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%

浅月社交APP核心用户留存提升项目

• 浅月社交APP月活进入800万平台期，核心用户（周互动≥3次）30日留存仅28%，低于行业均值35%；项目目标是提升该群体留存至35%，驱动活跃用户规模与商业化基础增长。我作为数据分析负责人，主导从用户洞察到策略落地的全流程闭环，衔接产品、运营团队推进执行。
• 传统留存分析停留在“行为路径漏斗”层面，未区分用户核心动机；多维度交叉分析依赖人工筛选，效率低且易遗漏关键因子。核心问题是“如何精准定位不同动机用户的留存驱动因素”，避免“一刀切”策略无效。
• 搭建“RFM价值分层+用户动机聚类”双维度标签体系：先用RFM模型划分用户价值梯度，再通过K-means聚类结合用户深度访谈，将用户分为“社交连接型”（需求：高频好友互动）、“内容消费型”（需求：精准内容匹配）、“兴趣探索型”（需求：新功能/话题触达）3类；针对每类用户，用因果推断（DID）排除版本更新、运营活动等混淆变量，定位留存关键因子——如社交连接型的“好友私信24小时回复率”、内容消费型的“推荐内容点击转化率”、兴趣探索型的“新话题参与门槛”。
• 推动产品优化：① 社交连接型用户上线“好友活跃提醒+共同兴趣话题推荐”功能；② 内容消费型用户升级“行为序列推荐算法”（结合浏览/点赞/评论历史）；③ 兴趣探索型用户增加“轻量化新话题弹窗”。3个月后核心用户30日留存提升至36%（超目标1pct），对应月活增长12万，商业化ARPU提升8%；主导的“动机分层+因果验证”模型被纳入公司用户运营标准工具库，成为后续留存策略的核心分析框架。

浅月信息流广告点击率与用户留存平衡优化项目

• 公司信息流广告收入年增长25%，但核心用户30日留存下降3pct，CTR从5%跌至4.2%——问题在于广告曝光过度消耗用户体验。项目目标是平衡“广告变现效率”与“用户留存”，实现“CTR提升+留存稳定”。我作为高级数据分析专家，负责策略设计与效果评估。
• 传统A/B测试仅关注单一指标（如CTR或留存），无法衡量广告对用户的长期LTV影响；广告频率与素材的组合策略依赖运营经验，易出现“为点击牺牲留存”的矛盾。核心挑战是“建立多目标平衡的广告策略，避免短期收益损害长期价值”。
• 搭建“广告耐受度+用户LTV”双模型体系：① 用XGBoost训练广告耐受度模型，输入用户历史广告曝光次数、点击行为、使用时长等12个特征，输出“低/中/高”耐受等级；② 结合LTV预测模型（基于用户价值、活跃周期、付费潜力），将用户分为“高价值低耐受”“低价值高耐受”等4类；③ 基于帕累托最优原则，为每类用户制定差异化策略——如高价值低耐受用户减少曝光频率（从每日3次降至1次）但提升素材相关性（匹配用户兴趣标签），低价值高耐受用户增加原生广告曝光（融入内容流）。
• 策略上线后，CTR回升至5.1%（超目标0.1pct），核心用户30日留存回到29%（较优化前提升1pct）；月广告收入增长15%（约2000万），用户广告投诉率下降20%。提出的“多目标平衡优化框架”被推广至公司所有信息流产品，成为广告变现的核心方法论；我个人也因此晋升为数据分析负责人，完成从“执行分析”到“策略设计+团队主导”的成长。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。