负责直播电商业务的商业分析全流程，覆盖用户生命周期价值（LTV）建模、直播间转化漏斗优化、营销活动ROI闭环及品类运营策略制定，支撑业务从经验驱动向数据驱动转型

• 主导搭建直播场景定制化用户LTV预测模型，基于XGBoost算法融合用户行为（停留时长、互动频次）、消费特征（客单价、复购周期）及直播间场景数据（观看场次、打赏等级），解决传统RFM模型对直播“高互动、强时效”属性适配不足的问题，预测准确率较原有模型提升27%；模型输出高价值用户标签后，协同运营团队制定“专属福袋+会员权益”策略，推动高价值用户复购率增长19%，年新增GMV超800万元
• 核心参与50+直播间的转化漏斗优化项目，通过SQL提取近3个月直播行为数据（进入率、停留3分钟率、加粉率、下单率），结合Optimizely A/B测试框架验证“福袋节奏调整”“主播话术引导”两个策略效果——发现福袋间隔从10分钟缩短至5分钟可使停留3分钟率提升15%、下单率提升8%；最终推动策略落地，对应直播间周均GMV增长32万元，该经验被沉淀为《直播转化优化SOP》供团队复用
• 负责“618”“双11”等大促营销活动ROI分析，设计“首次接触+末次互动”混合归因模型，通过Python搭建自动化报表体系实时监控各渠道（短视频引流、粉丝群触达、广告投放）的获客成本（CAC）与订单贡献；识别出短视频引流的CAC较广告投放低40%且用户留存率高12%，建议将大促预算向短视频倾斜30%，最终活动ROI较去年同期提升22%，短视频引流GMV占比从25%提升至40%
• 支撑美妆品类运营策略制定，通过Tableau构建“品类健康度看板”整合点击率、加购转化率、库存周转天数等12项指标，结合波特五力模型分析竞争品类的价格策略与用户需求变化——发现用户对“高性价比试用装”需求未被满足，提出“买正装送试用装”方案；推动落地后美妆品类GMV占比从28%提升至35%，库存周转天数缩短5天

聚焦电商平台商家运营分析，覆盖商家生命周期管理、流量分配效率及营销工具效果评估，帮助平台商家提升经营能力同时优化流量变现效率

• 主导设计商家分层运营体系，基于RFM+商家成长阶段（新入驻、成长期、成熟期）模型，用Python开发商家评分卡工具，整合月销售额、动销率、用户评价得分等8项指标，将商家分为S/A/B/C四级；针对S级商家提供专属流量扶持与一对一运营指导，C级商家推送“店铺装修指引”“选品白皮书”，推动平台TOP20%商家的GMV占比从55%提升至62%，商家续费率提升11%
• 优化平台新商家流量分配机制，通过SQL分析发现“新商家曝光转化率仅为老商家的1/3”，联合产品团队上线“新商家流量护航计划”——给予前30天额外免费推荐位+新手运营课程；通过A/B测试验证，该计划使新商家30天存活率提升29%，留存新商家后续月均GMV较未参与计划的高45%，解决了新商家“生存难”问题
• 评估“拼团”“砍价”等营销工具效果，用因果推断（PSM倾向得分匹配）控制用户属性偏差，分析其对商家GMV与用户粘性的影响——发现拼团工具对低客单价商品（<50元）GMV提升率达38%，但对高客单价商品无效；于是建议平台对低客单价商家定向推广拼团工具，对高客单价商家推荐“满减”工具，最终平台营销工具整体使用率提升21%，商家满意度从4.1分提升至4.5分

协助完成电商业务日常数据分析，覆盖销售趋势监控、用户行为洞察及问题定位，为业务团队提供数据支持

• 搭建销售日报自动化体系，用SQL编写定时脚本整合订单、用户、商品数据，生成包含“今日销售额、TOP10商品、区域销售排名”的日报，将业务团队获取数据时间从2小时缩短至10分钟；同时通过Tableau制作可视化看板实时展示销售进度与目标差距，帮助团队及时调整促销策略，推动月度销售目标达成率从85%提升至92%
• 分析用户流失原因，通过漏斗分析发现“注册后3天内未下单用户流失率达70%”；提取这部分用户特征——多为19-25岁女性，浏览商品以服饰为主，联合运营团队推送“新人服饰券+首单免邮”福利，使这部分用户下单率提升23%，月度新增用户留存率从35%提升至42%
• 支撑“情人节促销活动”复盘，整理销售、用户行为数据，用同比/环比分析发现“情侣套装”销量增长150%但客单价低10%，原因是用户偏好低价款；建议下次活动增加“情侣套装+定制礼品”组合，该方案被应用于“520促销活动”，客单价较去年同期提升18%，活动GMV增长25%

• 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。

泛娱乐社区用户生命周期价值（LTV）精准运营项目

• 项目背景：公司核心泛娱乐社区进入存量竞争阶段，用户月均增长率降至2.1%，整体LTV年增速仅5%，需通过精细化运营提升用户长期价值。我的核心目标是主导构建“预测-分层-干预”闭环体系，识别高潜用户并匹配差异化运营策略，最终实现LTV规模化增长。
• 关键难题：1）原有用户分群基于“活跃天数+付费金额”的单一维度，无法捕捉用户行为演变（如从“内容消费者”到“社交传播者”的转化）；2）传统LTV回归模型（线性回归、逻辑回归）准确率仅68%，因用户行为序列（浏览、互动、分享）的非线性关系未被有效捕捉；3）运营策略缺乏数据支撑，过往“一刀切”触达导致转化率低至3%。
• 核心行动：1）数据层：用SQL从用户行为日志、社交关系表、订单系统中提取120+维度特征（包括7日行为序列、社交影响力、付费频次分布），清洗去重后形成800万条用户样本；2）模型层：采用“LightGBM+Transformer”混合架构——LightGBM处理结构化特征预测LTV基数，Transformer捕捉行为序列的时序依赖（如连续3天点赞同类内容后付费概率提升45%），最终模型准确率提升至85%；3）分层层：结合DBSCAN聚类（识别异常行为用户）与改进版RFM模型（将“未来30天预期付费”纳入R/F/M指标），将用户分为“高价值忠诚”“潜力成长”“流失预警”“低价值沉睡”四层；4）策略层：联动运营团队设计差异化干预方案——对“潜力成长”用户推送“个性化内容+好友邀请奖励”，对“高价值忠诚”用户提供“专属内容创作扶持”。
• 项目成果：1）量化结果：LTV预测准确率达85%，高潜用户（潜力成长+高价值忠诚）转化效率提升40%，整体用户LTV较项目前增长22%；2）业务价值：运营成本下降15%（无效触达减少），高价值用户留存率从62%提升至75%；3）个人贡献：主导从数据建模到策略落地的全流程，推动公司用户运营从“经验导向”转向“数据闭环驱动”，相关模型已被纳入公司用户增长中台。

电商直播场景用户转化路径拆解与优化项目

• 项目背景：公司直播业务GMV占比达40%，但转化率波动剧烈（月均3%-5%），运营团队无法定位用户流失节点。我的目标是拆解直播全链路转化漏斗，识别关键流失环节，为不同品类直播提供数据化优化建议，提升整体转化效率。
• 关键难题：1）直播行为数据分散（涉及直播间入口、停留时长、互动行为、商品点击、下单等10+个系统），传统漏斗分析仅能看“全局转化”，无法捕捉用户跨环节的关联行为（如“点赞→评论→商品点击”的路径转化率）；2）不同品类（美妆、服饰、家居）的用户决策逻辑差异大，通用优化策略效果不佳（如美妆直播的“试用品展示”对转化的影响远大于服饰直播）。
• 核心行动：1）数据整合：用SQL关联直播平台埋点数据、电商订单数据、用户属性表，构建“直播-用户-商品”全链路数据集，覆盖1000+场直播、500万+用户行为；2）路径挖掘：用Python的NetworkX绘制用户行为路径图谱，识别高频流失路径（如“进入直播间→停留1分钟内→退出”占比35%，为美妆直播的主要流失点）；3）品类细分：针对美妆、服饰、家居三类核心品类，分别建立“环节-影响因素”决策树模型——美妆直播中“试用品展示时长<3分钟”是流失关键（OR值2.1），服饰直播中“未提供实时尺码推荐”导致转化下降18%，家居直播中“主播讲解产品功能的时间占比<40%”影响最大；4）策略输出：针对各品类提出具体优化建议——美妆直播增加“主播手持试用品特写镜头”，服饰直播接入“实时尺码助手”工具，家居直播要求“功能讲解占比不低于45%”。
• 项目成果：1）量化结果：整体直播转化率从3.2%提升至5.1%，其中美妆品类提升最明显（达45%）；用户平均停留时长增加2分钟，单场直播GMV平均增长30%；2）业务价值：运营团队从“凭经验调整”转向“数据驱动优化”，直播选品与话术设计效率提升50%；3、个人贡献：通过行为路径挖掘定位了品类-specific的流失痛点，推动直播运营精细化程度提升，相关分析框架被复制到公司其他垂类直播业务。