负责公司核心美妆个护品类的商业数据洞察，支撑营销效率提升、用户生命周期价值（LTV）优化及品类策略迭代，边界涵盖从业务需求拆解到数据结论落地的全链路决策支持，串联营销、用户、商品三大核心域

• 主导设计美妆品类用户分层运营体系，基于RFM模型结合CLV预测（用Python scikit-learn训练LSTM长期价值模型，SQL提取用户品类偏好、复购间隔等12维特征），解决原有分层未区分品类购买行为差异导致的运营转化低问题；最终高价值用户（Top 20%）留存率从68%提升至86%，对应运营ROI增长25%
• 重构营销活动ROI分析框架，整合巨量引擎广告投放、ERP销售及神策用户行为多源数据，搭建动态ROI模型（纳入用户30天内复购贡献权重），突破传统仅看直接转化的局限；活动预算分配效率提升30%，无效流量投放占比从22%降至7%
• 支撑抗老精华新品上市全流程决策，用A/B测试设计用户调研问卷（Qualtrics发放10万份），结合Prophet模型预测历史新品销售曲线，同步解决新品用户需求不明确问题；新品首月销售额达1.2亿，超目标120%，库存周转天数从45天缩短至36天
• 推动跨部门商业数据标准化，用Tableau搭建覆盖营销转化、用户分层、品类增长的看板，制定《商业数据指标口径手册》并对12个业务团队培训；数据查询响应时间从30分钟降至5分钟，跨部门沟通成本下降35%

负责母婴品类的用户行为与商业策略支持，聚焦拉新效率、品类渗透及渠道ROI评估，边界包括从数据洞察到策略验证的闭环落地，衔接产品、运营、市场三大团队

• 核心参与母婴用户拉新渠道归因，用Shapley值法修正传统last-click模型的偏差，量化小红书、妈妈网等内容平台的间接种草贡献；调整预算后拉新成本从85元/人降至69元/人，新用户30天转化率从11%提升至23%
• 优化会员体系权益设计，基于K-means聚类划分高价值/潜力/流失会员层级，结合用户调研数据设计差异化权益（如高价值会员专属育儿课程、流失会员定向优惠券）；会员复购率从35%提升至57%，会员LTV增长15%
• 支撑婴儿辅食新品类拓展，用爬虫获取竞品天猫/京东销售数据，结合艾瑞咨询市场容量分析，识别“有机+便捷”的用户需求痛点；辅食品类上线3个月销售额破千万，占母婴整体营收比从0提升至8%
• 搭建母婴渠道效率看板，用SQL对接ERP与埋点数据，监控线下门店、天猫旗舰店、私域社群的转化漏斗；渠道ROI识别准确率从70%提升至90%，低效渠道淘汰率提升40%

协助商业团队完成数据提取与基础分析，支撑日常运营决策，聚焦用户行为趋势、活动效果跟踪及异常指标排查，边界为标准化数据处理与初步洞察输出

• 负责每日运营数据监控，用SQL编写自动化报表（涵盖DAU、转化率、GMV等15项核心指标），解决原有报表人工更新滞后问题；报表生成时间从4小时缩短至30分钟，异常响应时间从2小时压缩至30分钟
• 辅助分析促销活动效果，用Excel数据透视表对比不同满减力度（满299减50 vs 满199减30）的用户转化差异，识别高客单价用户对大额满减更敏感；活动效果报告准确性提升至98%，促销策略调整频率加快20%
• 参与用户满意度调研分析，用SPSS做因子分析识别关键驱动因素（物流速度权重0.32、客服响应0.28），解决调研数据量大（1.2万份）的分析难点；输出7条优化建议，用户满意度从82分提升至90分
• 支持商品库存管理，用Python编写库存预警脚本（结合历史销量、促销计划），解决手工计算易遗漏的问题；滞销库存占比从18%降至10%，库存周转率提升22%

Z世代用户生命周期价值（LTV）精准预测与分层运营项目

• 项目背景：公司为年轻兴趣社交APP，核心问题是Z世代用户留存波动大（月留存率从38%降至32%）、付费转化效率低（ARPU同比下降15%），需通过数据驱动定位高价值用户、优化运营策略以提升整体LTV。我的核心目标是主导构建适配Z世代行为的LTV预测模型，联动运营实现精准分层，最终提升用户全生命周期价值贡献。
• 解决的关键难题：1）Z世代兴趣迭代快，传统RFM+静态属性模型无法捕捉行为动态性，预测准确率仅75%；2）用户行为数据分散在社交互动、内容消费、付费系统3个数据库，口径不一致导致特征整合困难。针对这些问题，我采用「动态特征工程+多模态数据融合」方案——用Spark Streaming实时同步行为数据，结合用户近7天兴趣小组活跃度、内容创作频次等动态特征，以及亚文化偏好、设备型号等静态特征，同时引入第三方Z世代兴趣趋势数据修正模型偏差。
• 核心行动与创新：1）主导设计「LSTM+XGBoost」融合模型，用LSTM提取用户社交互动序列的长期模式，XGBoost整合静态与外部特征，攻克了动态行为难以量化的痛点；2）推动建立「用户价值分层运营SOP」，基于模型输出的LTV概率分布，将用户分为「高潜高价值」「中价值待激活」「低价值需召回」3层，并定义各层的运营动作（如高价值用户推送专属IP权益、中价值用户触发兴趣内容引导）。
• 项目成果：1）模型预测准确率提升至89%，覆盖90%以上付费用户；2）高潜高价值用户（Top20%）的LTV较之前提升35%，整体用户ARPU增长22%；3）运营活动ROI从1:3.2提升至1:4.5，年新增营收约1200万元。我个人主导了模型全生命周期开发与跨团队落地，成为公司用户增长的核心数据引擎。

内容社区用户活跃下滑根因分析与优化项目

• 项目背景：公司内容社区DAU连续3个月下滑（从120万降至95万），核心创作者内容曝光量下降40%，需快速定位活跃下滑根源并提出可落地的优化方案。我的角色是负责用户行为洞察、流失归因及策略验证，支撑产品与内容团队决策。
• 解决的关键难题：1）用户行为数据维度多（含浏览、评论、点赞、关注等12类事件），传统漏斗分析无法识别隐性流失节点；2）创作者内容与用户兴趣匹配度低，但缺乏量化评估指标。针对这些问题，我采用「用户分群+归因分析」组合方法——用K-means将用户聚类为「泛娱乐消费者」「垂直兴趣创作者」「互动型用户」3类，再通过Shapley值归因定位各群体的流失驱动因素。
• 核心行动与创新：1）深度分析发现「泛娱乐内容消费者」群体流失率最高（40%），根源是推荐算法过度侧重头部创作者，导致该群体感兴趣的中小创作者内容曝光不足；2）推动产品优化推荐逻辑，增加「兴趣标签匹配度」权重（从20%提升至40%），同时联合内容运营发起「中小创作者扶持计划」，针对该群体推送定制化内容。
• 项目成果：1）DAU在6周内回升至115万，月均流失率从8%降至6.5%；2）「泛娱乐内容消费者」群体的停留时长提升25%，内容互动率（评论+点赞）增长30%；3）中小创作者的内容曝光量恢复至下滑前的90%，带动社区内容多样性评分提升18%。我通过数据洞察推动了产品算法与内容运营的协同优化，积累了内容社区活跃提升的实战经验。

• 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。