负责平台到店餐饮业务用户行为与商家运营数据洞察，支撑营销活动效果优化、商家分层运营策略制定及用户体验提升，联动产品、运营团队推动数据驱动业务落地

• 主导到店餐饮营销活动效果评估体系搭建，针对活动链路长（APP曝光→小程序领券→商家POS核销）、跨端数据分散痛点，融合RFM（最近消费、消费频率、消费金额）与LTV（生命周期价值）模型做用户分群，用Spark完成多源数据实时关联处理，构建“曝光点击率-领券转化率-核销率-ROI”全链路归因框架；推动与市场部共建活动效果评分标准（含投入产出比、用户新增留存、商家GMV拉动三项核心指标），上线后首季度活动ROI较前半年提升23%，无效投放成本下降18%，该体系被纳入平台营销活动SOP
• 核心参与腰部商家分层运营策略优化，用K-means聚类结合商家GMV、复购率、客单价、流量获取能力四维度，将到店商家划分为头部/腰部/尾部/新入驻四类；针对腰部商家“流量转化低、运营能力弱”的共性痛点，联合运营做12家商户深度访谈，设计“专属流量位扶持+每周1次运营培训”定向策略，通过A/B测试验证（实验组vs对照组），腰部商家GMV月均增长15%，30天留存率提升12%
• 重点解决用户下单转化率低问题，通过用户行为漏斗分析发现“支付环节跳出率”达32%（行业均值25%），结合热力图定位支付页“地址填写+支付”两步操作冗余，用漏斗归因模型确认该步骤贡献40%的跳出率；推动产品优化支付流程（合并两步为一步），上线后下单转化率从28%提升至33%，月均增加订单量12万单，对应GMV提升180万元
• 搭建到店商家健康度监测体系，基于平衡计分卡理论从财务（GMV、毛利率）、客户（复购率、好评率）、内部流程（订单处理时效、库存周转率）、学习成长（培训参与率、数字化工具使用率）四维度设计23个指标，用Tableau搭建实时看板；设置“复购率连续3周下降超10%”“库存周转率低于行业均值20%”等预警规则，帮助运营团队提前触达高风险商家（月均预警45家），商家主动沟通率提升25%，季度流失率从11%降至8%

负责平台到家业务基础数据统计与洞察，支撑运营活动复盘及日常问题解答，逐步参与核心业务分析项目

• 主导到家业务订单异常波动监测与归因，用ARIMA时间序列模型监控区域订单量，当某城区订单量骤降15%时，联动天气数据（当日暴雨红色预警）、竞品动作（某平台发放满30减15优惠券）及自身物流数据（骑手接单率从85%降至60%），定位“物流时效延长导致用户取消订单”核心原因；推动运营调整该区域配送资源（增加骑手补贴、开通暴雨专用通道），次日订单量恢复至正常水平98%，该归因方法被纳入异常问题处理手册
• 参与到家用户留存提升项目，用cohort分析拆解不同渠道用户留存——抖音引流用户30天留存仅18%（整体25%）；通过用户问卷（回收1200份）及行为路径分析发现，抖音广告强调“1元购”但实际商品缺货率达35%，导致用户预期不符；推动市场部优化广告素材（替换为真实用户评价+价格对比图），抖音引流用户30天留存提升至23%，季度新增用户留存贡献超5000人
• 搭建到家业务指标自动化日报体系，用Python+Pandas整合订单、用户、骑手三方数据，自动生成包含“订单量、客单价、骑手接单率、好评率”等12个核心指标的日报，替代原人工统计（2小时/天），效率提升60%，数据准确性从90%提升至99%，释放的人力用于做“周末客单价高于工作日20%”的趋势分析，推动运营上线“周末家庭套餐促销”，周末订单量增长18%

协助数据分析师做基础数据处理与报表生成，参与简单业务问题分析，学习数据驱动决策逻辑

• 协助搭建业务指标口径字典，梳理到家业务112个指标的定义、计算逻辑及取数来源（如“有效订单”明确为“未退款且完成配送的订单”），解决之前市场部与运营部“订单量”定义冲突问题（前者含退款、后者不含），跨部门数据沟通效率提升40%，该字典成为公司数据资产核心文档
• 参与用户调研数据量化分析，用SPSS对2000份用户反馈做因子分析，将“配送慢、餐品凉了、客服半天不回复”等23个问题归纳为“配送时效”“商品质量”“客服响应”三大核心维度；输出《用户痛点优先级报告》，推动运营将配送时效问题解决优先级从第三提升至第一，后续该维度用户投诉量下降30%
• 自动化处理日常数据报表，用Excel VBA生成周度运营报表（含各区域订单量、客单价、复购率），原需手动复制粘贴10个表格（1天/周），现仅需1小时；释放时间后做“周五客单价较周一高15%”的简单趋势分析，推动运营上线“周五下班餐促销”，周五订单量增长12%，该自动化流程沿用至今

社交产品用户LTV精准预测与精细化运营体系搭建

• 项目背景：公司核心社交产品MAU增速从20%下滑至5%，过往依赖“拍脑袋”的运营策略导致高价值用户流失率高（Top20%用户月流失率达18%）、营销成本浪费严重。核心目标是通过重构LTV模型，实现用户分层精准运营，提升高价值用户留存与ARPU，并降低无效投放成本。
• 解决的关键难题：1）多源数据整合——需打通埋点、交易、社交关系、设备信息等8类数据源，解决用户ID映射不一致问题；2）模型适配性——传统RFM模型未覆盖社交产品的“传播价值”，无法准确识别“高互动-高转化”用户；3）可解释性缺失——运营团队对模型输出的用户分层缺乏信任，难以落地策略。技术上采用Spark完成PB级实时数据处理，基于XGBoost构建分层LTV模型（按用户生命周期阶段：获客/活跃/变现/推荐拆分4个子模型），并通过SHAP值生成特征重要性报告解决可解释性问题。
• 核心行动与创新：1）牵头跨部门数据治理，建立统一用户ID映射规则，将数据一致性从75%提升至98%；2）针对社交属性新增“好友付费转化率”“社群话题发起数”“跨端活跃天数”等6个定制特征，模型捕捉到“社交传播贡献”这一过往被忽略的价值维度；3）设计“模型置信区间+运营阈值”双筛选机制，输出“高潜力留存”“高价值变现”“高传播裂变”3类核心用户群，并配套对应的运营SOP（如高潜力用户推送“专属内容权益包”、高传播用户给予“邀请额外奖励翻倍”）。
• 项目成果：1）模型预测准确率从65%提升至82%，覆盖90%以上付费用户；2）高价值用户（Top20%）30日留存率提升15%，ARPU较之前增长12%；3）运营ROI提升30%，无效投放成本降低20%；4）沉淀的LTV模型与运营体系被纳入公司数据中台，成为后续用户运营的标准工具。个人贡献：主导模型设计与跨部门落地，推动业务从“经验驱动”转向“数据驱动”。

社交裂变链路优化与全链路效果评估体系搭建

• 项目背景：公司为提升用户增长效率，投入千万级预算做裂变活动，但现有链路转化低（整体裂变系数仅1.8），且无法评估裂变带来的长期价值（如新用户留存、付费）。核心目标是通过拆解裂变链路瓶颈，优化活动策略，并搭建可量化的裂变效果评估体系。
• 解决的关键难题：1）链路数据碎片化——裂变涉及“分享页→好友触达→注册→首单”等5个节点，数据分散在埋点系统、CRM、支付系统，无法形成完整用户路径；2）短期与长期效果混淆——过往仅关注注册转化，忽略新用户的留存与付费贡献，导致误判裂变活动的真实价值；3）归因不准确——无法区分“自然增长”与“裂变增长”，活动效果评估失真。技术上采用Mixpanel搭建用户行为路径漏斗，引入“首次互动+时间衰减”组合归因模型，结合K-means聚类分析高裂变用户画像。
• 核心行动与创新：1）完成裂变链路全埋点优化，梳理出“分享动机→触达效率→转化门槛”3大核心环节，发现“邀请码过长导致好友转化失败”是主要瓶颈（占流失用户的35%），优化为一键授权注册后，该节点转化率提升22%；2）搭建裂变全链路评估体系，包含“短期指标（注册率、首单转化率）”+“长期指标（7日留存、30日ARPU、LTV）”+“效率指标（裂变系数、获客成本）”3层指标框架；3）通过聚类分析识别高裂变用户特征（社交活跃度≥8分、付费频次≥2次/月、好友数≥50），针对性推送“裂变激励翻倍”活动，提升高价值用户的裂变参与率。
• 项目成果：1）裂变系数从1.8提升至2.5，裂变带来的新用户占比从12%提升至22%；2）新用户7日留存率从28%提升至36%，30日付费转化率从15%提升至19%；3）搭建的裂变效果评估体系被复用在后续6个活动中，复用率达80%；4）为公司节省裂变成本约150万元。个人贡献：主导链路拆解与评估体系搭建，推动裂变活动从“流量导向”转向“价值导向”。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。