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

星途直播用户生命周期价值（LTV）精细化运营体系搭建项目

• 项目背景：直播业务面临用户留存率同比下滑12%、营销ROI降至1:3.5的瓶颈，核心目标是通过搭建动态LTV运营体系，实现用户分层精准运营，提升高价值用户占比（目标从18%升至25%）及营销成本优化。我的职责是主导数据模型开发、跨部门策略对齐及落地闭环。
• 关键难题：传统LTV计算基于历史30天均值，无法捕捉用户实时行为变化；跨部门对“可运营LTV”定义分歧大，产品认为应包含长期付费潜力，运营更关注短期干预效果，导致策略无法落地。
• 核心行动：1. 技术层面，融合生存分析（Cox比例风险模型）与XGBoost算法，构建动态LTV模型——纳入用户实时互动特征（直播间停留时长、打赏频次、主播关注数）与外部变量（节假日、竞品活动热度），实现未来30天LTV的周级更新；2. 协作层面，牵头产品、运营、市场召开6场 workshops，定义“可运营LTV”= 静态LTV × 运营干预响应系数（通过A/B测试验证不同用户群体的响应率），统一认知；3. 策略设计：根据LTV分层结果，对高潜用户（前20%）推送“主播连麦+定制礼物”权益包，对流失预警用户（后10%）发送“老用户专属折扣+历史观看内容回顾”召回活动。
• 项目成果：动态LTV模型准确率较传统方法提升35%，高潜用户转化率从15%升至19.2%，流失用户召回率从8%升至9.5%，季度营销成本下降22%；推动公司建立《直播用户LTV运营SOP》，我主导编写的《动态LTV计算与应用指南》成为跨部门标准文档，因贡献突出晋升为直播业务数据负责人。

星途短视频创作者成长路径与变现效率优化项目

• 项目背景：短视频业务创作者增速从25%降至10%，头部创作者（粉丝>100万）占据60%流量，中小创作者（粉丝<10万）月均收入仅800元，核心目标是分析创作者成长瓶颈，优化变现策略以提升中小创作者收入。
• 关键难题：创作者数据分散在内容发布、互动、变现3个系统，缺乏统一的“成长-变现”关联画像；现有变现策略仅基于粉丝量分级，未考虑内容类型（如知识类vs娱乐类）和用户粘性的差异，导致中小创作者变现效率低。
• 核心行动：1. 数据整合：用Apache Spark搭建创作者标签体系，整合内容特征（类目、完播率、转发率）、互动特征（评论数、粉丝增长速率）和变现特征（广告分成、带货佣金），构建“创作者360°画像”；2. 路径分析：通过马尔可夫链模型识别成长关键节点——从“新人”到“腰部”（粉丝10-50万）的核心路径是“单条视频播放破10万+连续4周每周3更”，其中垂直类目（如美食、美妆）创作者的路径转化率比泛娱乐类高23%；3. 变现优化：针对中小创作者推出“定向激励计划”——对垂直类创作者，若视频完播率>30%，额外给予15%广告分成，并匹配精准带货资源（如美食创作者对接厨房用品品牌）。
• 项目成果：中小创作者月均收入提升41%至1130元，创作者留存率从55%升至70%；“垂直深耕+稳定更新”的成长路径被纳入公司创作者扶持政策，我主导的“创作者变现效率评估模型”成为内容运营团队核心工具，获当年公司“数据驱动业务奖”。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。