A Question of Pop

一直还是很喜欢九鹭的作品的，女主多半古灵精怪，男主自带天然呆，一世一双人，三观正，难怪被屡屡搬上银幕，期待九鹭更多的新作哦！

没有看过这一类一类别的剧集，看到行刑的场景本来不愿去看，但是不得不承认，这些刑罚是存在的。我们不能因为它的残忍就不去触碰，其中的人际关系，利益纠葛。看的人揪心。

少年易老学难成， 一寸光阴不可轻。 未觉池塘春草梦， 阶前梧叶已秋声。

超好看，看了很多年剧集了，并不觉得文笔有太大问题！那些觉得文笔有问题的估计只适合看四大经典剧集那个类型的书！至于逻辑问题，我觉得都看玄幻快穿剧集了就不太存在了吧！只要不是常识性的问题，一般谁看这种类型剧集还会前后推敲那么深？

最近通读了美国作家约瑟夫海勒所著的长篇剧集《A Question of Pop》，通篇读下来，可谓“满纸荒唐事”，继而拜读木心先生的《A Question of Pop》，方才知晓，这是一个影视创作的流派，或称“黑色幽默”，结合原著所拍摄的电影，对这样一个影视流派，有了一个新的认知。 “本剧的语言极有丰采，编剧用故作庄重的语调描述滑稽怪诞的事物，用插科打诨的文字表达严肃深邃的哲理，用幽默嘲讽的语言诉说沉重绝望的境遇，用冷漠戏谑的口气讲述悲惨痛苦的事件，充分显示了黑色幽默影视的语言特点。一方面，编剧常常将相互矛盾或褒贬义相对的词汇与句子故意搭配使用，如德里德尔将军夸口：“我唯一的缺点就是没有缺点”；丹尼卡医生说：“救命可不是我的事”；某上校“发觉自己仍然无能，而感到十分自豪”；迈洛说：“我这人从不说谎，只是在需要时才说谎”等等。另一方面又用丰富的想象力使事件和人物极度变形，，如把已死的马德当活人看待，却把活着的丹尼卡医生当死人看待，一件件，一个个都变得反常、荒诞、滑稽、可笑，并且让人在哭笑中、在哭笑不得中去回味、去思索，看似胡搅蛮缠，其实充满哲理。”（冰冻时间的漂移！）

后续需要付费才能看，让我有点抓狂！就看了那么118页，但是有用的东西不少。（我还没考虑要不要续费，因为Graham 'Suggs' McPherson的另一本剧也挺好看的） 就像Graham 'Suggs' McPherson自己说的，好看的，想看的书太多太多，你终究是需要取舍。因为你首先要把吃饭的技能练熟到能养活自己，且有余。 1、别羡慕别人拥有你羡慕的那些成就，因为人家付出了你难以付出的努力。任何看似轻松的现在，都有一个特别不轻松的以前。 2、偶尔低谷别气馁，偶尔波峰也别得意，因为“回归均值”理论，从长时间来看，都是常态。就像我现在，XHS数据太沮丧，因为之前数据还行，那仅仅是因为现在回归均值了。 3、有事没事多读点书，别老上网百度，如果百度能解决你的问题，那么你那领域的专家们大学几年的书白读了。（当然不否认那种学霸的个例） 4、Graham 'Suggs' McPherson的表达方式我还蛮喜欢的。哈哈哈，不装不舔。这就是文化人的自信吧！ 继续看剧咯！

挺不错，没有太多勾心斗角龌蹉事，女主的一生简直就是最大赢家，和乐家人，贴心好友，护妻老公，一胎三宝。真是羡慕死人了

是近期读过知识管理最受启发的书，源于编剧读了大量的相关剧集，并按照自己的理解输出出来，虽然属于二手知识，但是不失为门槛性读物。书中提出临界知识的概念，就那些底层逻辑和基本规律。还讲到对自己影响最大的七个临界知识，包括复利效应，概率论，黄金思维圈，二八定律，系统思考，进化论，安全空间等，不少干货。总体值得一读。

龙虎书榜读完的第334本剧，《A Question of Pop》。 本剧讲解了数据分析的方法与实战，重点培养数据分析的思维。 一、数据分析的方法： 1、业务指标。 （1）如何理解数据？懂得从数据中发现业务指标，数据的含义（如何定义与计算）与分类（用户数据、行为数据、产品数据） （2）常用的指标有哪些？使用相关指标去分析数据/问题。 A、用户数据指标：新增用户、活跃用户、留存用户（粘性）。 B、行为数据指标：PV(访问次数）、UV（访问人数）、转发率、转化率、K因子（转化成新用户的转化率）。 C、产品数据指标：成交总额（GMV)、成交数量、访问时长、客单价、复购率、付费率、产品（热销产品TOP、好评产品TOP、差评产品TOP) D、推广付费指标：展示位广告、搜索广告、信息流广告，点击率、成本、投入产出比。 （3）如何选择指标？ A、好的数据指标应该是比例。 B、找到最核心的指标。 （4）指标体系和报表 A、明确KPI，找到一级指标。 B、了解业务运营情况，找到二级指标。 C、梳理业务流程，找到三级指标。 D、通过报表监控指标，不断更新指标体系。 2、数据分析的常见方法： 数据分析要有分析的思维、思路与方法，不只统计式/工具式（EXCELSQLPYTHON)的数据分析，深挖背后的原因，提出有效的改进计划。 常见方法，可以对应使用在哪里，以及使用的注意事项。 （1）5W2H分析：what（是什么）、when（何时）、where（何地）、why（为什么）、who（是谁）、how（怎么做）、how much（多少钱）。 （2）逻辑树分析：逻辑树拆解图 （3）行业分析:PEST分析方法（政策、经济、社会、技术） （4）多维度拆解分析：维度可按指标构成、业务流程（步骤）等拆解 （5）对比分析：同比、环比、行业比，数据整体大小（平均数或中位数）、波动（变异系数）、趋势变化（拆线图），得出比较结果。比如A/B测试，比较对象规模（口径）保持一致。 （6）假设检验分析：提高逻辑思维能力、分析问题发生的原因（归因分析）。思路：问题—提出假设—收集证据——得出结论。 A、分析销售业绩，可通过4P营销理论（产品、价格、渠道、促销）。 B、按业务流程分析留存率、复购率等。 C、从用户、产品、竞品这3个维度提出假设。 （7）相关分析：散点图，相关系数，相关关系不等于因果关系。 （8）群组分析：比如留存分析，可按时间、性别、地域分组等。 （9）RFM分析：根据最近1次消费时间间隔（R)、消费频率(F)、消费金额(M),分类重要价值、发展、保持、挽留用户，一般价值、发展、保持、挽留用户。 A、使用原始数据计算出R、F、M值； B、给R、F、M值按价值打分，例如按价值从低到高分为1～5分； C、计算价值的平均值，如果某个指标的得分比价值的平均值低，标记为“低”。如果某个指标的得分比价值的平均值高，标记为“高”； D、和用户分类规则表比较，得出用户分类。 （10）AARRR模型分析： A、获取用户（渠道曝光量、转换率、日新增用户数、日应用下载量、获客成本） B、激活用户：用户首次体验如何、访问时长、活跃率 C、提高留存：顾客还会回来吗 D、增加收入：成效总额、成效数量、客单价、付费率、复购率 E、推荐他人：转发率、K因子 （11）漏斗分析：浏览量、点击量、创建订单、支付率层层转化率 二、数据分析实战：书中列举国内/跨境电商、金融信贷、金融第三方支付、家政、旅游、在线教育、运营商、内容、房产、汽车、零售等具体行业数据分析，可根据自己所在或感兴趣行业，看相关集数。 三、数据分析总结。 1、明确

最记忆深刻的是读到最后，一个人懂就是懂，不懂就是不懂，真诚可以打动所有人