欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務建站與企業(yè)官網運營的一線實戰(zhàn)洞察。

客戶留存分析與流失預測系統(tǒng)實戰(zhàn):從特征工程到模型部署

客戶留存分析與流失預測系統(tǒng)實戰(zhàn):從特征工程到模型部署 簡介這套客戶留存分析與流失預測項目包面向電信、保險等行業(yè)的客戶分析場景也適合人工智能、計算機科學等專業(yè)用于畢業(yè)設計或課程作業(yè)。方案基于生存分析模型刻畫客戶流失隨時間變化的趨勢并計算生命周期價值同時使用隨機森林模型預測流失概率通過Flask Web應用完成交互式部署與結果展示。壓縮包共62個文件容量19.89MB主體包括3個Jupyter Notebook數據探索、生存分析、流失預測建模、1個Python應用入口、1個前端HTML模板以及49張結果可視化圖片如生存曲線、特征重要性、SHAP解釋、部分依賴圖等另有訓練好的模型pkl文件、依賴清單和說明文檔。已有163人學習下載。下載后可按README指引快速復現(xiàn)流程直觀獲取完整代碼、圖表與模型文件便于對照學習客戶生命周期價值計算、特征解釋及模型部署等關鍵環(huán)節(jié)。1. 客戶留存分析與流失預測系統(tǒng)先想清楚拿到zip之后要干什么拿到客戶留存分析與流失預測系統(tǒng).zip的那個下午我以為是解壓就能跑的現(xiàn)成工具結果從理解業(yè)務到真正用它做出判斷花了兩周。這套系統(tǒng)要解決的問題有兩層一層是留存分析——用戶來了之后有多少留到今天有多少在第幾天離開另一層是流失預測——在用戶徹底離開之前用一個概率分圈出高流失風險名單交給運營去觸達。它適合的不是算法團隊而是手里有用戶行為數據、想用低成本方式建一套留存監(jiān)控與預警流程的運營或開發(fā)。下面講的是我在落地這套系統(tǒng)時的完整路徑包括數據清洗、建模、打包交付和最常見的坑。2. 數據清洗與特征工程留存分析不是跑個模型的事2.1 用戶行為數據長什么樣從訂單表到用戶日活表很多團隊的數據現(xiàn)狀是訂單表、注冊表、登錄日志各存各的甚至取數的口徑都要問三個部門。做留存分析之前第一步不是寫模型而是把數據在用戶維度上拉平。常見的做法是以 user_id 為主鍵把訂單表和日志表聚合成一張寬表每一行是一個用戶字段是“最近一次下單距今多少天”、“累計訂單金額”、“最近7天活躍天數”等聚合值。寬表的產出質量決定了后面模型的上限。先別急著造高階特征先用 SQL 或 pandas 跑一遍留存率驗證數據能和業(yè)務直覺對上。比如你定義“第7日留存率”為某天新增用戶中注冊后第7天仍有活躍行為的占比。這里的活躍行為是“登錄”還是“下單”要和業(yè)務方確認口徑不同數字能差出一倍。我一般會先按天算一張留存矩陣確認沒有明顯的周末效應或數據斷檔再繼續(xù)造特征。數據樣例可以這樣理解訂單表有三個字段 user_id、order_id、order_time、amount行為日志表有 user_id、log_time、action。你的目標是把這些變成每用戶一行。如果日志表特別大千萬級以上別在 pandas 里硬做 groupby先在數據庫或數倉里用 SQL 做預聚合只把用戶維度的統(tǒng)計結果取回來。這不是優(yōu)化建議是血淚經驗。2.2 留存分析的三個核心特征RFM、使用頻次與沉默期RFM 是客戶分析里的老框架Recency最近一次消費距今多久、Frequency消費頻次、Monetary消費金額。在流失預測里R 的權重通常最高因為沉默的定義本身就依賴“最近一次活躍距今多久”。F 和 M 則能區(qū)分兩類用戶高頻低客單的用戶和低頻高客單的用戶它們的流失信號完全不一樣前者可能只是最近沒下單后者可能是徹底換供應商了。沉默期怎么定不要拍腦袋。常見做法是統(tǒng)計全體用戶相鄰兩次活躍的間隔天數取90分位數。比如你算出來90%的間隔都小于15天那“15天沒有活躍”就可以作為沉默閾值。這個閾值直接用來打標簽在歷史數據里如果一個用戶最后一次活躍距離預測時點超過了15天就標記為流失。這個標簽定義是后續(xù)所有模型的地基得先把它寫進配置中心而不是散落在腳本里。使用頻次特征比金額特征要穩(wěn)定。我個人的做法是先按自然周統(tǒng)計每周活躍天數再做一個28天滑動窗口的加權和時間越近權重越高。權重可以用指數衰減weight 0.95 ** (days_diff)。寫成代碼并不復雜但收益明顯因為用戶的近期行為模式比累計值更能反映當下的狀態(tài)。注意所有特征都必須基于預測時點之前的數據這個“時點”是最后一道紅線后面避坑章會專門講。2.3 用Python把原始表轉成訓練集完整代碼與參數說明下面這個腳本是聚合訓練集的最小實現(xiàn)。假設你有 users.csv 和 actions.csv目標是生成一個寬表包含 user_id、last_active_days、recent_days、recent_count、total_amount。為了后續(xù)做時間切分代碼里顯式引入 prediction_date。import pandas as pd import numpy as np # 讀數據注意解析事件時間 users pd.read_csv(users.csv, parse_dates[reg_date]) actions pd.read_csv(actions.csv, parse_dates[log_time]) prediction_date 2024-06-01 # 預測時點用字符串方便改 # 特征1最近一次活躍距今天數 last_active ( actions.groupby(user_id)[log_time] .max() .reset_index() .rename(columns{log_time: last_active_time}) ) last_active[last_active_days] ( pd.Timestamp(prediction_date) - last_active[last_active_time] ).dt.days # 特征2/3近30天活躍天數和行為次數只統(tǒng)計預測時點之前的30天 window_start pd.Timestamp(prediction_date) - pd.DateOffset(days30) mask (actions[log_time] window_start) (actions[log_time] pd.Timestamp(prediction_date)) recent actions[mask].groupby(user_id).agg( recent_days(log_time, lambda x: (x.max() - x.min()).days 1), recent_count(log_time, size), ).reset_index() # 特征4累計金額 amount_agg actions.groupby(user_id)[amount].sum().rename(total_amount).reset_index() # 合并成寬表 feat users[[user_id]].merge(last_active[[user_id, last_active_days]], onuser_id, howleft) feat feat.merge(recent, onuser_id, howleft) feat feat.merge(amount_agg, onuser_id, howleft) # 沒有行為記錄的用戶用999標記沉默時間其他缺失填0 feat[last_active_days] feat[last_active_days].fillna(999) feat[recent_days] feat[recent_days].fillna(0) feat[recent_count] feat[recent_count].fillna(0) feat[total_amount] feat[total_amount].fillna(0) print(feat.head())代碼邏輯分成三步先按 groupby 把最近一次活躍時間取出來再拿時間差得到 last_active_days第二步用條件過濾得到近30天行為數據用 agg 聚合第三步把各聚合結果在 user_id 上合并。注意 recent_days 這里用的是近似“首尾活躍時間跨度加一”如果用戶在這個窗口內活躍不連續(xù)它會比真實活躍天數偏大。更精確的做法是 x.dt.date.nunique()但那樣在千萬級數據上會慢很多看你的數據量取舍。參數說明prediction_date 是整套系統(tǒng)的錨點訓練時要把錨點滾動到每個歷史月份用來生成不同月份的樣本。last_active_days 用999填充是因為這些用戶沒有任何活躍記錄他們不是“沉默”而是“從未激活”應當被模型識別為特殊群體。recent_days 和 recent_count 的缺失填0代表觀察窗口內沒有活躍行為這個0是真實事件不是缺失。真實業(yè)務中你可能還要加更多特征注冊天數、平均消費間隔、商品類目偏好、客服反饋次數。我給的原則是先把 RFM 和沉默期做成可運行版本再逐步加特征每加一個就用時間切分驗證 AUC 是否真的提升而不是一味堆特征。這個系統(tǒng)里的特征工程不是一次性的它要能跟著業(yè)務周期持續(xù)迭代。提示千萬不要在造特征時混入預測時點之后的數據比如用“這個用戶后面有沒有下單”來填充近期行為。這是最常見的特征泄漏后面避坑章有一條專門講它。3. 流失預測模型選擇算法與調參的實戰(zhàn)思路3.1 為什么先跑邏輯回歸和XGBoost做基線模型選擇上我見過最常翻車的不是模型不夠強而是上來就調 LightGBM 的黑匣子最后解釋不了業(yè)務方的問題“為什么他分高”。所以建議先跑邏輯回歸它的系數能直接解釋特征方向。比如 last_active_days 的系數是正說明最近一次活躍距今越久流失概率越高符合直覺。邏輯回歸作為基線也能給出一個 AUC如果 XGBoost 比它高不了多少那說明特征工程才是瓶頸。XGBoost 適合表格數據對特征縮放不敏感還能自動處理缺失值。我們用它做主力模型但注意樹的深度、葉子數和正則參數會直接影響過擬合。數據量只有幾千到幾萬條的留存場景太深的樹幾乎必定過擬合。常見初始參數是 max_depth3、learning_rate0.05、n_estimators300然后用早停法選迭代輪數。這里有一個容易被忽略的點流失場景的正樣本往往很少。一個月流失10%用戶聽起來不少但在特征空間里樹模型很容易通過切分把這些樣本撿出來然后在驗證集上表現(xiàn)得很好等上線遇到分布變化就失效。因此基線模型不只是看 AUC還要看它預測出的概率分布是否合理。我常用的辦法是把預測概率分桶看每個桶里的真實流失率是否單調遞增如果不是單調說明模型學到了噪聲或者特征有泄漏。3.2 流失閾值怎么定基于業(yè)務沉默天數而非模型輸出很多系統(tǒng)的預測結果是一堆0到1的概率但業(yè)務方問“那到底誰流失了”你如果回答“大于0.5的流失”這個閾值會讓運營抓狂。正確做法是先定沉默期再根據沉默期生成歷史標簽模型只是學“哪些特征能預測這種沉默行為”。所以模型輸出的 score 其實是“在沉默期定義下該用戶未來7天內進入沉默的概率”而不是絕對的流失概率。閾值的選擇取決于你的運營資源資源多閾值調低多撈人資源少閾值調高只保重點。具體怎么定閾值用驗證集畫出精確率-召回率曲線運營能接受的精確率比如30%就選對應的閾值。這里的精確率意思是“預測流失的人里真的流失了多少”召回率是“真流失的人里被預測到了多少”??蛻袅舸嫦到y(tǒng)的目標通常不是精確率最大化而是在保證一定精確率的前提下提高召回率因為漏掉一個高價值用戶的損失遠大于打擾一個普通用戶。如果每個用戶的貢獻金額已知可以把閾值做成代價敏感形式。比如一個高價值用戶流失一個月?lián)p失1000元一次無效觸達成本5元。那么只有當預計流失概率 × 1000 5 時才值得觸達算出的閾值為0.5%。這個計算比拍腦袋強但前提是你有用戶貢獻金額數據并且愿意維護這組系數。我把這個邏輯寫進配置每次預測后直接輸出“建議觸達”和“可以再等等”兩個名單。3.3 訓練與評估代碼P/R曲線、AUC與代價矩陣下面的代碼展示了用邏輯回歸和 XGBoost 訓練并比較的流程。假設你已經有了 feat 和 labellabel 是1表示該用戶在未來一個周期內沉默。import pandas as pd from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from xgboost import XGBClassifier from sklearn.metrics import roc_auc_score, precision_recall_curve, precision_score, recall_score # 準備數據假設 feat 有 user_id 和特征列l(wèi)abel 單獨一列 X feat.drop([user_id], axis1) y feat[label] X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.2, random_state42) # 邏輯回歸基線 lr LogisticRegression(max_iter1000, C1.0, class_weightbalanced) lr.fit(X_train, y_train) y_prob_lr lr.predict_proba(X_test)[:, 1] print(LR AUC:, roc_auc_score(y_test, y_prob_lr)) # XGBoost 主力模型 xgb XGBClassifier( max_depth3, learning_rate0.05, n_estimators500, subsample0.8, colsample_bytree0.8, scale_pos_weightsum(y_train 0) / sum(y_train 1), eval_metriclogloss, early_stopping_rounds50, verbosity0, ) xgb.fit(X_train, y_train, eval_set[(X_test, y_test)], verboseFalse) y_prob_xgb xgb.predict_proba(X_test)[:, 1] print(XGB AUC:, roc_auc_score(y_test, y_prob_xgb)) # 根據運營目標選閾值 precision, recall, thresholds precision_recall_curve(y_test, y_prob_xgb) # 找精確率超過30%且召回率最高的閾值 valid [(t, p, r) for t, p, r in zip(thresholds, precision[:-1], recall[:-1]) if p 0.3] if valid: best max(valid, keylambda x: x[2]) print(建議閾值:, best[0], 精確率:, best[1], 召回率:, best[2])參數說明max_depth3 是為了控制模型復雜度當前量級的數據不需要太深。learning_rate0.05 配合 n_estimators500讓模型一步一步走不容易在訓練集上飆升。subsample 和 colsample_bytree 都取0.8相當于每棵樹只用80%的樣本和特征增加隨機性減小方差。scale_pos_weight 寫成正負樣本比例的倒數讓少數類被漏掉時損失更大。early_stopping_rounds50 在驗證集 logloss 不再下降時提前停止避免過擬合。邏輯回歸的 C1.0 是正則強度的倒數越小正則越強。如果特征之間存在共線性比如 recent_count 和 total_amount 高度相關可以調小 C 或先做標準化否則系數的絕對值大但方向不穩(wěn)定。class_weightbalanced 會自動調整正負樣本權重但代價是預測概率會出現(xiàn)整體偏移閾值也需要重新校準所以我不建議在最終交付時用這個參數只把它作為基線檢查用。評估部分AUC 看整體排序能力但真正決定業(yè)務動作的是精確率和召回率的取舍。我給的這個閾值搜索邏輯是“運營只能跟進精確率30%以上的客戶在這個前提下挑召回率最高的點”這是一個可落地的折中。實際你還要看每一檔閾值下會撈到多少人、多少獎勵金額這需要結合客戶分群下一章會講。4. 把系統(tǒng)打包成zip從訓練腳本到可交付的預測工具4.1 目錄結構設計模型文件、配置、增量更新腳本交付不是把幾個 .py 丟給對方就行。一個能跑起來的客戶留存分析與流失預測系統(tǒng)至少要有訓練腳本、預測腳本、配置文件、數據樣例、模型輸出目錄和 README。我通常按下面這樣的目錄組織retention_system/ ├── config.yaml ├── train.py ├── predict.py ├── data/ │ ├── users.csv │ └── actions.csv ├── model/ │ └── xgb_model.json └── README.md配置文件里寫數據路徑、預測時點、沉默閾值、模型參數、特征列表。這樣換一批數據跑的時候不用改代碼。訓練腳本讀配置產出的模型放在 model/ 下。預測腳本讀配置和模型輸入當天的特征表輸出帶 churn_score 的用戶名單。config.yaml 的樣式我一般這樣寫data: users_path: data/users.csv actions_path: data/actions.csv prediction: date: 2024-06-01 silent_days: 15 model: type: xgboost params: max_depth: 3 learning_rate: 0.05 n_estimators: 500 subsample: 0.8 colsample_bytree: 0.8 output: score_path: output/churn_scores.csv為什么用 YAML 而不是命令行參數因為運營同事要改的是數據路徑和閾值不該改代碼。把參數從代碼里剝離出來這個系統(tǒng)才談得上可維護。README 里除了安裝命令還要寫清楚 Python 版本和依賴我建議用 requirements.txt并告訴對方用虛擬環(huán)境。別假設對方會用 conda直接把命令寫出來。4.2 用zipfile和命令行實現(xiàn)一鍵打包把整個文件夾打成 zip 是交付前最后一步也是需求量極高的動作。在 Linux 上最省事的命令是zip -r retention_system.zip retention_system/如果需要排除體積大的緩存目錄比如 data/raw/用zip -r retention_system.zip retention_system/ -x retention_system/data/raw/* -x *.pyc-x 參數接的是通配符排除規(guī)則*.pyc 能去掉 Python 緩存文件這個一定要加否則對方解壓后會看到一堆pycache顯得很不專業(yè)。如果輸出包要帶日期可以這樣命名retention_system_20250611.zip方便后續(xù)回溯。如果你希望打包過程可重復我建議寫成腳本尤其是當模型文件越來越多的時候import zipfile import os def zip_dir(dir_path, zip_path, excludes): with zipfile.ZipFile(zip_path, w, zipfile.ZIP_DEFLATED) as zf: for root, dirs, files in os.walk(dir_path): for f in files: full os.path.join(root, f) rel os.path.relpath(full, dir_path) if any(ex in rel for ex in excludes): continue zf.write(full, rel) if __name__ __main__: zip_dir( retention_system, retention_system_20250611.zip, excludes[__pycache__, .pyc, /data/raw/] )這段腳本用 os.walk 遍歷目錄把文件寫入 zipZIP_DEFLATED 表示壓縮。excludes 里的子串如果出現(xiàn)在相對路徑中就跳過。這樣每次交付跑一遍python package.py就能得到新包不會漏文件。打包之前先在干凈的臨時目錄里跑一遍 train.py確認數據路徑不是硬編碼的絕對路徑我見過太多次本地能跑、zip 包解壓到別處就報 FileNotFoundError 的情況原因就是代碼里寫了C:/Users/xxx/data/actions.csv。路徑要寫成相對于配置文件的相對路徑或者運行時自動獲取腳本所在目錄。4.3 交付后如何運行解壓即用的最小命令與驗證交付后對方第一步是解壓。如果對方拿到的包是加密的先要移除 zip 密碼通常做法是問打包人要密碼別去用什么暴力破解工具那是給自己找坑。解壓后按 README 跑python -m venv .venv source .venv/bin/activate pip install -r requirements.txt python train.py --config config.yaml python predict.py --config config.yaml --score output/churn_scores.csv預測腳本里要加一個 --score 參數讓結果輸出到指定路徑。第一次運行完驗證三步訓練日志里有沒有 AUC 指標預測輸出里 churn_score 是不是0到1之間的分布隨機抽一個明顯很久沒活躍的用戶看他的 score 是否偏高。如果這幾步都正常系統(tǒng)才算真正跑通。我還會給一個最小驗證清單像這樣檢查項命令/操作期望結果訓練能跑通python train.py --config config.yaml輸出 AUC 和模型文件預測能跑通python predict.py --score output/churn_scores.csv輸出 CSV 且不少于100行概率分布合理查看 score 列大部分在0.1~0.5之間少量接近1沉默用戶命中抽查 15 天未活躍的用戶score 排名靠前跨平臺注意點Windows 上壓縮的 zip 在 Linux 解壓后中文文件名容易亂碼所以項目文件和 README 最好都用英文命名內容可以中文。另外 zip 包里的換行符也會在跨平臺時出問題代碼文件盡量用 LF 換行這個可以在打包前用 dos2unix 統(tǒng)一一下。如果對方要在 Windows 上跑記得把 .venv 相關命令換成venv\Scripts\activateREADME 寫兩個版本。5. 客戶流失預測落地避坑這5個問題最容易翻車5.1 現(xiàn)象訓練時AUC很高上線后預測全偏向不流失這是一個典型的“離線很爽、線上翻車”的例子。我見過有人把 AUC 做到 0.98結果第二輪預測出來的高分用戶全是些已經消失很久的老用戶對運營毫無指導意義。原因是特征泄漏造特征時用了未來數據離線驗證時又用隨機切分而不是時間切分模型在訓練集里見過“答案”了。解決方法是嚴格按時間切分用預測時點之前的數據訓練之后的數據驗證特征工程里禁用未來函數。檢查方法也很簡單把預測時點換個時間窗口看 AUC 是否基本穩(wěn)定如果大幅下跌先查特征里有沒有用到標簽信息。5.2 現(xiàn)象新用戶沒有歷史數據特征全部為空新注冊用戶沒有近30天活躍記錄也沒有累計金額模型會給它們一個不高不低的分數。但運營真正關心的是“剛進來還沒留存的用戶”你如果只用一個模型覆蓋所有用戶新用戶永遠被忽略。原因是沒有區(qū)分用戶生命周期階段。解決方法是先給每個用戶打一個 has_history 標志注冊不足30天的用戶單獨建?;蛘哂美鋯犹卣鞅热缱郧馈⒆詴r間、首日是否完成關鍵行為。在填充缺失時不要一律用0因為0可能表示“沒有行為”也可能表示“不適用”建議同時保留一個“數據不足”標記列。5.3 現(xiàn)象zip包換臺機器跑路徑全是反斜杠錯誤這類問題幾乎每個交付的人都踩過。代碼里寫了 Windows 的絕對路徑C:\Users\xxx\data\actions.csv打包到 Linux 服務器或 Mac 上跑一啟動就報文件不存在。原因很簡單路徑分隔符硬編碼。解決方法是統(tǒng)一用 pathlib.Path 拼接路徑配置里的路徑全部寫成相對路徑然后在代碼入口通過Path(__file__).parent定位項目根目錄。打包前我還會用grep -r C:掃一遍代碼看到絕對路徑就先改掉再壓縮省得對方解壓后拿著日志截圖來找你。5.4 現(xiàn)象流失標簽定義錯了模型學到的其實是“定義本身”這是最隱蔽的坑。我見過有人把“近30天無活躍”當作流失標簽但特征里又包含“近30天活躍次數”。標簽和特征直接重疊模型根本不是在預測而是在把特征里的0映射成標簽里的1AUC自然很高上線后卻一無是處。解決方法是標簽和特征之間必須有嚴格的時間間隔。用 t-1 月的特征預測 t 月是否沉默特征窗口和標簽窗口不交叉。我在代碼里把 prediction_date 作為硬邊界生成樣本時確保特征截止日比標簽開始日早至少一個沉默期。5.5 現(xiàn)象模型每周要重訓數據量太大內存直接崩客戶留存系統(tǒng)的數據是不斷累積的幾周后全量行為日志可能過億行。直接用 pandas 讀進來做 groupby內存很容易撐爆。原因不是代碼寫錯而是聚合方式不適合增量場景。解決方法是把特征聚合下沉到數據庫或數倉用 SQL 先算好每周的最新統(tǒng)計量Python 只負責讀寬表。如果一定要在 Python 里做可以按用戶分片用 Dask 或 Polars 代替 pandas另外把用戶ID、渠道ID這些低基數字段轉成 category 類型能省不少內存。更聰明的做法是設計成增量特征表每周只更新近30天的窗口統(tǒng)計歷史累計值用上次結果加本周增量而不是全量重算。6. 進階用生存分析和流失概率做分群運營6.1 為什么不只預測“會不會流失”還要預測“還有多久”流失預測給的是一個概率但運營接到名單后會問下一句“他還能留多久”如果預測發(fā)現(xiàn)一個用戶本月會流失觸達動作可以更緊一點如果預測他三個月后才流失那可能是正常的使用周期不需要打擾。生存分析解決的正是“還要多久”的問題。它不把流失當成一個二分類標簽而是把每個用戶看成一個帶時間的事件樣本輸出的是“存活到下一個周期”的概率曲線。6.2 用lifelines做Cox回歸的落地代碼我常用 lifelines 庫跑 Cox 比例風險模型。它接受兩條信息用戶觀察時長 T以及是否在觀察期內流失 E。下面是最小用法from lifelines import CoxPHFitter df_surv feat.copy() df_surv[T] df_surv[observe_days] # 從第一次活躍到觀察結束的天數 df_surv[E] df_surv[label] # 1流失0未流失 cph CoxPHFitter() cph.fit(df_surv[[T, E, last_active_days, recent_count, total_amount]], duration_colT, event_colE) cph.print_summary()Cox 模型的參數解讀比樹模型直觀如果 last_active_days 的風險比大于1說明最近一次活躍距今越久流失風險越高。有了存活曲線你還可以對每個用戶預測未來30天的存活概率把概率和 XGBoost 的流失分結合做一個二維分群高流失分且低存活概率的優(yōu)先觸達高流失分但存活概率還高的可能是需要長期培育的用戶不用急著打擾。6.3 從預測到行動生命周期積分卡與觸達時機最后這套系統(tǒng)真正產生價值的不是模型文件而是那張輸出名單。我會把預測結果做成一張積分卡流失風險分、預計剩余活躍天數、用戶貢獻等級、最近觸達時間。運營只需要關注“預計剩余活躍天數小于30天”的用戶再結合風險分決定用短信還是電話。我第一次上線時只顧著把 AUC 調高忽略了閾值和行動策略結果運營拿著一張全是中低分用戶的名單不知道干嘛。后來我把閾值和觸達成本寫進配置每個月復盤一次預測命中率這個系統(tǒng)才算真正轉起來了。希望幫到你。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
丁香九月综合| 超碰97干| 色五月在线视频观看| 九九无码| 亚洲VA在线| 夜精品无码A片一区二区蜜桃| 五月天激日本色情在线| AV片一区在线观看| 色欲久久久久| 婷婷激情人妻| 五月天大香蕉| 六月五月婷婷| 久久加勒比| www.夜夜| 色丁香婷婷| 99狠狠色| 色噜噜伊人| 超碰人妻在线| 五月婷婷六月基地| 亚洲成人网站在线播放| 天天精品视频免费观看| 激情二色月| 日本女色人人| 激情小说婷婷| 久操b网| 丁香六月婷婷开心| AⅤ色区| 久久综合久色欧美综合狠狠| 99热官网精品在线| 婷婷99| 99热地址| 永久地址 色| 色九四色| 久久婷婷色| 天天色天天搡| 激情五月黄色| 丁香 久久| 8区视频在线| 亚洲激情在线| 在线看片h站| 91九色小视频| 国产亚洲精品AAAAAAA片| 九九热99精品| 六月丁香av| 色婷婷六月天| 亚洲人人操| 婷婷色在线观看| 五月婷婷色播| 五月丁香怕啪啪| 亚洲xx在线| 久久婷婷六月综合国际| 天天干天天拍| 亚洲精品99| 久久婷婷六月综合综合| 五月丁香成人| 色综合久久88色综合中文字幕| 99久久99九九99九九九| 激情网五月天| 大地9中文在线观看免费高清| 色就色94欧美setu| 天天操夜夜啊| 久久狼人天堂| 99热999| 深情六月婷婷综合久久| 色欲天天综合| 97香蕉人人在线观看| 99热这里只有精品10| 极品人妻VideOssS人妻| 婷婷五月丁香五月基地| 韩国情人在线电视剧免费观看高清版全集 | 五月天综合色| 嫩草哈哈操| 乱精品一区字幕二区| 这里只有免费精品| 99爱爱网| 337p大胆噜噜噜噜噜91Av| 天天色天天干天天插| 五月婷中文娱乐综合| 大香蕉欧美在线| 99ri视频在线观看| 欧美日韩成人h| 婷婷五月天色色| 婷婷色播婷婷| 人人操99| www.婷婷.com| 东京热免费视频网站| 丁香婷婷六月天| 人妻22p| 色婷丁香91| 五月天婷婷一起草| 综合激情视频| 97在线精品| 天天综合精品| 伊人久久综合| 99热这里全都是精品| 九九婷婷五月天| 五月丁香激情综合啪| 五月综合激情视频在线| 五月婷激情| 黄色中文字目| 天天橾日日橾夜夜橾17| 婷婷五月,综合伊人| 久久丝丝热| 欧美激情五月天| 五月婷婷黄网站大全| 狠狠色狠狠鲁| 婷婷五月天国产传媒| 人人干人人干骚美女| 婷婷射图| 任你草| 九九综合| 久久久久久99精品无码| AV成人在线播放| 99九九精品视频推荐| 啪啪啪五月天| 免费91久久精品| 婷婷丁香五另类网站| 日本天天色| 91操人视频| 五月天堂色| 久久婷婷五月综合色丁香| 五月亭亭直播| 超碰色婷婷| 99热这里只有精品首页| 婷五月天| 五月天激情啪啪| 国产综合久久久777777| 亚洲无码yw| 99.N在线视频| 99色色爰| AV性爱在线| 精品99在线看| 亚洲色综合| 91九色国产| 婷婷久热| 狠狠做六月爱婷婷综合aⅴ| 99网| 久久婷婷五月综合激情国产| 91干网站| 天天日天天操心| 99九九热视频免费| 91无码高清| 极品少妇婷婷五月| 任我肏| 91热在线| 99国产精品白浆在线观看免费| 丁香五月六月婷婷自拍| 日韩成人影片在线观看| www热久久yy9| www.99热日韩.com| 97伦乱| 激情五月婷婷综合色播小说| 色婷六月| 1024人妻| 亚洲热久久| 99亚洲精美视频在线观看| 丁香五月婷婷亚洲综合精品| 噜综合| 日产精品久久久久久久蜜臀| 天天日夜夜帕| 99ri精品| 开心五月婷婷婷美女| 五月天久久网站| 亚洲综合1024| www.操逼comm| 日韩天堂久久| 狠狠丁香| 五月婷婷手机在线| 99人人干人人| 国产成人精品一区二三区熟女在线| 丁香五月激情视频在线| 免费黄色AV| 婷婷在线激情| 伦乱美欧| 成人资源在线| 99热这里有精品| 五月婷亚洲精品| AV在线观看网站| 激情丁香婷婷| 天天干天天操天天拍| 九九综合伊人| 91热视频| 色99网站| AV人人操| 五月激情丁香五月宗合| 亚洲一区二区无遮挡A片| 九九这里有精品| 天天干天天干天天干天天干天天干天天| 色色色激情网| 久久婷婷五月天| 色婷婷WWW| 日韩一级一片内射视频4K| 开心婷婷五月| 色五月天成人在线| 婷婷五月天激情小说| 久久一级AV| 影音先锋偷偷色男人站| 色婷婷六月精品| 91啪啪网| 99在线看视频| 亚洲 无码 中文字幕 中出 | 五月天婷婷一起草| 久久大香免费| 国产真人做爰视频免费| 99综合久久| 天天爽天天爽夜夜爽| 亚洲午夜电影| 五月天久久小说| 超碰93在线观看| 日韩AAA| 婷婷五月综合网| 国产AV一区二区三区最新精品| 色色亚洲视频| 婷婷五月色亚洲| 综合久久综合| 国产44页| 丰满少妇猛烈A片免费看观看| 14色综合婷婷| 丁香色婷婷| 99re热| 999久久久国产精品| 粉嫩AV久久一区二区三区| 狠狠色噜噜狠狠狠888| 秋霞三级影视资源| 久操人妻| 一区二区你懂的| 人人摸人人摸| 97色在线视频| 综合五月天婷婷色| 另类综合激情| 99开心五月五月丁香激情| 色综合久久综合| 国产99久久久国产精品免费看 | 亚洲激情综合网| 婷婷五月天婷婷| 天天五月香欧美| 欧洲S级在线观看| 色色色五月天婷婷| 激情开心五月天| 婷婷中文在线| 91凹凸在线| 亚洲成人黄色网| tingting五月天亚洲| 久久婷婷网站| 婷婷五月综合网| 97在线天堂| 亚洲精品又粗又大又爽A片| 99在线视频播放| 99乱视频| 婷婷五月深爱五月| 久久婷婷色五月| 亚洲综合五月天综合| 天天操天天日天天爱| 中文字幕五月久久婷| 丁香五月婷婷老师网站| 天天碰夜夜操| 九九热123| 熟女人妻一区二区三区免费看| 天天天天天日| 五月天色综合| 五月丁香影院| 五月激情小说| 大香蕉av在线| 精品无码久久久久久久久| 夜夜撸夜夜骑| 91精品久久久久久综合五月天| www色婷婷| 91婷婷丁香五月| 丁香五月综合在线视频| 六月五月婷婷| 色色色欧美色色| 久久五月网| 五月天婷婷自拍图片在线观看| 深夜男女福利刺激影院一区完整| 九月丁香婷婷| VA五月激情在线| 99这里有精品久久97| 99色色网| 五月激情丁香六月狠狠干| 丁香五月天在线观看视频| 67194成I人在线观看线路1| 丁香密臀AV激情网| 另类图片色五月| 欧美人人操| 7超碰自拍| 六月丁香久久| WWW丁香五月| 开心五月激情| 三十路磁力链接| 五月天成人手机在线视频| 99re热久久| 狠狠色精品综合| 婷婷五月天激情AV影院| 五月色色激情网| 天天天久久人人人合| 婷婷五月天另类网站| 五月草影视| 亚洲五月天婷婷在线| 午夜色丁香| 天天日天天草| 色婷婷基地| 伊人激情影院| 少妇水多A片太爽了| 丁香婷婷五月香蕉91| 级人人91| 婷婷激情人妻| 九九综合精品| 五月永久激情| 五月丁香综合在线| 玖玖爱伊人| 99这里| h在线看免费版在线看| 麻豆AV一区二区三区| 2050人人操免费工开爱 | 超碰国产AV| 99色干| 久久五月天精品视频| 日日噜噜久久婷婷五月天| 去干网最新版本亚洲版| 久re热视频| 婷婷伊人久久| 中文中文在线| 草草影院爱爱| 日韩欧美颜射| 色。 日日日| www色中色综合| 天天澡天天狠天天天做| 啊v视频在线观看| 日产精品一线二线三线芒果| 金品在线视频99| 色噜噜狠狠色综合日日| 丁香六月婷婷色XXXX| 欧美成人色婷婷| 91色综合| 色婷婷五月天av在线| 亚洲无码成人网| 91超碰在线观看| wwxx日本| 亚洲综合丁香五月天| AV色婷婷| 亚洲深喉aV| www色哟哟| 久久婷婷五月综合色奶水99啪| av婷婷丁香 六月| 四月婷婷丁香| 亚洲天堂热| 开心五月婷婷伊人| 深爱激情中文五月天av| 99热视精品| 久久伊人9| 丰满老熟妇BBBBB搡BBB| 日本97在线视频| 婷婷五月天在线观看av| 97 A I色色| 五月丁香婷婷六月| 成人免费视频一区| 五月丁香六月色情网欧美| 操骚货在线| 五月婷婷香| 日本97人人| 亚洲视频a| 亚洲综合激情五月| 91蜜桃婷婷狠狠久久综合9色| 婷婷五月综合网激情| 超碰免费在线| 欧美久久婷婷| 99久久久| 久草五月婷婷| 五月天色婷婷激情| 少妇真实被内射视频三四区| 色播婷婷大香蕉| 久久这里99| 91丨九色丨熟女|新版| 国产成人片| 99热在线观看99| 激情五婷精品网在线观看网址| 99热这| 中字幕视频在线永久在线观看免费 | 丁香五月停停av| 91精品国产91久久久久青草| 精品导航在线x不卡| 婷婷丁香色五月亚洲| 可以直接看的av| 99色爱| 婷婷五月天成人网| 五月激情小说| 欧美丁香五月97色| 五月天丁香啪啪啪啪| 99人这里只有精品| 怡红院视频| 91呦呦呦| 激情五月丁香激情综合网| 国产午夜一区二区三区| 国产精品电影网| 丁香成人色情五月天| 国产日韩欧美| 国产亚洲精品人人| 天天插综合| 国产性爱一级| 狠狠插狠狠操| 婷综合六月| 性爱先锋AV| 婷婷色在线视频| 亚洲黄色操逼| 丁香婷婷色五月合集| 久久综合中文字幕| 色玖玖玖| 性色视频| 韩国不卡AC视频| 丁香久久五月天视频在线观看| 99热都是精品| www色色com| 久久这里只有精品热在99| 婷婷激情视频欧美视频自拍视频欧美剧| 国产偷人爽久久久久久老妇APP | 亚洲色99综合天堂| 五月丁香婷婷啪啪综合网| 久久五月综合| 色噜噜,噜噜色| 婷婷色导航| 天堂中文国产| 亚洲成人av在线| 久久女人九九| 激情五月,激情综合网| 欧美搡BBBBB摔BBBBB| 夜夜涩涩涩| 丁香啪啪| 婷婷丁香五月天婷婷| 99综合久久| 五月婷婷人人人操| 五月天丁香久久| 久草丁香婷婷五月天婷| 婷婷六月丁香五月| 中文字幕丰满人妻无码专区| 久re热视频| 色婷婷AV在线| 99热主页日本| 色婷婷av在线观看| 色爱综合网| 99热只有精品综合| 人人操AV| 99视频精品全部免费 在线| 全部老头和老太XXXXX| 激情五月天婷婷免费观看| 五月天.com| 18av天堂| 久久小说| http://www.lingjunshare.com/| 色播综合| 六月丁香激情最新更新| 一二线视频 另类| 婷婷丁香高潮了| 99精品视频在线观看| 丁香成人综合| 婷婷五月天综合亚洲| 丁香婷婷六月在线资源观看| 94干大香蕉| 99激情| PORNY九色9l自拍视频成人| WWW.久久久久久久| 99色在线| 丁香 婷婷五月| 黄急一级视频| 日韩AAAAAAAAAAA片| www.9797国产| 婷婷五月天色播| 六月欧美综合色情| 最新国产AV| 久久人人妻| 婷婷综合精品| 欧美肉大捧一进一出免费视频| 色五月色综合| 五月天婷婷久草丁香| a久久| 国产老熟妇亲子乱对白| 99热这里| 日韩十国产极品久久| 1024亚洲| 久久精品婷婷| 内射丰满人妻| 亚洲天堂AV综合网| 五月丁香激情综合网| 千人斩操逼| 婷婷色综合中心站| 综合久久9| WWW色综合| 99在线视频观看| 婷婷五月激情中文字幕| 久久视这里只有精品| 久久A极片| AV性爱在线| 99热国内精品| 精品国产AV色一区二区深夜久久| 六月婷婷激情| site:minyis.com| 婷婷丁香大香蕉| 婷婷五月电影院| 色亚洲中文| 婷婷激情97| WWW.夜夜操.com| 99热在线中出| 久99热| 黄色99网| 狠狠综合色网| 国产成人精品123区免费视频| 色丁香影院| 97在线精品| 国产乱子轮XXX农村| 丁香五月手机在线| 狠狠操天天操综合| 色五月大| 免费视频在线观看的网站| 久久综合五月天| 五月天婷婷xxx| 狠狠色综合无线观看| 五月天啪啪| 九九色热视频| 五月天丁香六月综合| 91av色色乱视频| 夜夜骑夜夜撸| 婷婷五月激情六月| 千人斩操逼| 亚洲AV永久无码影院黑人| 色99视频| 91狠狠色色丁香婷婷综合久久| 五月天自拍网| 国产精品色婷婷99久久精品| www.丁香黄色五月天人与| 九热视频在线精品15| 婷婷五月欧美综合| 另类亚洲2| 丰满老熟妇BBBBB搡BBB| 99精品在线观看视频| 日本精品。999| 五月婷天堂视频| 99热这里只有精品中文字幕| 激情综合激情综合| 99视频精品全部免费观看| 色婷婷AⅤ| 夜精品无码A片一区二区蜜桃| 天天干天天爽天天操| 九月综合| 99精品综合| 99热在线这里| 色婷婷色久综| www.天天干.com| 国产性爱色| 在线观看免费观看在线9久| 天天插天天插| 亚洲九九在线| 激情五月天啪啪视频| 中文AV在线观看| 丁香操逼| 色五月婷婷成人| 91碰碰碰| 91久久精品无码一区二区三区| 五月天婷婷无码视频| 色婷婷在线综合色播网| www.久久99| 久久婷五月综合| se婷97| 亚洲亚洲人成综合网络| www.狠狠| 色婷婷香蕉| 综合99久久天天综合| 五月婷婷综合久久| 激情婷婷狠狠干| 五月婷婷黄色| 66精品国产成人| 五月婷婷色播| 色婷婷a| 五月丁香最新| 丁香五月婷婷亚洲天堂| 大香蕉视频婷婷| 综合性视频99| 99热香港| 欧美激情丁香五月天久久婷婷一区| 色综合区| 丁香五月色色| 中文字幕AV在线| 亚洲视频1区| 日韩AV免费看| 热99在线| 激情五月婷婷综合| 丁香五月影院| 天天狠天天叉| 九九热视频这里只有精品| 久久久99久久| 久热欧美| 久久九九爽| 五月丁香亭亭天天舔| 五月天婷婷色播在线网| 激情网开心网| 国色天香伊人狠狠色| 激情都市五月天| 91大屁股| 五月情色天| 俺也去在线视频| 五月丁香六月婷婷久久| 可以直接看的AV网站| 丁香五月天婷婷中文| 精品在线| 天天爽天天爽天天爽天天爽天天爽| 激情综合网五月丁香| 97丁香视频| 国产第99页| 99啪在线| 五月天婷婷色综合| 成人五月天。COM| 国产古装妇女野外A片| 午夜天天精品视频| 色狠狠色综合久久久绯色aⅴ影视| 婷婷五月激情网| www.久久爱.com| 成人综合网站| 国产亚洲精品久久久久久郑州| 国产伦亲子伦亲子视频观看| 六月色婷婷| 综合久| 色婷婷导航| 天堂无码人妻精品AV一区| 超碰人妻公开在线| www.9色色色| 日本色超碰| 久久婷婷青青草| 日本视频久久| 丁香五月天91| 色色色色色色色色色色色色色97| 婷婷色网站| 无码九九| 婷婷五月激情在线| 丁香婷婷激情五月天无毒不卡蜜桃| 91久久精品无码一区二区三区| 天天久综合网永久入口17v| 狠狠大香婷婷爱| 亚洲亚洲激情| 五月天精品视频| 99riAV国产精品视频| 午夜色婷婷| 国产精品涩涩涩视频网站| 亚洲av电影在线| 色婷婷777狠狠| 99热永久在线观看| 婷婷五月天成人综合网| 另类视在线| 六月激情婷婷| 九九爱精品网站| 五月婷婷婷综合网| WWW,激情五月天,COM| 久久久99精品| 六月丁香激情| 色婷婷丁香五月天| 色九月丁香婷婷蜜桃在线观看| 国产精品丝| 久久五月天合网| 99热6这里之有精品| 婷婷丁香人妻天天| 99热这里有精力| 国产在线网| 黄色短视频在线观看| 婷婷五月天久久久| 五月花婷婷丁香| 亚洲99在线| 国产毛片精品一区二区色欲黄A片| 色亭亭丁香五月天| 综合激情伊人影视在线| 99爱精品视频| 人人综合久| 五月婷婷色播| 色五月婷婷丁香凹凸| 99热欧美偷拍| 激情六月五月婷婷综合网| 天天干天天爽天天操| 丁香五月香蕉| 综合色图婷婷| 久久99久久久久久久噜噜| 五月丁香好婷婷A片网 | 欧美日韩99| 另类婷婷五月天啪帕帕| 色呦呦美女| 天天干天天玩天天夜天天射天天操天天日蜜臀少妇 | 五月丁香色婷婷久久| 97在线观看| 玖玖爱资源站| 香蕉AV777XXX色综合一区| 丁香婷婷久久 | 婷婷五月天六点丁香五月| 99精品在线观看视频| 99热亚洲综合| 久er7久热| 国产亚洲色婷婷久久99精品91| 成人片在线播放| 老妇操B| 先锋资源996| www.久久综合| 色婷婷色综合| 第四色婷婷色五月| 亚洲久久激情| 亚洲午夜电影| 六月色国内综合| 99热精品在线观看| 综合网啪啪| 婷婷五月天首页激情| 综合婷婷六月| 午夜丁香婷婷| 日本丁香久在线| 日韩操| 婷婷成人五月天| 五月丁香激情婷婷| AV性爱在线| 偷拍九九热| 五月丁香va| 国产精品社区| 久久婷综合网| 伊人五月天在线| 极品人妻VIDEOSSS人妻| 伊人婷婷青青cao| 色情五月婷| 爱穴久久| 九九热这里只有精品一| 久草热8精品视频在线观看| 大香蕉伊人99| 色综合色色色| 九九99视频精品| 亚洲中文乱字字幕线在永久| 色婷五月天| 婷婷五月天AV网| 日韩成人AV在线播放| 99色.com| 99热6色| 90色免费视频| 激情网狠狠干| 亚洲国产99| 久久五月激情| 久久99操| 日本一道久久| 久久资源网五月婷| 久久大香蕉同僚| 欧美丁香五月| 99久久精品国产色欲| 亚洲行行色色| 99热在线观看| 免费观看的AV| 激情五月黄色| 婷婷五月天婷婷| 国产内射婷婷| 成人丁香婷婷五月天| 亚洲欧洲另类| 丁香婷婷六月天| 欧美顶级少妇做爰HD| 婷婷久久免费看| 99国产精品白浆在线观看免费| 丁香大香蕉| 婷婷久久久久| 91九色丨国产丨爆乳| 丁香五月综合婷婷| 欧美大片免费播放器| 美女丁香五月天| 嫩草AV久久伊人妇女超级A| 婷婷五月天影视网址| 在线看的免费网站| 五月婷婷丁香av| 日日影院 | 色五月婷婷大| 欧美三级巜人妻互换| 色青五月天| 热99.com婷婷| 人人干av| 97人人操com| 婷婷五月天综合网| 男人天堂99| 亚洲最大视频| 激情综合五月.....| 丁香网五月天| xxx.色婷婷| 天堂爱啪啪| 久久婷婷影院| 婷色成人| 91高潮喷水久久久久久久久| 狠色狠色综合久久| 玖玖99精品视频| 99这里有精品视频| 婷婷五月天av网| 久久九九99| 婷婷久久五月| 国产XXXX搡XXXXX搡麻豆| 婷婷香五月| 十区AV| 国产67194| 天天网站天天爽| 狠狠操狠狠色| 日本天堂免费99| 色婷婷五月天激情| 色综啪啪网| 丁香五月Av| 91婷婷色五月| 性一交一乱一交A片久| 五月天色视频| 亚洲综合草草| 精品国产AV色一区二区深夜久久| 丁香五月激情鲁| 成人VAV视频在线观看| 五月丁香91| 狠狠操狠狠爱| 激情五月天婷婷播播久久综合91| 欧美人人草| 五月婷婷三级| 五月天激情婷婷| 99热在线成人网站| 六月激情婷婷| WWW.久久.COM| 色女伊人| 97人人搞| 一级片操逼视频| 丁香五月欧美激情| 性做爰1一7伦| 播播网色播播| www.精品99| 激情婷婷护士激情| 日韩视频99| 狠狠干在线视频| 月丁香久久久| 欧美色频| 色婷婷丁香五月在线观看| 99综合网| 热久免费视频9| 人人摸人人搞| 丁香五月婷婷色播艳门照| 99热在线精品播放| 五月丁香亭亭激情操逼网| 无码人妻激情| 日韩人妻操逼视频| 亚洲综合婷婷| 七七色综合| 99热综合| 久久色这里只有精品| 九九热视频精品| 99色爱| 五月丁香六月激情综合网| 97久久精品视频| 久久这里只有精品热在99| 六月丁香社区| 天天天操天天天爰| 丁香密臀AV激情网| 超碰在线观看三级片| 伊人干综合| 婷婷丁香色情| 五月激情丁香久久综合网| 最新日韩久热免费视频看看| 久久色情| 久久九九@| www色中色综合| 亚洲sesesese| 久久综合网桃花| 日本强伦片中文字幕免费看| 99九九在线视频| 婷婷五月天Av| 97干欧美| 超碰丁香五月| 一起草AV入口| 婷婷五月天激情小说| 婷婷五月天美女视频| 狠狠舔| 九9九9无码| 丁香花社区av| 天天色播| AV在线资源| 五月天播播中文字幕| 色五月综合网| 97色色色视屏| 色情综合| 无码yw| 久久婷鲁| 97caop| 五月婷婷久久综合| 五月婷网| 婷婷五月天激情网| www.五月天激情| 3p日韩网站视频| 99精品在线观看| 手机在线日韩视频中文字幕| 偷偷操九九| 亚洲六月综合激情久久下卡| 婷婷亚洲色| 九九热免费观看视频| 超碰人人干| 99玖玖在线视频| A1片久久| 国产精品A片在线| 99久久66综合| 五月丁香六月婷综合成人综合| 9 1超碰九色| 色婷婷AV在线| h在线看免费版在线看| ji'qi'luan'ren'lun| 天天草天天日| 综合视频五月| 梁铮版《蜘蛛女侠》在线| 人妻性操逼中文字幕 国产| 色玖玖爱| 99久久.www| 婷婷性爱综合| 色婷婷很很十八禁| 伊人丁香五月天丁香在线婷| 成人午夜天| 亚洲日本韩国| 色狠狠色噜噜AV天堂五区| www.夜夜| 欧美日韩欧美| 久久久国产精品黄毛片| 国产小精品| 国产AV一区二区三区最新精品 | 色欲日日躁| 天天干天天日天天插| 色情·com| 思思久ren热| 多精窝99在线视频| 久久婷出差欧美色两性综合网| 久久五月天激情婷婷| 六月激情久久婷婷| 五月婷色| 人人爽在线视频综合网| 色噜久| 亚洲XX网| 欧美三级黄色片久久| 成人综合AV| 久久伊人婷婷| 五月开心婷婷极品激情| 色色自拍视频网站| 色必久悠悠影院| 一本道综合网| 五月丁香六月花| 五月色俺婷婷| 亚洲热久久| www.成人婷婷综合| 综合久久五月天| 婷婷爱五月| 91狠狠综合网| 91丨九色丨熟女高潮| 26uuu成人网| 另类小说五月天| 亚洲色图欧美色图日本视频| 色综合99无码| 色99超碰| 亚洲午夜视频| 快乐婷婷五月天| 日日夜夜狠狠婷婷色| 五月激情丁香久久综合网| 678五月丁香亚洲综合| 婷婷五月天亚洲精品| www99热| 大香蕉五月婷婷| 色婷婷亚洲婷婷| 九九这里有精品视频| 六月色日韩| 婷婷五月天日日日干干干| 这里只有精品网| 超碰资源在线| AA丁香综合激情| 婷婷伊人| 丰满少妇乱A片无码| 秋霞AV吧| 97艹| 久久99久久99精品免视看婷| 激情婷婷内射| 26uuu亚洲欧美| 99精品综合| 国产99热| 丁香网站| 久久资源综合| 综合色情网| 五月久久噜噜| 婷婷五月在线播放| 日韩啪啪视频| 久久久天堂国产精品女人| 免费在线观看av网站| 综合另类视频| 婷婷六月色丁香视频在线观看| 五月天影院| 五月丁香无码| 色情成人五月天| 欧美日韩一区二区三区四区| 26UUU欧美激情一区二区| 天堂爱爱| 丁香五月人妻熟女| 色婷婷激情四射视频| 丁香五月播播| 亚洲偷| 色婷婷超碰| 狠狠草天天草| 人人爱国产| 色五月天在线观看| avh片在线观看| 九九热中文| 久久婷婷一级片| 97碰| 国产精产国品一二三在观看| 超碰人人在线观看| 色九区| 五月丁香无码| 精品久久久人妻| 中文字幕在线视频播放| 狠狠综合久久| 欧美3AaAa大片| 五月婷婷色| 午夜]香婷婷深深爱| 五月天色综合| 婷婷丁香激情五月天色色| 亚洲99综合| 亚洲99精品九九在线| 久久98| 天天操夜夜橾| 狠狠色综合网站久久久久| 麻豆忘忧草午夜| 蜜乳9188| 九九热精品在线| 亚洲精品一区中文字幕乱码| 啪啪操操| 99综合99| 任你爽视频| 五月色丁香婷婷综合| 激情五月天噢美| 日韩精品二三区| 九九香蕉网| 久久超级碰视频| 五月天婷五月天综合网在线观| 99性爱视频| 另类五月激情| 另类天堂| 五月丁香六月综合基地| 五月天色裸体视频| 成人电影一区| 色天堂97| 九九久久视频| www久久99| 91凹凸在线| 色色欧美色色| 国产这里只有精品| 久久五月天色婷婷| 色色综合色| 99在线精品免费视频| 亚洲综合视频网| 精品人妻久久久久| 人妻丰满精品一区二区A片| 九九色影视| 色五月婷婷亚洲最大| 国产成人精品一区二区三区视频| 99人人干人人| 五月婷婷六月丁香在线视频| 国产精品扒开腿做爽爽爽A片唱戏| 九九碰九九爱97超| 天天爱综合网| www.婷婷激情网.com| 激情婷婷综合| 日韩aaa| 中文字幕,综合,91| 五月婷在线播放| 亚洲日韩操B| 婷色五月| 外国碰视频网站97| 777久久久| 激情五月六月丁香| 色色无码| 天天天久久久| 狠狠干狠狠色| 99热综合在线| 五月天婷婷色小说| 99re在线播放| 深爱激情网五月| 婷婷五月天影院| 色综合中文色综合网| 精a品a| 无语停婷丁香网| 思思re视频在线| 久久免费精彩视频| 无码一区二区三区四区五区| 91婷婷| 色香久久| 思思久久99| 久久久人人操A V| 99热在线成人网站| www。五月,com| 婷婷综合伊人丁香| 激情6月| 99热99这里有免费的精品| 久热这里| 婷婷五月激情四月综合| 五月丁香色色网| 国产激情AV| 91精品婷婷国产综合久久| 色婷婷色情| 天天综合网在线| 99超碰人人| 欧美啄木乌丝袜人妻系列| 天天躁日日躁狠狠躁日日躁2022年5月9日 | 99精品久久久| 伊人婷婷大香蕉| 99在线热| 欧美日韩99| 99久久6| 国产色色在线| 五月丁香婷婷色| 九九热这里有精品视频| 99热婷婷| 激情精品久久| 国产午夜成人AV在线播放| 狠狠干在线视频| 婷婷激情五月呦呦| 婷婷五月18永久免费视频| 亚洲视色| 超热久碰.com| 夜夜骑天天玩天天日| 九九热内射| 日本在线va| 99玖玖在线视频| 99热偷拍| 天天做天天爱天天搞| 婷婷五月av| 五月丁香婷婷激情| AAA久久| 五月丁香激情片| 99re6在线视频精品免费| 婷丁香五月天| 亚洲丁香五冃97色| 天天日夜夜爽。| 九九精品碰| 久久思思精品| 丁香五月婷婷老师网站| 丁香六月婷婷五月婷婷| 爱狠射| 性热视频99精品| 九九碰九九爱97超碰| 久久激情五月婷婷| 亚洲激情丁香五月基地| 91男人资源站| 激情六月天| 日韩综合天堂| 丁香五月五月婷婷| 我要色综合五月婷婷| 99福利视频导航| 涩涩五月天| 五月色情婷婷| 青草视频在线观看视频| 亚洲婷婷六月天| 极品嫩草| www.黄色片-久久成人国产精品在线播放-999AV| 久久色情| www.久久久久| 色婷婷综合网站| 亚色网站小视频| 婷婷综合性爱网| 色五月AV| 久久五月婷婷电影| 色色色色丁香| 激情深爱综合网| 亭亭色色五月天| 亚洲色无码A片一区二区麻豆| 激情五月,深深爱五月| 九九综合网色全集 | www99热| 五月天AV大香蕉| 思思久久99| 色欲资源网| WWW.久久久久久久| 中文字幕网伦射乱中文| 天天日天天干天天天| 狠狠爱综合| 99精品视频在线观看| 五月天亭亭俺也| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 日本美女天天日天天爽| 在线观看欧美3区| 激情丁香婷婷| 激情网第四色| 丁香五月综合首页| 久久丁香五月婷婷| 日日操,夜夜爽| 九九综合伊人| 色婷婷丁香花五月天| 67194中文字幕| 97深爱伊人综合| 色五月综合网| 五月丁香大香蕉| 玩熟女五十AV一二三区| 五月天激情啪啪| 亚洲日韩26uuu| 热热99爱爱| 国产精产国品一二三在观看| 狠狠狠狠狠狠狠狠| 欧亚洲在线高清视频| 久热99中文字幕| 天天肏夜夜肏| 久久这里只有精品网| 美欧日韩国产成人在战| 久久精品国产AV一区二区三区 | 欧美网站视频4399| 免费观看18视频网站| 婷婷五月天av| 激情丁香五月激情婷婷| 欧美六月| 4399在线观看免费高清毛片| www.五月丁香| 五月丁香香蕉| 亚洲欧洲99| 9超碰在线| 大学生高潮无套内谢视频| 色欲午夜无码久久久久久张津瑜 | 岛国资源站| 九九在线视频| 超碰成人av| 五月婷婷福利| 婷婷丁香六月五月天| 日本九九九九九九| 亚洲视频一区| 人妻久久婷婷| 99热无码精品| 碰碰女| 激情影院69| 久久久久久人妻| 91人人操人人| 可以看的AV网站| 午夜爱爱爱成人| 99视频网址| 日韩乱轮AV| 国产日韩欧美性爱| 久99热在线观看| 五月天婷婷在线播放免费| 色色啊| 欧洲亚洲免费视频9| 丁香五月婷婷www..com| 成人精品视频99在线观看免费| 色啪影院| 天天干天天操| 99视频在线观看欧| 婷婷爱在线观看| 99热在线资源| 日韩成人影片在线观看| www.色五月| 色婷视频| 狠狠色婷婷777| 天天舔天天摸天天透| 九九九九九无码| 四色永久成人网站| 超碰男人色| 色婷婷丁香社综合| 雪千夏麻豆| 亚洲第一成人无码A片| 任你爽视频| 五月丁香六月婷婷激情网| 久色欧美| 天天天天做夜夜夜夜做| 精品无码色欲AV| 亚洲性天天| 97久久人人| 色婷婷a v| 婷婷激情五月天激情小说| 久久AV无码精品人妻系列试探| 六月婷婷开心| 婷婷丁香五月麻豆| av操一操| 丁香五月婷在线观看| 丁香六月婷婷高清| 婷婷成人综合免费视频| 激情丁香五月天综合| 大香蕉五月天婷婷丁香91| 99精品丰满|