负责本地生活到店业务（餐饮、家政、休闲娱乐）的用户生命周期管理与商家运营效率分析，联动产品、运营团队将数据洞察转化为用户留存、商家续费及营销ROI优化的具体策略，支撑业务线从0到1的增长闭环。

• 针对用户分层运营效果不佳问题，主导重构用户价值评估体系：基于SQL提取近12个月用户行为（访问频次、客单价、转介绍率）、交易数据，结合Python训练CLV（客户终身价值）模型，替代传统RFM分群；通过A/B测试验证，将高价值用户识别准确率从68%提升至89%，针对性设计“专属权益包+个性化触达”策略，推动高价值用户30天留存率提升18%、单用户营销成本下降22%。
• 聚焦商家续费率瓶颈，用漏斗模型拆解签约后转化路径，发现“商家后台操作复杂→激活率低”为核心流失点；联动产品团队优化“新手引导页+自动化运营工具包”（含活动报名、客诉处理SOP），并通过Tableau搭建商家激活进度看板实时监控；最终商家30天续费率从45%升至62%，年度商家流失成本减少约120万元。
• 优化营销活动ROI评估逻辑：传统仅看GMV的单一指标无法反映长期价值，引入LTV-CAC（用户终身价值-获客成本）模型，结合Shapley值归因分析各渠道贡献；推动资源向“高LTV用户定向投放+老客裂变”倾斜，季度营销ROI从1:3.2提升至1:4.3，无效投放占比从35%降至20%。
• 支撑新商家品类（宠物服务）上线可行性分析：通过问卷调研+竞品爬取（八爪鱼采集器）获取用户宠物服务需求（高频需求为“上门喂养”“宠物美容”），结合波特五力模型评估竞争格局，用NPV（净现值）预测首年盈利模型；推动业务上线后，首月宠物服务GMV破500万元，占新增商家营收的18%。

统筹集团到店及酒旅业务（酒店、民宿、景区门票）的战略级商业分析，覆盖业务线拓展、跨域资源协同、长期价值预测，支撑管理层决策，推动跨业务线资源优化配置与效率提升。

• 针对酒旅业务用户复购率低问题，用LSTM（长短期记忆网络）模型预测用户复购时机（提前7-14天触达），结合动态定价策略（基于酒店库存与用户价格敏感度调整折扣）；通过Spark分布式计算处理亿级用户行为数据，推动复购率从19%提升至24%，高星酒店客单价提升15%。
• 设计跨业务线资源协同方案：针对到店餐饮与酒旅的用户重叠度（约35%），用协同过滤算法搭建“餐饮+住宿”套餐推荐系统，通过Superset可视化推荐效果；上线后套餐销量占比从8%提升至30%，交叉转化（餐饮用户订酒店、酒店用户到店用餐）率提升20%，单用户年均消费额增加800元。
• 优化供应链成本结构：分析酒店库存成本波动（受节假日、区域活动影响），用蒙特卡洛模拟预测未来3个月库存风险（过剩/短缺概率），推动与本地酒店签订“弹性库存协议”（淡季锁定低价库存、旺季动态补仓）；结果供应链成本下降18%，库存周转率从4.2次/年提升至5.1次/年。
• 支撑下沉市场（三至五线城市）拓展决策：通过PEST分析评估政策与市场环境，用用户渗透模型预测目标城市用户规模（预计1年内覆盖200个县城），结合竞品市场份额（美团、大众点评占比65%）制定差异化策略（聚焦“本地特色餐饮+周边游”）；推动下沉市场上线后，首季度GMV占比达集团总GMV的12%，用户增长率高于整体5个百分点。

领导8人商业分析团队，搭建集团级商业分析体系，覆盖业务健康度监控、战略落地追踪、新业务孵化，驱动集团级资源优化与长期价值增长，支撑CEO及高管层决策。

• 牵头搭建集团业务健康度指标体系：融合平衡计分卡与OKR，整合用户（留存率、NPS）、商家（续费率、贡献GMV）、财务（ROI、毛利率）、运营（流程效率、成本占比）四大维度23个核心指标；通过Flink实时数仓实现指标自动化监控，异常报警响应时间从2小时缩短至15分钟，业务决策的数据支撑效率提升40%。
• 主导社区团购新业务孵化分析：通过用户需求调研（N=5000份问卷）识别核心需求（生鲜配送时效、价格优势），跟踪竞品（多多买菜、美团优选）动态，用盈亏平衡模型测算单团盈利门槛（日均订单≥200单）；推动业务试点3个月内实现盈利，首季度GMV月环比增长45%，成为集团新的增长曲线。
• 推动分析师团队能力升级：制定“数据技能+商业思维”双轨培养计划，引入机器学习（XGBoost、聚类分析）、商业理论（《精益数据分析》《增长黑客》）培训，搭建“周案例分享+月项目复盘”机制；团队输出的分析报告管理层采纳率从70%提升至90%，2名成员晋升为资深分析师。
• 构建长期价值预测模型：用DCF（贴现现金流）模型评估各业务线长期价值（未来5年），结合市场变化（消费升级、本地化需求增长）调整资源分配——增加酒旅与社区团购的资源投入（占比从30%提升至45%），减少低效到店业务的补贴；结果集团核心业务长期价值（LTV）提升28%，非核心业务资源浪费减少15%。

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。

• 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。