负责社交电商全渠道营销数据整合与分析，搭建用户生命周期价值（LTV）-获客成本（CAC）联动模型，优化信息流投放与私域转化策略，支撑营销预算分配及增长决策

• 主导设计社交电商全渠道（抖音、微信生态、小红书）营销数据中台需求方案，通过SQL+Python整合埋点、巨量引擎/千川投放、有赞交易数据，解决跨平台用户ID映射不一致问题（采用MD5加密+多维度规则匹配，将重复用户识别误差从30%降至5%）；落地Tableau实时营销数据看板，覆盖曝光-点击-转化-复购全链路，让投放团队能实时调整素材，Q4抖音信息流CTR较Q3提升18%
• 核心优化用户分层模型，基于RFM框架融合机器学习（XGBoost）与用户行为（浏览时长≥10分钟、加购转化率≥20%）、营销触达响应（短信打开率≥15%、优惠券核销率≥30%）等多维度特征，将用户划分为“高价值忠诚”“潜力转化”“流失召回”3层；联动运营团队针对高价值用户推送专属权益（如生日免单+限量周边），复购率提升22%；针对流失用户发送定向优惠券（满200减50+个性化推荐），召回率提升15%
• 针对Q3信息流投放ROI环比下滑8%的问题，搭建A/B测试框架拆解素材类型（剧情类vs产品展示类）、定向人群（新客vs老客复购）、投放时段（晚8-10点vs凌晨）三大变量；发现剧情类素材对新客转化率高30%，但老客更偏好“产品功能演示+限时买赠”组合，调整后投放ROI回升至1:4.2，单季度节省无效投放预算150万元
• 沉淀“营销活动效果评估SOP”，包含数据采集（埋点校验工具+人工抽检）、指标体系（核心指标：新客获取量、老客复购额；辅助指标：渠道转化率、LTV/CAC）、归因模型（末次点击+时间衰减加权）；推动市场、运营、产品跨部门共识，活动复盘时间从7天缩短至3天，后续“双11”营销活动转化目标达成率提升25%

负责教育行业精准营销数据分析，搭建线索评分模型，优化SEM与信息流投放协同策略，提升线索转化效率

• 核心参与教育行业线索管理系统搭建，使用SPSS Modeler训练线索评分模型，融合用户搜索关键词（如“考研英语一对一”“公务员面试培训”）、行为轨迹（课程详情页停留≥5分钟、下载备考资料≥3份）、 demographic 数据（25-35岁、本科及以上学历）三大维度特征，将线索分为“高意向”“中意向”“低意向”；销售团队优先跟进高意向线索，转化率从8%提升至15%，线索处理效率提升30%
• 针对SEM投放关键词CPC上涨12%的问题，采用K-means聚类分析将关键词分为“品牌词”“通用词”“长尾词”三类；优化出价策略——品牌词保持高bid（Top3位置），通用词降低bid并添加“-培训”等否定词，长尾词提升bid并拓展“2023考研英语冲刺班”等相似词；最终CPC下降9%，线索量提升20%
• 联动信息流投放做人群包测试，将SEM高转化人群（25-35岁、搜索过“在职研究生”的用户）同步至巨量引擎做Lookalike扩量，人群包点击率比普通人群高40%，转化成本下降18%，单月新增有效线索1.2万条
• 搭建营销数据监控预警体系，用Python编写脚本实时监控线索量、转化率、CPC等10+核心指标，设置阈值（如线索量较前日下降20%、转化成本较上周上升15%）触发预警；提前发现“某考研关键词被竞品抢注”导致的流量下滑问题，及时调整投放关键词，异常响应时间从24小时缩短至2小时

负责电商行业营销数据日常分析，支持投放团队素材优化与预算分配，搭建基础营销指标体系

• 主导整理电商营销数据字典，定义200+个标准化指标（如曝光量、点击率、转化率、ROI、LTV），统一市场、运营、财务部门的数据口径；解决此前“不同团队对ROI计算方式分歧”问题，数据沟通效率提升40%
• 分析各渠道投放效果，用漏斗模型拆解淘宝直通车、京东快车、拼多多场景推广的转化环节；发现拼多多场景推广加购转化率比淘宝低15%，原因是素材未突出“拼团立减100元”核心权益，建议调整素材后，加购转化率提升至与淘宝持平，ROI提升25%
• 支持“618”大促数据分析，跟踪某美妆店铺流量来源与转化情况，发现直播流量占比30%但转化仅5%；分析原因为主播话术未强调“限时2小时半价”，建议增加折扣提醒，转化提升至12%，该店铺“618”销售额超预期18%
• 用Excel搭建预算分配模型，基于各渠道历史ROI与预算占用情况，优化预算比例——将百度推广20%预算转移至抖音信息流（ROI：1:3.5 vs 1:2.8），单季度预算回报率提升15%

Z世代用户LTV提升与全链路精准触达数据化营销体系搭建

• 项目背景：公司核心Z世代社交APP「星伴」面临新用户30日留存低于行业均值（29% vs 行业35%）、高价值用户LTV增速放缓（年增长18%）的问题，需通过数据驱动重构用户运营逻辑，目标是将LTV前20%用户占比提升至25%以上，整体LTV年增长超30%。
• 关键难题：①现有用户标签体系仅基于基础属性与简单行为，无法识别「高潜付费但易流失」「低价值但高传播」等异质群体；②跨注册、行为、付费、客服4大系统的用户数据未打通，营销活动效果归因误差超40%；③传统RFM模型对Z世代「兴趣迭代快、重视情感联结」的行为特征适配性差，预测付费准确率仅62%。
• 核心行动：1. 主导用户行为链路重构，梳理「内容互动-社群参与-付费尝试」3大核心场景，定义28个行为特征（如「连续7天浏览二次元内容」「在兴趣小组发起话题」），结合隐马尔可夫模型（HMM）预测用户生命周期阶段（获客→激活→留存→付费→忠诚）；2. 推动数据中台对接，整合8个业务系统数据，搭建「用户行为-营销触点-转化结果」全链路归因模型，将归因误差降至15%以内；3. 针对Z世代特点，在XGBoost付费意愿预测模型中加入「情感共鸣度」（如对UGC内容的点赞评论情绪分析）、「社交影响力」（如社群发言被回复量）等定制特征，优化模型泛化能力。
• 项目成果：①高价值用户（LTV≥500元）占比从15%提升至29%，整体用户LTV年增长41%；②营销活动ROI从1:2.3提升至1:3.3，无效投放成本下降31%；③体系被纳入公司营销SOP，后续支撑海外版「StarPal」上线首月LTV超预期27%。个人主导从模型搭建到跨部门落地的全流程，创新将Z世代行为特征融入传统模型，成为公司数据化营销的核心方法论。

新用户激活转化效率提升数据化运营策略迭代

• 项目背景：「星伴」APP新用户注册后7日留存仅38%（行业均值42%），首单转化率11%，需通过数据化运营优化激活流程，目标是将7日留存提升至50%以上，首单转化率提升至18%。
• 关键难题：①用户来源渠道分散（抖音、应用商店、小红书等8个渠道），各渠道用户行为差异大（如抖音用户更关注「兴趣匹配」，应用商店用户更在意「功能引导」），无法针对性运营；②激活流程存在3个关键流失节点（注册后引导页停留超30秒流失率达60%、新手任务完成率仅45%），但未明确优化方向。
• 核心行动：1. 用漏斗分析与路径聚类（K-means）划分渠道用户类型——将抖音渠道用户定义为「内容驱动型」，应用商店用户定义为「功能导向型」；2. 针对「内容驱动型」用户，优化注册后引导页为「兴趣话题挑战」（如「选择你喜欢的二次元风格，立即加入同好圈」），替代原功能介绍；针对「功能导向型」用户，强化新手任务的「即时奖励反馈」（完成1步得专属头像框）；3. 通过A/B测试验证21组引导文案与交互设计，比如将「创建你的社团」改为「加入10万同好的动漫圈，领限定表情包」，点击转化率提升24%。
• 项目成果：①新用户7日留存从38%提升至56%，首单转化率从11%提升至22%；②建立「渠道-用户类型-运营策略」分群运营方法论，后续新渠道接入效率提升50%。个人负责从问题诊断到策略落地的闭环，首次将用户分群与场景化运营结合，成为公司早期数据化营销的标杆项目。

• 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。