這篇文章給大家聊聊關于聯(lián)想s100拆機圖解(聯(lián)想s100拆機視頻教程)，以及聯(lián)想s100拆機圖解(聯(lián)想s100拆機視頻教程)對應的知識點，希望對各位有所幫助，不要忘了收藏本站哦。

電商色彩營銷：聽說消費者都有“好色”心理

編者按：

現(xiàn)代營銷學之父曾經(jīng)有說過, 消費者需求主要分為數(shù)量滿足、質量滿足, 以及情感滿足階段。隨著社會經(jīng)濟的發(fā)展, 消費者對于產(chǎn)品質量進入到情感需求階段, 達到一個新高度。與此同時, 消費者對于現(xiàn)在生活環(huán)境和產(chǎn)品質量的需求, 不僅僅局限于功能特性的實用階段, 更加注重消費過程中環(huán)境美學的需求。此外, 消費者對于同質化產(chǎn)品, 以及對競爭激烈消費場景有更大的色彩需求, 所以色彩對消費者購買行為的影響具有重要現(xiàn)實意義。

導語

先前，分析服務公司KIS**etrics發(fā)布的一項調查結果，分析了顏色與購買行為的奇妙聯(lián)系。

1

當推銷一件產(chǎn)品的時候，消費者會把注意力放在哪些部分呢？93%的消費者選擇了產(chǎn)品外觀，6%選擇產(chǎn)品質地，1%選擇氣味或聲音。由此可見外觀對于一件產(chǎn)品的銷售起著至關重要的作用

2

當消費者購買一件特殊商品的時候，85%的消費者解釋主要原因是產(chǎn)品的顏色

3

顏色能提升80%品牌認知度，而品牌認知度直接影響消費者信任

可以這么理解，色彩在不同場景的選取，所表達的含義不同：

**：樂觀、年輕，常用于吸引消費者注意力；

紅色：充滿能量，讓人心跳加速，給人緊迫感，常見于**大甩賣；

藍色：給人值得信任和受到保護的感覺，常見于銀行和商業(yè)；

綠色：讓人聯(lián)想到富足。所有人來說最易接受的顏色，常置于商店中用于放松和休息；

橙色：積極行動的，通常是放行為提示語，比如產(chǎn)品描述，買或是賣；

粉色：浪漫且女性化的，用來吸引女人和年輕女孩兒；

黑色：有力的有光澤的，用來銷售**產(chǎn)品；

紫色：讓人緩和平靜，通常在化妝品或者抗衰老產(chǎn)品中使用；

由此可見，在消費經(jīng)濟邁入更加精細化的時代，色彩的外化表現(xiàn)和消費購買行為有著至關重要的關系。

同時，電商行業(yè)的新品開發(fā)與設計越發(fā)依賴精準與高效的數(shù)字化決策。結合我們當前平臺，憑借豐富的大數(shù)據(jù)助力行業(yè)的發(fā)展，運用數(shù)字化技術對傳統(tǒng)消費品行業(yè)賦能，滿足行業(yè)制造新需求，在色彩屬性上，進行商品開發(fā)基礎屬性洞察與疏理，挖掘消費新需求。

然而，當前平臺上商品的色彩標簽，采用主觀意識人工填寫，因此在數(shù)據(jù)層面產(chǎn)生了極為分散的描述，限制了其中歸納與提取更加精準的色彩洞察。

比如上圖中色彩描述，可以看到視覺上的同一色彩，由于平臺上商品的色彩標簽由商家于后臺手動填寫，因此產(chǎn)生了極為分散的描述。有的商家填寫從流量與運營視角出發(fā)，色彩標注為” XXX同款色”或是”主圖色”，有的從營銷視角出發(fā)，描述為”深夜星空”或是”卡布奇諾”，即使限制只能使用單純的色彩命名，“淡紅棕”、“土咖”也難以準確判斷。最終導致平臺底層色彩屬性數(shù)據(jù)不一致，線上線下存在色彩偏差，行業(yè)小二、消費者、商家對顏色認知沒有形成統(tǒng)一標準。

由于個人色彩感受的差異與色彩語言的不一致，造成色彩數(shù)據(jù)抓取分散，計算機與數(shù)據(jù)科學中的常用原則Garbage in，garbage out (GIGO，無用輸入，無用輸出)限制了我們由大數(shù)據(jù)中歸納與提取更加精準的色彩分析，使得目前的色彩決策形成了巨大落差，感性預測與理性數(shù)據(jù)無法互相支撐、線上虛擬色號與線下商品實體色彩難以相互匹配。若回到色彩決策的理性角度來說，具有廣泛行業(yè)的色彩數(shù)據(jù)、聚焦**消費者、具有時間維度的阿里巴巴平臺消費數(shù)據(jù)是否能更加準確的洞察未來趨勢色彩的變化?

基于此，新品平臺、阿里設計ADIC平臺、以及外部ISV云巢科技公司，共同研究主流色彩體系，提出一套全新可適配電商的色彩系統(tǒng)，并通過圖片主色拾取的算法能力，將此色彩系統(tǒng)與顏色標準化引擎結合，對相近色以色彩、色相、色階歸納分組進行排序，將理性數(shù)據(jù)定量標準化分析形成精準色彩決策指引，實際應用于Ailbaba Design“智美產(chǎn)品”，沉淀在新品平臺體系，以及平臺上需要顏色標準體系支撐的產(chǎn)品，提供商家精準貨品色彩開發(fā)。

01理性研究色彩

發(fā)現(xiàn)問題，就要針對問題對癥下藥，首先要調研色彩標準體系，以此為理論基礎支撐，作為色彩理性判斷的依據(jù)。

正常情況下，對色彩的理解大多從感性出來，這就出現(xiàn)了色彩描述起來含糊不清并難于管理的情況，從理性的角度分析色彩，需要根據(jù)色相、彩度、白度和黑度等體驗參數(shù)判斷色彩。

上個世紀，從亞里士多德開始，人類就開始研究色彩，色彩理論逐漸地系統(tǒng)化，出現(xiàn)了很多不同的色彩系統(tǒng)，在這些色彩系統(tǒng)的指引下，人們已經(jīng)可以數(shù)據(jù)化的分析色彩，以下簡要介紹一下各大自然色彩系統(tǒng)及其他主流色彩系統(tǒng)。

01NCS色彩體系及其他主流體系

NCS自然色彩系統(tǒng)是根據(jù)人眼所看到的色彩，基于人眼的視神經(jīng)，設定了紅黃藍綠以及黑白，一共6個顏色，如下圖：

把黃紅藍綠4個有彩色圍繞一圈組成色相環(huán)，而這些顏色之間10等分，這樣每一個色相就都有了自己的色相編號，色階的維度由黑白度和彩度標識，黑白之間10等分，彩度和黑白之間又是10等分，這樣就形成了色階，把色相和色階組合起來，而形成了一個錐形的色立體。

基于這個色立體可以將色彩數(shù)據(jù)化，色彩本身的構成原理，同樣線上色立體的數(shù)據(jù)化，更加是可行的。

目前比較通用的色彩體系有瑞典的NCS自然色彩系統(tǒng)，德國的勞爾色彩體系，日本的PCCS色彩系統(tǒng)，丹麥Malerlaug色彩系統(tǒng)等。而每個系統(tǒng)各有其各自的特點，而針對不同的色彩需求。

02瑞典-NCS自然色彩系統(tǒng)

NCS是Natural Colour System（自然色彩系統(tǒng)）的簡稱。NCS是如今世界上最具盛名的色彩體系之一，是國際通用的顏色規(guī)范，更是國際通用的顏色交流的言語。研討始于1611年，后來在顏色學、心思學、物理學以及修建學等十幾位專家數(shù)十年的共同努力下，經(jīng)過了數(shù)不清的科學試驗，天然顏色體系于1979年完結，并變成瑞典的國家規(guī)范。

在三維的立體模型中，立體的上下兩頭是兩種非五顏六色原色，頂端是白色，底端是黑色。立體在中心部位由黃、紅、藍、綠四種五顏六色原色形成一個色相環(huán)。在這個立體體系中，每一種顏色都占有一個特定的方位，而且和別的顏色有精確的聯(lián)系。

三角形的W角代表達，S角代表黑，也即是顏色立體的頂端和底端，C代表一個純色，與對錯都不類似。用NCS斷定顏色時，第二步是由目測判別出該顏色中含有五顏六色和非五顏六色量的相對多少。顏色三角形中有兩種標尺；彩度標尺闡明一個顏色與純五顏六色的挨近程度；對錯標尺闡明一個顏色與黑色的挨近程度，這兩種標尺被均分紅100等份。

03德國-勞爾色彩體系

勞爾RAL設計體系的顏色是按色相(hue)、亮度(lightness)和彩度(chroma)進行系統(tǒng)排列，共有1825種顏色。按照色譜的順序，色相被排列成一個圓圈，各角度有相應的顏色。紅色能在0° (= 360°)處找到，**在90°，綠色在180°，藍色在270°，同一色相內的不同的明度值分列在不同的層次上。

勞爾RAL設計色彩體系應用非常廣泛，別的領域不敢說，但在工業(yè)領域的應用占有著絕對優(yōu)勢，是全球建筑師、室內設計師、工業(yè)應用設計和所有顏色專業(yè)用戶的首選，早已被視為現(xiàn)代個性化顏色設計的完美工具。

04日本-PCCS色彩系統(tǒng)

PCCS，非常年輕的色空間，最在意配色應用，商業(yè)性強，日本常用。PCCS色彩體系，**了Munsell和NCS、Oswald各自優(yōu)點的色空間，各方面都最成熟，在配色上也下了很大的功夫。

PCCS除了將顏色表現(xiàn)為具有“色相”，“亮度”和“飽和度”三個屬性的方法外，還具有“色調”的概念，該概念將“亮度”和“飽和度”結合在一起，用“色相”和“色調”這兩個屬性來表示色彩的性格。

由“色相”和“色調”組成的色彩系統(tǒng)是PCCS的主要功能，該系統(tǒng)也稱為“色調系統(tǒng)”，可針對不同主題的設計進行快速搭配。

PCCS最重要的應用方法，不只是將顏色分類，更將顏色與適合應用的場合結合。如果將2020年的流行色放入表中，我們能從中看出，明年流行趨勢基本上都在表中偏左上角的色調里。

也就意味著：他們的“亮度”高，“飽和度”低，具有統(tǒng)一的清爽、年輕、不具侵略性的特點。

每一個色彩系統(tǒng)都有它各自的優(yōu)點，這次構建電商色彩系統(tǒng)也是經(jīng)過長時間的數(shù)據(jù)驗證，結合電商行業(yè)特性不斷試錯，進行電商色彩系統(tǒng)的驗證。

03探索電商色彩

為了選擇更好的色彩研究方法，首先需要對電商商品特性及其圖片體量有基礎理解。阿里巴巴作為**最大的電商平臺，有著數(shù)以億計的商品圖片，擁有著天然優(yōu)勢來探索并構建電商色彩系統(tǒng)。

01電商平臺的圖片特性

在平臺體系內，商家每發(fā)布一個商品，就需要上傳商品主圖、詳情頁介紹圖、內容渠道拍攝圖、營銷渠道活動圖等不同圖片，加上后期用戶反饋的買家秀，每一個商品都關聯(lián)著一套數(shù)量很大的圖片集。對商品圖片數(shù)據(jù)分析時，為了使獲得結論更有指導性，往往需要根據(jù)行業(yè)品類、人群特性、價格區(qū)間進行分類分析。

基于這個數(shù)據(jù)量級下的分層需求，如果對線上數(shù)據(jù)依舊采用以往色彩研究定性的分析方法，必定耗時耗力，同時無法保證研究結果的科學性與可用性。

為此，我們應用了圖像識別算法中的圖片主色拾取能力，基于算法色彩提取，進行電商圖片色彩研究。建立符合平臺應用場景的完整色立體，形成一套全新的線上色彩體系，可以客觀地分析后臺色彩數(shù)據(jù)，研究消費者對色彩的喜好以及色彩趨勢。

02圖片主色拾取算法能力

商品圖片主體顏色的識別，核心功能分為兩部分：分割摳圖、顏色識別。其中分割摳圖是極為關鍵的一步，因為商家往往上傳的圖片質量、來源、內容參差不齊，很難用一個模型實現(xiàn)業(yè)務效果統(tǒng)一。
阿里巴巴智能設計實驗室自主研發(fā)的分割摳圖系統(tǒng)，從底層技術實現(xiàn)涵蓋過濾、分類、檢測、分割四個模塊。分類模型，借鑒autoML的思想，在有限GPU資源的情況下做參數(shù)和模型搜索，加速分類落地；檢測模型，借鑒FPN檢測架構；分割融合模型[4]，與傳統(tǒng)的只需分別前景、背景圖像分割(segmentation)問題不同，高精度摳圖算法需要求出某一像素具體透明度是多少，將一個離散0-1分類問題變成[0, 1]之間的回歸問題。

針對圖像中某個像素p，透明度預測公式：α_p=β_p F ?_p+(1-β_p ) 〖(1-B ?〗_p)備注：其中F ?_p和B ?_p分別代表了這個像素屬于前景和背景的概率，β_p是混合權重。

分割融合模型，是分割摳圖的關鍵，由此可知，網(wǎng)絡可整體分為兩部分，分割網(wǎng)絡和融合網(wǎng)絡，如下圖：

分割網(wǎng)絡：圖像分割任務中常用的編-解碼器結構作為基礎結構，但與傳統(tǒng)結構不同，此網(wǎng)絡中使用雙解碼器分別來預測前、背景概率F ?_p 〖和B ?〗_p。如果像素p在圖像的實心區(qū)域（透明度為0或1），預測像素透明度的真實值；如果p在圖像的半透明區(qū)域（透明度值在0到1之間），預測像素透明度真實值的上下界。通過在半透明區(qū)域使用加權的交叉熵損失函數(shù)，使F ?_p 〖和B ?〗_p的值相應升高，即可將透明度的真實值“包裹”在〖[1-B ?〗_p 〖,F ?〗_p]這一區(qū)間中。

融合網(wǎng)絡：由數(shù)個連續(xù)卷積層構成，它負責預測混合權重β_p。注意，在圖像的實心區(qū)域，像素的前背景預測往往容易滿足F ?_p 〖+B ?〗_p=1這一條件，此時α_p對β_p求導恒為0，這一良好性質令融合網(wǎng)絡在訓練時可以自動“聚焦”于半透明區(qū)域。

顏色識別，基于阿里云視覺智能開放平臺，借助現(xiàn)有工具化的顏色識別能力，可以對輸入圖片的顏色信息進行分析，輸出顏色值（RGB形式和HEX格式）與對應的占比信息。至此，電商圖片的主圖主色拾取能力已具備。

03色彩識別及歸納流程

有了圖片主色拾取的算法能力，可以獲得大多數(shù)在平臺售賣的商品色排序，本次研究取占比第一的商品主色進行研究。拼色及漸變色彩將在未來的研究中開展。獲取商品的主色后會發(fā)現(xiàn)，需要對相近色彩進行歸納分組，才能夠被定量化分析。為此我們采用了研究基礎中所提到的NCS色彩理論為基礎，建立符合平臺應用場景的基礎色環(huán)，并參考PCCS的色階色相模型進行色調分類，并根據(jù)RGB和HSV數(shù)值進行色彩區(qū)域劃分分組。

第一次實驗從RGB色彩模式入手，RGB所呈現(xiàn)的數(shù)值是0-255，色彩的形成都是有規(guī)律可追尋的。

首先先確定的是色相，然后在每個色階空間中均勻地確定色彩布點，而讓我們的色立體可以最大限度的包含了所有的色域。

01

12等分等分360°的色相環(huán)，等比切割選擇12個合適的色相。

02

每一個色相的色階空間中，根據(jù)明度和彩度對色彩的影響關系，找到12個色彩位置；144個有彩色，6個無彩色，共150個色彩。

03

最終形成三維錐形色立體空間。

色立體是色彩空間的結構原理，根據(jù)加法混色的原理排列，在色彩搜索過程中，色立體的空間能無限放大且精準**，并對以后新增色彩具體無限包容性，但在最終實現(xiàn)的時候，遇到難題，即色立體包括了明度軸彩度軸的**變量，工程師需要非常扎實的了解色立體的原理才能更好地計算和呈現(xiàn)色彩空間，同時因為運算復雜導致工作量非常大。

同樣顏色搜索也受到多個維度的影響，只有建立空間色立體，才可以運算，第一種嘗試的計算方式不能把**度的色空間建立起來。

所以退而求次，在色域在計算方面嘗試采用了HSL色彩模式，以兩維角度計算，從而滿足了識色測色的需求。

第二次實驗在HSL的色彩模式下，分色相和色階兩個維度來分析色彩，首先將色相環(huán)按照10°為單位切分為36色，再將每個色的色階做16等分的細分，以此明確顏色的明度和純度。

以H300、S100、V100為例，由右至左分為四等份，H和V不變，只有S以每次遞減25的數(shù)值產(chǎn)生顏色的漸變變淺；由上至下分為四等份，H和S不變，只有V每一次以遞減25的數(shù)值產(chǎn)生顏色的漸變變深。

以人眼為基礎的色彩體系色相環(huán)由36色改為18色，又改為16色。

在實際搜索測試中，發(fā)現(xiàn)36色的色相加上每個色相的12色的細分，多達432個顏色，數(shù)量非常龐大，而且因細分顆粒度過小，有些色相之間差異度不大，所以將色彩環(huán)改為20°為基本單位，色相縮減為18色，又因為綠色的工程實現(xiàn)度不高，減去了2個綠色，最終是16**相環(huán)，如下圖：

（16**相劃分示意圖）

色階由12色，改為10色

在實際搜索測試中，原本12色的色階劃分會出現(xiàn)最左側和最下方的色彩更接近黑色和白色，新的一輪調整中將白度和黑度過高的接近無彩色的色彩剔除，將剩余的色彩進行十等份，縮減至10**階，如下圖H300,S100,V100的色階劃分圖。

（12**階展示圖）

參考PCCS色彩體系，對色彩體系進行色調分類，便于設計師進行色彩的歸納和運用。

PCCS的色彩體系最大的特點是從色調的觀念出發(fā)，平面展示了每一個色相的明度關系和純度關系，在色調中確定每一個有彩色的位置。它的優(yōu)勢在于將龐大的色彩數(shù)據(jù)進行了有效的分析和歸納，形成了色彩組合和分類指標并對應為形象性的詞匯。

（PCCS色調展示圖）

PCCS利用同樣色階進行配色的原理，與我們的色彩原理類似，如下圖，以H300,S100,V100為例，將明度和純度的數(shù)值相近的紫紅色合并為一個代表色，整個色階被分為明清色調、純正色調、暗清色調、灰濁色調四大色調，方便設計師根據(jù)色調進行挑選顏色和搭配顏色。

（色調展示圖）

04電商色彩系統(tǒng)的行業(yè)應用

01業(yè)務場景應用

基于這套電商色彩系統(tǒng)，就可以看出色彩在不同行業(yè)上的表現(xiàn)情況。我們選擇了箱包、家用電器、服飾三個行業(yè)進行測試應用。

第一步，選擇合適的電商商品圖，為了提高測試效率及算法的識別準確度，我們直接選用了商品圖的第二張白底圖，進行歸類測試。

第二步，通過算法模型，得出不同圖片下的主體物主色的rgb數(shù)值，并通過抽檢，人工評測算法準確性，保證算法90%以上的準確率后，進入第三步。

第三步，將rgb轉化為hsv。目前市面上比較成熟的方**依據(jù)如下：設 (r, g, b) 分別是一個顏色的紅、綠和藍坐標，它們的值是在 0 到 1 之間的實數(shù)。設 max等價于 r, g和 b中的最大者。設 min等于這些值中的最小者。要找到在 HSV 空間中的 (h, s, v) 值，這里的 h ∈ [0, 360）是角度的色相角，而 s, l ∈ [0,1] 是飽和度和亮度，計算為：

h的值通常規(guī)范化到位于 0 到 360°之間。而 h = 0 用于 max = min的（就是灰色）時候而不是留下 h未定義。

HSV有同樣的色相定義，但是其他分量不同。HSV 顏色的 s和 v的值定義如下：

第四步，通過電商色彩系統(tǒng)的分類規(guī)則，將批量的圖片主體主色hsv歸納進我們所定義的67色標準色中。

第五步，通過圖片對應商品的銷售數(shù)據(jù)（例如商品銷售額gmv），將不同標準色下的商品組進行倒敘排序。

第六步，剔除gmv占比過低的商品組。最后，獲得商品銷售額維度下的表現(xiàn)較好的幾種標準色彩。

在不同行業(yè)的測試過程中，我們也會發(fā)現(xiàn)，因受類目下商品材質、表面工藝的影響，商品色彩的劃分規(guī)則會稍有不同。

例如，箱包行業(yè)中因為金屬及高反光材質的廣泛引用，商品主色在拍攝過程中會受到明顯的反光色及環(huán)境色影響，從而造成拾取的主色顏色偏灰偏淺。因此，我們在色彩標準化系統(tǒng)的線上過程中，也增加了針對不同行業(yè)的可配置能力。

經(jīng)過和行業(yè)小二的多次驗證確認，最終完成以上這種方式實現(xiàn)顏色標準化體系的業(yè)務效果驗證，目前在箱包行業(yè)和知識庫跑通底層標準色數(shù)據(jù)的拉通，并產(chǎn)出顏色屬性項和其他屬性項的交叉數(shù)據(jù)分析，并應用到行業(yè)側。同時，在服飾行業(yè)，和行業(yè)小二達成一致，實現(xiàn)營銷色和標準色匹配的關聯(lián)關系產(chǎn)品形態(tài)，供服飾小二做C端營銷色數(shù)據(jù)驗證的場景。最后，和設計小二達成一致，開發(fā)一套標準**板動態(tài)配置的功能實現(xiàn)。

02顏色標準化技術方案

色彩全鏈路數(shù)字化的階段性產(chǎn)出，有了以上業(yè)務場景的驗證，在工程端實現(xiàn)了顏色標準化落地的產(chǎn)品化解決方案。

顏色標準化工程設計方案

從圖上可以出，顏色(CMF)標準化引擎，輸入是天貓行業(yè)商品數(shù)據(jù)，輸出為標準化后的客觀理論支撐的顏色數(shù)據(jù)。對于上層業(yè)務調用，有兩種暴露方式：1）基于服務化接口，開放標準化引擎服務；2）基于產(chǎn)品化的動態(tài)配置，根據(jù)天貓行業(yè)需求適配上層業(yè)務場景，從而可實現(xiàn)標準化體系的搭建，承上啟下滿足行業(yè)端對顏色的標準化需求。

顏色的全鏈路數(shù)字化探索暫告一段落，未來還會有很多延展的可能性，在不同業(yè)務場景的驗證，不同場域的透出，任重道遠，道阻且長，行則將至，行而不輟，未來可期。

結語

我們透過分析現(xiàn)有顏色體系，結合平臺的圖片底池數(shù)據(jù)特性，提出一套全新可適配電商的色彩系統(tǒng)，并體系化搭建標準，承上啟下滿足多行業(yè)對顏色洞察的需求，給到新品開發(fā)更精確的指導。未來將立足現(xiàn)有C（色彩）基礎之上，分階段進行MFP（色彩.材質.表面工藝.紋理圖樣）的平臺商品屬性標準化建立。

第一階段已完成針對消費者購買決策進行屬性語意分析排序，找到色彩影響購買決策靠前的類目進行分析，運用AI圖像識別及顏色標準化引擎歸依，精準洞察趨勢色彩，并實際應用于阿里巴巴新品平臺-智美產(chǎn)品與Alibaba Design商品設計趨勢報告，提供商家貨品開發(fā)指引。

第二階段將著眼于商品色彩混色.漸層色進行AI圖像識別及顏色標準化引擎歸依。并透過消費者購買決策進行屬性語意分析排序，結合材質與表面工藝，綜合考量人群需求.消費能力.材料相對成本，進行下鉆精準洞察，提供商家產(chǎn)品企劃人員.商品**員貨品開發(fā)或選品指引。

第三階段將此平臺商品屬性標準化沈淀之數(shù)據(jù)信息，結合社群趨勢熱點與搜索關鍵詞做熱度映射匹配知識圖譜，洞察尚未滿足之市場需求，并根據(jù)行業(yè)特性輸出具備指導意義的貨品開發(fā)策略或原材料研發(fā)指引。

來源：淘系技術

更多阿里云研究院出品的關于阿里巴巴集團數(shù)字化實踐、云計算、大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等前沿科技的最新趨勢研究報告，請您關注“阿里云研究”微信**。

聯(lián)想s100拆機圖解(聯(lián)想s100拆機視頻教程)的介紹就聊到這里吧，感謝你花時間閱讀本站內容，更多關于聯(lián)想s100拆機圖解(聯(lián)想s100拆機視頻教程)、聯(lián)想s100拆機圖解(聯(lián)想s100拆機視頻教程)的信息別忘了在本站進行查找哦。