新葡萄京棋牌下载-官网注册网址首页


同期举办「澳门国际创新节(MII,区块链+广告的行业突围区块链和广告行业的融合

《贪玩蓝月》单款游戏月流水突破6500万,刷屏广告实际上就是刷屏营销

同时因为使用比较多的用户/广告特征,昨天天文学家公布了世界历史上第一张黑洞照片

近年来,在线广告在整个广告行业的比重越来越高。在线广告中实时竞价的广告由于其良好的转化效果,占有的比重逐年升高。DSP(Demand-Side
Platform)作为需求方平台,通过广告交易平台(AdExchange)对每次曝光进行竞价尝试。对于AdExchange的每次竞价请求,DSP根据Cookie
Mapping或者设备信息,尝试把正在浏览媒体网站、App的用户映射到DSP能够识别的用户,然后根据DSP从用户历史行为中挖掘的用户画像,进行流量筛选、点击率/转化率预估等,致力于ROI的最大化。美团点评的用户量越来越大,积累了大量的用户在站内的行为信息,我们基于这些行为构造了精准的用户画像,并在此基础上针对美团App和网站的用户搭建了美团DSP平台,致力于获取站外优质的流量,为公司带来效益。本文从策略角度描述一下在搭建DSP过程中的考虑、权衡及对未来的思考。在DSP实时竞价过程中,策略端都在哪些步骤起作用;对每一个步骤的尝试和优化方向做出详细介绍;总结DSP如何通过AB测试、用户行为反馈收集、模型迭代、指导出价/排序等步骤来打通整个DSP实时竞价广告闭环。美团DSP在一次完整的竞价展示过程中可能涉及到两个大的步骤:对AdExchange的竞价请求实时竞价;竞价成功之后用户点击进入二跳页、浏览、点击、最后转化。我们分别看一下这两个步骤中策略的支持。上图给出了每一次竞价广告的粗略示意图,竞价Gateway在收到竞价请求之后,会识别出美团点评用户的流量,根据网站历史CTR、网站品类属性等因素进行简单的流量过滤,把流量分发到后端的AdServer。AdServer作为后端广告的总控模块,首先向RecServer(定向召回服务)获取站外展示广告召回结果,然后根据获取的广告结果向PredictorServer(CTR/点击价值预测服务)请求每个广告的站外点击率和点击价值。最后AdServer根据获取的点击价值v和ctr,根据v∗ctrt进行排序,从而挑选出top的广告进行展示。上图给出了竞价成功后,用户从站外展示的广告点击后,所经历的流程示意图。用户点击站外广告后,到达二跳页Gateway,二跳页Gateway向AdServer请求广告列表。AdServer从RecServer获取站内二跳页广告召回结果,然后根据获取的广告结果向PredictorServer请求每个广告的二跳页点击率并进行排序。排序后的结果返回给二跳页Gateway进行广告填充。在上述两个步骤中,美团DSP策略端的支持由RecServer和PredictorServer提供,在图1和图2分别用红色的箭头和AdServer交互。其中RecServer主要负责站外广告和二跳页的广告召回策略,而PredictorServer主要负责站外流量的CTR预估,点击价值预估和二跳页内的CTR预估。整个策略的闭环如下图:接下来详细介绍下美团DSP的召回、CTR预估、点击价值预估相关的策略。定向召回服务定向召回服务分别在实时竞价过程中提供了站外广告的召回服务,在竞价完成之后提供了二跳页的广告召回服务。站外召回和站内二跳页召回没有本质的区别,比较常见的做法是二跳页会根据用户点击商品的品类进行品类过滤。下面我们具体看一下目前定向召回相关的具体策略。一、基于实时行为召回通过实时日志流平台准确的跟踪用户的实时点击浏览/收藏/购买行为,对于相应的用户重新投放用户近一段时间内发生过浏览/收藏/购买行为的商品。需要注意的是这个策略需要考虑召回概率按时间进行衰减,用户的实时行为能够比较强反映用户的近期兴趣,距离当前时间比较长的用户行为对于用户近期兴趣的定向偏弱。二、基于位置召回O2O的业务特点与传统的电商有明显的区别,传统电商是在线上达成交易意向,然后通过快递送货的方式完成交易。O2O业务绝大部分消费者是在线上买入电子券,然后要到店进行消费,所以用户的位置信息在广告召回中起着举足轻重的作用。我们在基于位置的广告召回中尝试了以下三种策略:实时地理位置召回根据用户所在的实时地理位置召回距离比较近的广告。对于移动端的广告流量,可以比较准确的获得用户的实时地理位置,从而进行比较精准的投放;对于PC端的流量,地理位置是通过用户访问的IP地址进行推算的,所以地理位置是有偏移的,但是考虑到PC端浏览广告的流量用户位置一般都比较固定,比如用户一般是在上班或者在家休息,我们仍然使用了这个策略。实时商圈热单召回根据用户所在的实时地理位置推断出用户目前所在商圈,给用户投放当前商圈的热门消费单。商圈的范围一般在几公里范围之内,对于用户到店消费是一个合理的距离范围,所以我们离线挖掘出每一个商圈的热门消费单,作为用户召回的候选。偏好商圈热单召回通过离线分析用户历史的浏览/点击/购买行为,分析出用户的历史商圈偏好,召回用户偏好的商圈消费热单作为广告候选集。这个策略需要用户的userid,仅对于能够识别并能映射到userid的用户适用。可以看到策略1和策略2是不需要userid的,所以这两个策略也是我们在识别不到userid的时候一个比较好的冷启动召回策略。三、基于协同过滤召回基于协同过滤的召回策略我们融合了user-based和item-based两种。四、基于item-based的协同过滤我们首先通过用户的购买行为计算item之间的相似度,比如通过计算发现item
A和item B之间的相似度比较高,我们把item A作为候选推荐给购买item
B的用户,作为item B的用户的召回候选集之一;同样也把item
B作为候选推荐给购买item A的用户,作为购买item
A的用户的召回候选集之一。因为item-based协同过滤的特征,这一部分召回基本能够把热门爆款单都拉到候选集中。五、基于user-based的协同过滤我们同样需要先计算用户之间的相似度。计算用户相似度时,除了考虑用户购买的商品,还可以把用户所消费过的商家及商家所在的商圈作为相似度权重考虑进来。这么做是因为,很多商品是在全国多个城市都可以购买的,如果只采用用户购买的商品来计算相似度,可能把两个不同城市用户的相似度计算的比较高,加入商家和商圈的权重,可以大大降低这种情况的可能性。六、基于矩阵分解的场景化召回对于O2O消费的某些场景,比如美食和外卖,用户是否发生购买与用户目前所处的场景有很大关系,这里的场景包含时间、地点、季节、天气等。举个例子来说,工作日的中午,如果还在下雨,这个时候外卖的购买概率一般是比其他商品高的。基于此,我们开发了基于矩阵分解的场景化召回策略。我们采用了FM模型来进行建模,建模的特征包括季节、时间(工作日/周末,一天之内的时段)、地点、天气等。这个策略的目的是希望召回用户实时的基于场景化的需求。上文提到在实时竞价阶段,AdServer会跟PredictorServer请求每个广告的站外点击率和点击价值,最后AdServer根据获取的点击价值v和ctr,根据$v∗ctr^t$进行站外广告排序,挑选top的广告。最终的报价公式如下:$$a∗∑i=1kvi∗ctrti+b(1)$$k是本次竞价要展示的广告数,t,a,b都是根据实际流量情况进行调整。其中t为挤压因子,为了控制ctr在排序和报价中起作用的比重,t越大,ctr在排序和报价中的比重越高;a,b需要根据DSP需要获取的流量和需要达到的ROI之间的权衡进行调整,a,b越大,出价越高,获取的流量越多,成本越高,ROI就减少。公式1中CTR直接作为一个引子进行出价计算,所以这里的CTR必须是一个真实的点击率。因为在站外广告点击日志中,正样本是非常稀疏的,为了保证模型的准确度,我们一般都会采用负样本抽样。这样模型估计出来的CTR相对大小是没有问题的,可以作为排序依据,但是用来计算出价的时候,必须把负样本采样过程还原回去,我们在下面的小节中详细解释。站外CTR预估该模型目标是,对于RecServer召回的广告,预测出广告的相对点击率和真实点击率,相对点击率用于排序,
真实点击率用于流量报价。对于每个流量,AdExchange会下发给多个DSP,报价最高的DSP会胜出,获取在这个流量上展示广告的机会。为了能够引入更多的优质流量,减少流量成本,提高ROI、CTR预估模型需要充分考虑站点、广告、用户等维度的信息。广告的点击与转化主要与用户、广告、媒体(user,ad,publisher)这三个因素相关。我们的特征也主要从这三个方向去构建,并衍生出一些特征。特征选择用户特征用户浏览,购买的品类,用户画像,浏览器,操作系统等特征。广告特征广告deal的属性特征,如商家、品类、价格、创意类型等特征。广告deal的统计特征,如历史CTR、CVR、PV、UV、订单量、评分等。媒体特征网站类别,网站域名,广告位,尺寸等特征。匹配特征(主要是用户与广告维度的匹配)用户浏览、购买的品类与广告品类的match,
商家的match。用户浏览广告的不同时间粒度的频次特征,比如用户浏览当前广告的次数、用户上次点击广告距离当前的时间差。组合特征在LR+人工特征的实现过程中,需要人工构造一些组合特征,比如,网站+广告、用户消费水平+价格、广告主+广告品类等,对于FM和FFM能都自动进行特征的组合。环境特征广告的效果往往与用户所处的外部环境相关。比如
时段、工作日/节假日、移动端的经纬度等。特征处理最后再看我们具体如何构建模型。模型选择由于站外的站点数量巨大、广告位较多、广告的品类较多,造成训练样本的特征数较大,需要选择合适的模型来处理,这里我们选用了LR+人工特征的方式,确保训练的性能。特征降维点击率模型需要考虑用户维度的数据,由于美团的用户量巨大,如果直接用用户id作为特征会造成特征数急剧增大,而且one-hot
encoding后的样本会非常稀疏,从而影响模型的性能和效果。所以我们这里采用了用户的行为和画像数据来表征一个用户,从而降低用户维度的大小。负样本选择对于站外广告,有很多广告位比较靠近页面的下方,没有被用户看到,这样的广告作为负样本是不合理的。我们在负样本选择的时候需要考虑广告的位置信息,由于我们作为DSP无法获取广告是否真实被用户看到的信息。这里通过适当减少点击率较低的展位负样本数量,来减轻不合理的负样本的情况。对于二跳页广告,只取点击的位置之前的负样本,而未点击的则只取top20的广告作为负样本。负样本采样由于广告点击的正负样本分布极其不均,站外广告的点击率普遍较低,绝大多数样本是负样本,为了保证模型对正样本的召回,需要对负样本按照一定比例抽样。真实CTR校准由于负样本抽样后,会造成点击率偏高的假象,需要将预测值还原成真实的值。调整的公式如下:$$q=p(p+1−pw)(2)$$q:
调整后的实际点击率。 p: 负样本抽样下预估的点击率。 w:
负样本抽样的比例。二跳页CTR预估当用户点击了广告后,会跳转到广告中间页,因为站外流量转化非常不容易,所以对于吸引进来的流量,我们希望通过比较精细化的排序给用户投放尽可能感兴趣的广告。由于进入二跳页的流量大概比站外流量少两个数量级,我们可以使用比较复杂的模型,同时因为使用比较多的用户/广告特征,所以这里我们选择了效果比较好的FFM模型。特征和样本处理方面的流程基本类似CTR预估模块中的样本处理流程。差别在于广告在展示列表中的位置,对广告的点击概率和下单概率是有非常大影响的,排名越靠前的广告,越容易被点击和下单,这就是position
bias的含义。在抽取特征和训练模型的时候,就需要很好去除这种position
bias。我们在两个地方做这种处理:
在计算广告的历史CTR和历史CVR的时候,首先要计算出每个位置的历史平均点击率ctr_p,和历史平均下单率cvr_p,然后再计算i广告的每次点击和下单的时候,都根据这个item被展示的位置,计算为$ctr_0/ctr_p及cvr_0/ctr_p$。
*
在产生训练样本的时候,把展示位置作为特征放在样本里面,并且在使用模型的时候,把展示位置特征统一置为0。上文提到广告是根据v∗ctrt进行排序,并通过公式1进行报价。这里面的v就是点击价值(点击价值是指用户发生一次点击之后会带来的转化价值)。广告业务的根本在于提高展示广告的eCPM,eCPM的公式可以写为v∗ctr∗1000,准确的预估点击价值是为了准确预估当前流量对于每一个广告的eCPM。刘鹏在《计算广告》中提到,只要准确的估计出点击价值,通过点击价值计算和CTR计算得到的eCPM进行报价,就始终会有利润,这是因为AdExchange是按照广义第二出价进行收费的。在实际投放过程中,出价公式可以随着业务目标的不同进行适当的调整,比如我们的出价公式中包含了挤压因子t,和a,b两个参数。出价越高带回来的流量越大,可能带来质量参差不齐的流量,一般在一段时间之内会引起CTR的降低,这样会带来CPC点击成本的提高,所以ROI会降低。反之出价比较低的情况下,带来的流量越少,经过比较细致的流量过滤,CTR能长期保持在一个较高的水平,点击成本CPC比较低,ROI就会比较高。美团DSP在点击价值预估上经历了两个阶段:第一阶段是站外广告的落地页是广告的详情页面时,广告的点击价值预估比较简单,只需要预估出站外流量到达广告详情页之后的CVR即可。正负样本的选择也比较简单,采集转化样本为正样本,采集浏览未转化样本作为负样本。我们也进行了适当的负样本采样和真实CVR校准,这里采用的方法跟上一节类似,不再赘述。模型方面,在控制特征复杂度的基础上,我们选择了效果不错的二次模型FFM,复杂度和性能都能够满足线上的性能。特征方面,我们使用了站外实时特征+部分离线挖掘特征,由于FFM预测复杂度是(knn),k是隐向量长度,n是特征的个数,特征的选择上需要挑选贡献度比较大的特征。第二阶段,经过统计,详情页的用户流失率非常高,为了降低流失率,我们开发了广告二跳页,在二跳页里面,用户在站外点击的广告排在第一位,剩下的是根据我们的召回策略和排序策略决定的。根据公式1,点击价值是由二跳页的k个广告共同决定的。但是在站外广告排序和报价的过程中,我们无法获取中间页的召回结果,所以在实际情况中是无法适用的。目前我们的策略是直接对当前用户和当前商品的特征建立一个回归模型,使用用户在二跳页上成交的金额作为label进行训练,模型分别尝试了GBDT和FM,最终采用了效果稍好些的GBDT模型。离线评估业内常用的量化指标是AUC,就是ROC曲线下的面积。AUC数值越大,模型的分别能力越强。Facebook提出了NE(Normalized
Entropy)来衡量模型,NE越小,模型越好。$$NE=−1N∑ni=1(1+yi2log(pi)+1−yi2log(1−pi))−(p∗log(p)+(1−p)∗log(1−p))(3)$$N:训练的样本的数量。
yi:第i个样本的lable,点击为+1, 未点击为-1。
pi:第i个样本预估的点击率。
P:所有样本的实际点击率。离线我们主要使用的是AUC和NE的评估方法。在线AB测试通过在线ABtest,确保每次上线的效果都是正向的,多次迭代后,站外CTR提升30%,广告二跳页CTR提升13%,二跳页CVR提升10%。在线监控在线AUC监控在线预估的CTR和CVR,建立小时级流程,计算每个小时的在线AUC。发现AUC异常的情况,会报警,确保模型在线应用是正常的。在线预估均值监控在线预估的值会计算出平均值,确保均值在合理的范围之内。均值过高会导致报价偏高,获取流量的成本增加。均值过低,造成报价偏低,获取的流量就偏少,对于估值异常的情况能及时响应。本文介绍了美团DSP在站外投放过程中的策略实践。很多细节都是在业务摸索过程中摸索出来的。后续有些工作还可以更细致深入下去:流量筛选流量筛选目前还是比较粗暴的根据网站历史的CTR等直接进行过滤,后续会基于用户的站内外的行为,对流量进行精细化的筛选,提升有效流量,提高转换。动态调整报价在DSP的报价环节,点击率预估模型会对每一个流量预估出一个CTR,为了适应adx市场的需要,会加上指数和系数项进行调整。但是通过这种报价方式获取的流量,由于外部竞争环境的变化,流量天然在不同时段的差异,经常会出现CPC不稳定。该报价的系数对于所有的媒体都是一致的,而一般的优质媒体都是有底价的,且不同媒体的底价不一致,造成该报价方式无法适用所有的媒体,出现部分优质媒体无法获取足够的流量。我们的目标是在CPC一定的情况下,在优质媒体、优质时段尽可能多的获取流量,这里我们需要根据实时的反馈和期望稳定的CPC来动态调整线上的报价。从而在竞价环境、时段、媒体变化时,CPC保持稳定,进一步保证我们的收益最大化(同样的营销费用,获取的流量最多)。位置召回基于位置的召回策略中,我们对用户的商圈属性没有作区分,比较粗粒度的统一召回,这样其实容易把用户当前时间/位置真正有兴趣的商品拍的比较靠后;比较好的办法是通过精准的用户画像和用户消费时间/位置上下文挖掘,根据用户竞价时的位置和时间,分析出用户转化率高的商圈,从而进行更加精准的投放。在业务上,美团DSP会逐步接入市场上主流的AdExchange和自有媒体的流量。技术上,会持续探索机器学习、深度学习在DSP业务上的应用,从而提升美团DSP的效果。

来源|DoMarketing-营销智库(ID:Domarketing-001)2018年风起云涌,在新的一年里,如何突出品牌并且在人人都想成为焦点的世界获得信任将继续成为各品牌的挑战。当你越具前瞻性,你就能更好地适应所发生的变化。在这样的情况下,广告客户和营销人员在2019年里需要注意些什么呢?哪些领域会在新的一年里大放异彩?广告科技:人工智能(AI)正如我们所知,人工智能(AI)正在彻底重塑广告业,并成为广告业务的必要一环。所以AI在2019年会发生什么样的变化呢?在过去的几年里,虽然AI已被视为在每个重要领域都发挥变革作用的重要技术,但其实它真正的价值还没被完全利用。但是这一切都将发生变化。在2019年,从先进的AI广告定位解决方案到日常个性化消费体验,人们预测AI会在数码广告领域被广泛使用。广告商甚至会将AI用于制作过程中:最近的一个调查预测三分之二的企业营销者会将AI用于内容营销策略中,从而能更明白顾客需求,创作出有成效和个性化的内容。声音助力成功现今横幅广告和视频内容五光十色,因此广告商常常容易忽略声音的重要性。然而进入到2019年,我们不能再忽略这一纲领性的部分。事实上,音乐占据人们使用手机最多的时间,每个手机用户平均每天会花52分钟听音乐。Spotify是提供程序化音乐的先行者,之后其他提供串流服务的公司也随之模仿。这个趋势随着声音驱动智能音箱和订阅服务的普及率不断提升而加强,同时,得益于这些技术的发展,各大品牌以令人兴奋的新方式与用户连接起来。今年,作为一个广告媒介,数字音频的市场将会达到饱和,如果广告商希望继续利用当今主流趋势去更有效地抓住观众的眼球,程序化音乐应成为任何一个全面营销战略的一部分。电子商业的爆发式增长eMarketer的研究显示,电子商务(eCommerce)产业将在2021年实现两位数的增长,销售额将在2010年超过4万亿美元。极少产业能有如此可观的未来,商家需要利用电子商务的繁荣主动创新,做出改变,否则将会用落后的风险尤其在当今的亚太地区,中产阶级的增长、手机与互联网的广泛普及以及不断完善的物流和基建设施使亚太地区成为全球最大的零售电子商务市场,预计销售额在2020年会达到2.725万亿美元。视频内容、个性化广告、高阶过滤和沉浸式数字体验的剧增仅仅只是几个电子商务中会对未来几年产生影响的变化。它们巨大的潜力如果能被正确地利用,他们能彻底改变用户与广告的互动形式。因为一切都是不断变化的不到50年前,手机还未被发明。但是今天,我们很难想象没有手机的生活。事实上,大约84%的人不能在没有手机的情况下过一天。手机已经成为我们的日常用品,用于交流、导航甚至是被称为移动商务(mCommerce)的网上购物。同时,亚太地区正在引领移动商务的发展,尤其是印度、泰国和印度尼西亚,这三个国家拥有最高的电子钱包普及率。在过去的10个月,仅仅在中国,使用电子支付的消费总额已达到12.9万亿美元,比美国电子支付总额的4930万美元25000%。各个行业例如零售业、金融业和按需服务业(如食物配送和共享单车)都对电子支付的快速增长做出巨大贡献。在过去,人们因为拥有了手机而增加网络使用时间,但是现在手机的销量因为人们在忙碌的生活需要用到手机而增加。少广告,多故事市场调查公司尼尔森在2015年的报告指出人们最为信任熟人给出的建议。这个说法紧接着被品牌网站和编辑社论(包括报纸文章和网上的顾客建议)传播。相反,显性广告已经不是人们信任的广告形式。有些品牌已经开始与微型影响者合作去提升品牌信任度和真实度,而不是依靠在社交媒体上有大量粉丝的名人。微型影响者对品牌受众而言更亲切、更吸引、更可靠,而且他们会对品牌定位有更多的了解。另外,故事内容必须是与受众相关的。虽然这看似是一种常识,但是品牌通常会忘记他们所讲的故事其实并不吸引。经验告诉我们,品牌必须擅长于讲故事或者敢于在故事的云海中迷失方向。带着这样的信念,广告商正适应着去创作消费者喜欢的内容。6秒的短视频和时间更长却不能忽略的互动广告都能得到观众更高的互动率。中国现在已经出现了一种新的广告类型——出现在网络电视剧的间断时间的广告。这些广告利用电视节目的内容和脉络,让演员穿着与节目中相同的衣服,几乎完全复刻节目内容来激起观众的兴趣。仅仅在今年,这一类型的广告销售收入估计会超过20亿元(3.11亿美元),而且我们认为这个数字在明年会继续增加。成效媒体经济的建立最近一份关注未来12至24个月数字营销者的媒体投资重点的报告显示:全球86%的受访者预计自己会在这段时间增加对以结果为导向的媒体的投资。“以成效为导向的媒体”一词的意思是以KPI为导向去计划和优化营销战略——通常是为广告商或者一个营销战略而量身定制的产品,因此这样更能与营销者的最终市场和商业目标相一致。虽然不同地区和产业的数字媒体投资程度不一样,但我们能明显看到全球的营销者都有继续增加投资的想法,且对衡量工作价值的方式看法相同。任何一个希望提升品牌曝光度的人都应该有信心去处理日渐复杂的传媒行业并去明白营销战略对业绩的影响。因此对于当今营销者追求新的方式去衡量他们的努力、用新的方式诠释他们的媒体投放的选择对公司发展的影响,我们都不应该感到惊讶。结论与其他行业一样,广告业不是完美的,也永远不会完美,但是广告业的未来是光明的。随着广告商对人工智能和移动电话越来越了解,他们会为消费者提供更多个性化的体验、更好的广告效果和产生对顾客更深刻的见解。同时,随着营销者开始发挥他们更大的创造力,各品牌将会更容易吸引受众的兴趣并与消费者建立更紧密的关系。以上是在接下来一年,我认为大家需要在广告或者营销策略方面留意的热门趋势。虽然世界上不存在神奇的公式去建立一个完美的广告策略,但是如果你能多加留意这六大方面,会让你在行业中始终遥遥领先。2019澳门国际广告节暨澳门国际创新节,将在2019年6月5日——6月8日再度拉开帷幕。澳门国际广告节将继续发挥区位优势,围绕亚太地区,面向国际广告营销业市场,构建高规格、凝聚高端人才的国际盛会。即日起,2019年澳门国际广告节开放奖项的申报。奖项类别分别为:公司类、人物类、广告主类、作品类、节目类、平台类(含自媒体)、品牌类、案例类以及公益营销类。

昨天天文学家公布了世界历史上第一张黑洞照片。这张黑洞照片是室女座星系团中超大质量星系
Messier
87中的。这个黑洞离我们5500万光年,质量为太阳的65亿倍。照片一公布,全网都沸腾了,品牌更是脑洞大开,玩了一波。杜蕾斯九点,等你。杜蕾斯的百闻不如一见,一语双关,把大家的关注点,往杜蕾斯使用上面引。荣耀手机有人探索宇宙边缘,有人探索人类美颜。探索宇宙边缘,这么高上大的主题,被荣耀手机绑定在探索人类美颜上,厉害。红米手机Redmi吸引力法则:第一眼,就被
Ta 吸引。第一眼,就被 Ta
吸引,红米把黑洞很好的吸光性用到它手机吸引上面了。途牛探索无止境!外面的世界永远值得探索,很好的调动了大家旅游的兴致。麦当劳黑洞:吃点什么?麦当劳假如黑洞上有四个字,“喜欢你来”,玩了一把黑色幽默。饿了么你看这个黑洞,是不是在提醒我去吃个甜甜圈?吃货的世界,看来只有吃啊。美团不知道为什么,今天总有一股神秘的力量指引我去点个甜甜圈美团的黑洞是不是过分妖娆了一点。方太#黑洞照片冲洗就花了两年#
,而#方太早餐# 只需要戳O网页链接
分分钟学会。方太说黑洞照片来之不易,但是它们的#方太早餐# 只需
分分钟学会。很好的勾起了大家学早餐的兴趣。华帝超强净吸,告别云烟缭绕!华帝的海报简单直接啊,直接把黑洞中心换成自己的吸油烟机,这样不怕被打嘛、苏宁黑洞,原来就这个样子我买买买的欲望也就这么大,有意思的把消费者购物欲诙谐的展现出来了。淘宝买黑洞吗?包邮淘宝把黑洞的样子,都变成了自己商家的产品照片了,这是想当超级推销员的节奏啊。网易严选【小编摸黑加推福利】为了庆祝黑洞首次高清无码露脸暨网易严选
周年庆,小编决定送上黑黑的福利!网易严选直接在黑洞日,搞一个促销啊,简单粗暴。360安全卫士#人类首张黑洞照片#
安全“黑洞”,我们一直在探索。360说安全“黑洞”,我们一直在探索,告诉大家为了大家的安全,我360也劳苦功高啊,只是把黑洞换成绿色是什么意思?三只松鼠我把黑洞给你们背回来了,有啥不开心的,都让它吸走三只松鼠,这个海报比较温馨,跟它们的小可爱定位很搭。美的#抽空调侃#
大声说出这张图里的文字!美的通过这个有趣的猜字很好的让网友互动了一把,其实小编分分钟猜出来了,不就是“美的空调爱黑洞”嘛。珍爱网转发这个黑洞,真爱不被吞噬都是第一届看黑洞的人,不如一起谈个恋爱吧,这神转折,厉害。爱奇艺#史上首张黑洞照片#白娘子大婚,连黑洞都露脸凑热闹啦不用随份子,看就好了~白娘子大婚,连黑洞都露脸凑热闹啦,这海报里面的手势有点邪恶啊、转转#世界上第一张黑洞照片#
get你的专属黑洞照片一共分两步:第一步,在转转上买个猫窝;第二步把黑猫在上面团成团。黑洞是不是黑的不要紧,黑猫一定是黑的哦,别忘了专业摄影器材啊,毕竟黑猫也像黑洞一样难捕捉在转转买猫窝,拍黑猫的黑洞,城市人,真会玩.

相关文章

No Comments, Be The First!
近期评论
    功能
    网站地图xml地图