负责本地美食垂类社区的生态搭建与用户活跃提升，聚焦商家-用户互动链路优化及高价值用户留存，边界涵盖社区规则制定、话题运营、用户分层运营及数据闭环迭代

• 主导设计「美食探店共创计划」，基于RFM+兴趣标签用户分层模型筛选1000名核心种子用户，初期面临「用户参与深度不足」问题——通过绑定「任务阶梯激励+荣誉身份体系」（月度最佳探店官获电子证书+合作商家8折券+社区首页推荐位），推动UGC产出量较计划提升85%，带动合作商家复投率从22%升至52%
• 优化社区话题运营机制，用八爪鱼采集器抓取用户评论关键词，提炼「本地人私藏苍蝇馆」「跨区美食打卡」等6个高频需求话题，每周发起「话题挑战赛」并结合算法推荐调整权重（将优质探店内容优先推送给同区域用户），最终话题月均曝光量从120万升至264万，互动率从4.2%提升至7.8%
• 搭建高价值用户成长体系，参考AARRR模型设计「探索者→资深吃货→社区KOL」三级权益：探索者享新人流量包，资深吃货获专属客服+优先试吃，KOL额外拥有「商家探店权」及流量扶持；落地后高价值用户（月发帖≥4篇）留存率从55%升至72%，其贡献的GMV占比从18%提升至25%
• 联动商家端做社区赋能，针对「商家内容质量低、转化差」痛点，设计「本地商家内容运营培训课」（覆盖内容选题、图片拍摄、互动技巧3大模块），累计培训300家美食商家；结课后商家内容点击率从1.2%升至2.7%，社区内店铺页面访问量提升40%

负责同城兴趣社区的用户增长与活跃维护，聚焦年轻用户的内容生产与社交互动，边界包括新人引导体系搭建、兴趣小组运营及用户流失召回

• 核心参与新人冷启动流程优化，通过A/B测试对比「兴趣问卷+好友邀请」与「通用新手任务」两种模式，选择前者（问卷匹配3个同城兴趣标签，自动推荐对应小组及KOL）；落地后新人7日留存率从35%升至48%，首周内容产出率从12%提升至34%
• 搭建「同城兴趣小组」精细化运营机制，用小U社群工具管理20个垂直小组（如「城市骑行党」「周末徒步局」），设计「小组积分赛」（月度评选「最活跃小组」「最佳分享者」，奖励小组流量包+线下活动名额）；结果小组月均发帖量从800篇升至1400篇，成员互动率从3.1%提升至7.5%
• 针对沉默30天以上用户做精准召回，用RFM模型筛选「高潜力流失用户」（历史发帖≥2篇、点赞≥10次），发送个性化邮件（包含其过往感兴趣的话题+同区域新动态），召回率达18%，其中25%的用户重新活跃（周登录≥3次）

协助校园社区的日常运营，聚焦学生用户的内容创作与社交连接，边界包括话题策划、用户互动及数据统计

• 独立策划「校园美食节」主题话题活动，联动校园KOL（食堂美食博主、社团负责人）推广，通过「晒美食赢免费餐券」激励用户参与，最终吸引1200名学生发帖，产出UGC内容2300+，话题阅读量破55万，带动校园周边商家到店量提升28%
• 协助搭建用户积分体系，设计「签到领积分」「优质内容加分」「邀请好友翻倍」规则，上线后用户日均登录次数从1.1次升至1.4次，周发帖量提升40%
• 每周输出社区数据报告，分析用户活跃趋势（如晚8点-10点为发帖高峰）、热门话题分布（美食占比35%、学习占比28%），为运营策略调整提供支持——比如根据报告增加晚间互动活动，使得高峰时段发帖量提升30%

星途APP核心用户生命周期精细化运营体系搭建项目

• 星途APP作为面向Z世代的社交娱乐平台，当时面临核心高价值用户（月活≥10次、贡献70%营收的用户）留存下滑（30天留存从45%降至38%）、付费转化瓶颈（ARPU年增速不足5%）的棘手问题。我作为项目负责人，主导构建“分层-策略-预测-迭代”的核心用户全生命周期精细化运营体系，跨产品、数据、市场团队协同，目标是通过精准运营提升核心用户的留存深度与付费价值。
• 项目难点集中在三点：一是原有用户分层仅依赖活跃时长单一维度，未覆盖“内容创作型、社交连接型、付费奉献型”等不同行为动机，导致运营策略泛化无效；二是不同生命周期阶段（成长期、成熟期、休眠期）的用户触达话术同质化，召回转化率不足8%；三是缺乏动态用户生命周期价值（LTV）预测能力，无法提前识别高潜流失用户（流失前无预警）。
• 我的核心行动与创新点包括：1）用户分层重构——结合RFM模型（最近活跃、频率、付费）与用户行为动机标签（创作内容量/互动率、社交链深度/拉新数、付费频次/客单价），用K-means聚类算法将核心用户细分为“创作领袖、社交枢纽、付费标杆、活跃跟随者、潜力种子”5类，每类用户的动机与需求差异被精准定义；2）差异化策略设计——针对创作领袖推出“专属创作扶持计划”（比如优先体验新功能、作品首页流量倾斜），针对社交枢纽设计“社群核心用户运营”（比如定向推送好友生日提醒、专属线下聚会邀请），针对付费标杆提供“VIP权益升级包”（比如定制周边、客服专属通道）；3）LTV预测模型搭建——联动数据团队用XGBoost算法整合用户基础属性、行为轨迹、付费历史等12个维度数据，构建动态预测模型，可提前30天识别流失概率≥70%的高潜用户，准确率达85%；4）工具支撑——推动开发“核心用户运营看板”，实时展示各分层用户的留存、付费、流失指标，支持运营策略快速调整。
• 项目成果显著：1）核心用户30天留存从38%提升至49%（提升11个百分点），60天留存从28%提升至37%（提升9个百分点）；2）核心用户ARPU较项目前增长18%，总营收贡献占比从55%升至68%；3）LTV模型上线后，提前挽回的高潜流失用户付费转化率达22%，年新增营收约320万元；4）该体系被沉淀为公司《核心用户精细化运营SOP》，推广至旗下两款同类产品，带动整体核心用户留存提升8%。我个人主导了分层模型设计与策略落地，跨团队推动工具开发，验证了“以用户动机为核心、以数据预测为支撑”的精细化运营对高价值用户的撬动价值。

• 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。