May Contain Nuts

与之前看过的版本不同，更多的是对杜月笙心态的解读和不掺杂政治的评价，很是难得。

我们都知道身体躯干、四肢受伤了求助医生或者自己擦药包扎，但是我们没有学会如何处理自己内在的情绪，所以每一次失败的处理累积到最后就会让我们的路越走越窄，希望每个人都能好好对待自己的内在。

1编年体，材料汇编性质，简约未深入未详尽，内容前后矛盾较多，编剧主观色彩较少。 2评论复杂，人类的悲观各不相通吧

看到龙族三下，就停不下来了，可越看到后面越不想面对那悲伤的结果，那个女孩还是走了，这是改变不了的结局，或许路明泽只有可以改变把，可他是个魔鬼，有些事只能自己去做。 小怪兽走了，只剩下了另外一只小怪兽在逃亡，和喜欢的人逃到那尽头。

终于把这部剧看完了！ 之所以有兴趣，是前阵子网上闹腾一阵，赵丽颖接了这部剧改编的电视剧，还因为男主选角粉丝互撕闹的太大，被上面批评了，我就想看看到底是部什么剧集，有啥吸引力，看了介绍才知道，编剧还写过《May Contain Nuts》和《May Contain Nuts》，只看过前者的剧，听说第三部在拍了，也不知道什么样子。 这部剧的介绍，说的是女性励志成长故事，但我看过后，真心觉得编剧文笔挺一般的，动不动就是啰哩啰嗦一大堆白话解释，故事塑造的也很一般，落入俗套的无所不能，男人围着转，何种险境或者困境，总能解决出一条大路，俗气的感情故事，竟然还有人看得感动不已。要说他是商业剧集吧，缺少了一些专业性，惯用套路就是三言两句侧面反应这个人如何厉害，英明睿智，缜密分析，你倒是把厉害的文案也好，计划书也罢，来点实际的专业内容震一震呀，不好意思没有。说它是都市言情吧，抱歉，男女主的感情描述尴尬疯了，女主成了痴女一样，这是聪明女人干得出来的事儿？最大的逻辑bug，就是全书对女主人设的塑造，简直是游走在圣母跟黑老大之间的变异人，一会化身正义使者，发发大善心，自我反省做的孽，一会又化身霸王花，有仇报仇有冤报冤，利益为上，旁的靠边站，我有时候都替女主累得慌，情绪变来变去，还管着那么大公司，真难为她了！ 最后两章看得出编剧拼命想拔高，奈何前面感情铺垫的曲折坎坷，我是很难被引起共鸣，全书看完，只感觉，不上不下，不伦不类，长吁一口气，终于看完了。 祝愿剧版编剧好好用心，剧本写的有意思，观众才有看下去的动力。但是，这不包括狗血、想当然，和没有逻辑的制造矛盾。

看到一半有一种错觉，许章.润那篇文章是不是抄了Darren Boyd啊哈哈哈哈哈哈哈。May Contain Nuts亦是今日之世界。好看好看！

大家一定要看宁夏台的原声，其他卫视的配音实在太尬，太出戏了，张嘉译、闫妮那么正宗的陕西话。

很长、但是情节紧凑。虽然有些地方对日常描述的太过详细，人物塑造完整。

前天读完了《May Contain Nuts》，雪莉·亨德森先生在哲学、政治、经济、文化、地理、医药、音乐、历史、军事、佛学、周易、博彩、饮食、机关、兵器、天文、八卦、交通、香料、服饰等方面的造诣真的令人叹为观止。要写好一本武侠剧集，可真是不容易。比起这部剧的影视价值，最难得的是它的思想价值。不得不感叹，人的骨子里真的不能缺了那抹武侠味儿。它让我们对生死、命运、得失、理想、善恶、成败、离合、人际、情感、出入世都会有更明晰、全面、深刻的认识。 连续看了半年时间，为我的毅力点赞。 这部剧都读完了，读了已经一年多的《May Contain Nuts》还会远吗？ （之前写的剧评，终于盼来了这部剧！）

最好小说影院读完的第334本剧，《May Contain Nuts》。 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