，流程式也不止漏斗這一種，比如在生產(chǎn)、服務、售后等環(huán)節(jié)，也是一個完整的流程，但不是逐步遞減的。比如生產(chǎn)任務，是肯定要完成的，但隨著生產(chǎn)工序增加，每一步會增加新的原料、生產(chǎn)費用、人工成本，此時整個流程所消耗的成本、時間是逐級遞增的。

2024-10-08 09:01:45

標簽數(shù)據(jù)指標數(shù)據(jù)分析

用戶生命周期分析，這個坑90%的人踩過！

對線下實體店而言，用戶到店即付費，先消費后體驗服務。但在互聯(lián)網(wǎng)產(chǎn)品里，付費與活躍脫節(jié)的現(xiàn)象很常見。或者有的產(chǎn)品干脆允許用戶只活躍，不付費，通過額外的權益和道具收費。比如游戲、在線音樂、視頻、社區(qū)等等皆是如此。

2024-10-08 08:14:08

用戶生命周期分析服務

數(shù)據(jù)分析，如何實現(xiàn)降本增效？

比如很多公司做促銷活動，總喜歡搞“全場大促”，心理感覺可以多覆蓋用戶，可實際上參與的都是同一批人。結果經(jīng)常是有活動的產(chǎn)品銷量大漲，沒活動的一蹶不振，總業(yè)績也不見漲。

2024-09-30 08:47:07

數(shù)據(jù)分析降本增效覆蓋用戶

因果推斷的四個模型，的確管用！

既然復雜的方法不好用，有沒有簡單的辦法？有！比如基于最樸素的感覺：既然A會引發(fā)B，那么A產(chǎn)生了B就該產(chǎn)生，A結束了，B會慢慢結束（或者B死掉）。人們就此總結出了因果推斷四大原則。

2024-09-29 09:22:00

因果推斷模型統(tǒng)計學

數(shù)據(jù)分析工作，能做一輩子嗎？

所謂的“AI/人工智能/智能BI/ChatGPT會取代數(shù)據(jù)分析師”，正是來自對數(shù)據(jù)分析工作的不了解。在不懂行的人眼里，數(shù)據(jù)分析師和算命大師沒啥區(qū)別，不需要數(shù)據(jù)采集、不需要數(shù)據(jù)清洗、不需要數(shù)據(jù)治理、不需要分析建模、不需要積累經(jīng)驗、不需要你測試驗證。

2024-09-29 00:00:05

AI 人工智能 ChatGPT

數(shù)據(jù)分析落地全流程，你學會了嗎？

面對細節(jié)數(shù)據(jù)缺失，可以用管理手段配合數(shù)據(jù)建設。比如要求客服在首次接單且售后無異常的情況下，接單30分鐘內(nèi)完成分配，有異常就人工反饋標注。

2024-09-27 10:27:50

數(shù)據(jù)分析模型管理

用戶活躍、留存、流失，超全圖解！

難做的根源，是：如果用戶登陸的話，我們很清楚他登錄以后干了什么，但是用戶未登錄的話，我們不清楚他為什么不登錄。未登陸的理由，只能去猜。這就是這三大問題難纏的核心之處。如果領導問我們：“今天登錄用戶訪問了哪些頁面？”估計各個對答如流。

2024-09-26 12:28:49

用戶活躍留存流失

如何實現(xiàn)無頭數(shù)據(jù)架構譯文精選

無頭數(shù)據(jù)架構可以在整個組織中解鎖前所未有的數(shù)據(jù)訪問，但它從左移開始。

2024-09-20 21:09:42

無頭數(shù)據(jù)架構數(shù)據(jù)分析平臺多跳架構

這才是經(jīng)營分析賦能，但90%的人都搞錯了！

固定投入更像基礎建設，很難直接衡量每一塊投入提升多少訂單。因此只能做分類管理，對每一類渠道的基建投入，控制總量。而可變投入是直接和訂單相關的，因此必須具體考核收益。如果投下去資源沒有見到額外增長，就得復盤投入價值。

2024-09-12 11:51:44

經(jīng)營分析業(yè)績增長數(shù)據(jù)量

我們一起聊聊數(shù)據(jù)分析模型：人貨場模型

“我看到收入下降/新增用戶減少/成本上升，該怎么進一步分析呢？”很多人有類似困惑，經(jīng)常寫了一堆同比環(huán)比，除了“同比降了，要搞高”就不知道寫啥。該怎么辦呢？

2024-09-05 10:36:58

數(shù)據(jù)分析人貨場模型

一文讀懂Hive底層數(shù)據(jù)存儲格式

Parquet 表支持 Uncompress、Snappy、Gzip、Lzo 壓縮，默認不壓縮(Uncompressed)。其中 Lzo 壓縮是支持切分的，所以在表的單個文件較大的場景會選擇 Lzo 格式。

2024-09-03 08:40:31

Hive 底層數(shù)據(jù)

大廠都要求的“數(shù)據(jù)分析閉環(huán)”，該如何實現(xiàn)？你學會了嗎？

當然，現(xiàn)實工作中，總會遇到公司領導不重視，業(yè)務不積極，數(shù)據(jù)太少等等問題。該怎么補救呢？你不能太指望遇到100%完美型的公司才干活，因此建議大家抱著：行有不得，反求諸己的精神，先把我們自己能干的工作干好。

2024-09-02 12:23:27

數(shù)據(jù)分析閉環(huán)

技術 or 業(yè)務？數(shù)據(jù)分析發(fā)展路徑大盤點

無論你是站在門外心懷憧憬；還是剛剛入行，躊躇滿志；又或者被每天跑數(shù)累得七葷八素，都可以認真復盤下咱數(shù)據(jù)人的優(yōu)勢與機會。

2024-08-30 11:53:31

技術業(yè)務數(shù)據(jù)分析

上一頁 1 2 3 4 5 6 ··· 34 下一頁

51CTO技術棧公眾號

業(yè)務
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學堂精培企業(yè)培訓 CTO訓練營

主站蜘蛛池模板：亚洲人成人一区二区在线观看 | 麻豆国产一区二区三区四区 | 在线观看中文字幕 | 久久免费国产视频 | 91大神新作在线观看 | 激情av免费看| 九色91视频 | 国产成人免费观看 | 久久99精品久久久久 | 国产精品无码久久久久 | 久久精品国产亚洲一区二区三区 | 在线视频91 | 欧美一级免费看 | 亚洲国产精品一区 | 欧洲尺码日本国产精品 | 欧美1区2区 | 91久久精品日日躁夜夜躁国产 | 91在线播 | 天天舔天天 | 国产偷录视频叫床高潮对白 | 精品国产免费人成在线观看 | 欧美精品中文 | 欧美日韩成人影院 | 成年人在线观看 | 亚洲一区在线日韩在线深爱 | 精品欧美一区二区三区免费观看 | 亚洲午夜精品 | 国产资源视频 | 久亚州在线播放 | 国产成人精品久久二区二区91 | 国产激情视频在线观看 | 草久久 | 男女视频在线免费观看 | 国产日韩欧美一区 | 精品久久久久一区二区国产 | 在线中文字幕av | 免费久久99精品国产婷婷六月 | 日韩aⅴ视频 | 日本精品免费在线观看 | 97精品久久 | www.中文字幕.com |

<cite id="oweke"><center id="oweke"></center></cite>