负责用户增长营销全链路数据洞察与策略落地，通过用户分群建模、投放效果归因及LTV预测，驱动获客成本降低与用户生命周期价值提升

• 主导用户分群体系升级，基于RFM模型与XGBoost算法融合用户行为（APP停留时长、加购频次）、交易（客单价、复购间隔）及触达（短信打开率、Push点击）多维度数据，搭建动态分层标签系统（使用Python、Hive完成数据清洗与模型训练），解决传统静态分群滞后性问题，高潜用户（30天内付费概率＞70%）识别准确率从68%提升至82%，支撑Q4大促精准营销活动ROI较上半年提升25%
• 深度优化信息流广告投放策略，通过UTM参数标准化埋点与Shapley值归因模型，拆解各渠道（抖音、快手、小红书）用户后续30天LTV贡献差异，发现小红书用户客单价高但复购周期长、抖音用户转化快但流失率高，推动调整素材方向（小红书侧重品质故事、抖音强化限时福利），Q4新客成本下降18%，首月留存率提升12%
• 构建用户LTV预测模型，选取用户历史消费金额、最近购买时间、商品偏好（美妆/家居类目占比）、互动活跃度（评论/晒单次数）等15个特征，采用LightGBM算法训练，180天LTV预测准确率达89%，为市场预算分配提供量化依据，将高LTV用户（预测LTV＞500元）投放预算占比从45%提升至60%，整体ROI增长19%
• 牵头建立营销数据协同机制，梳理20+核心指标（如CPA、CVR、LTV）口径文档并与BI团队对齐，基于Tableau开发自动化数据看板，覆盖市场、运营、产品三方需求，需求响应时效从3个工作日缩短至4小时，跨部门数据争议率下降60%，团队协作效率提升40%

聚焦用户行为分析与营销活动效果追踪，通过数据挖掘定位增长瓶颈，支撑运营策略迭代与资源优化配置

• 核心参与会员营销活动效果评估，搭建“曝光-点击-领券-转化-复购”全链路漏斗模型（使用SQL提取埋点数据、Google Analytics验证路径），发现领券环节流失率高达35%（主因是领券入口隐藏深、规则复杂），推动优化入口至首页浮窗并简化规则（“满299减50”替代多档位选择），活动转化率从8%提升至14%，带动会员GMV月均增长22万元
• 开展用户留存归因研究，通过生存分析（Cox比例风险模型）识别影响30天留存的关键因子，发现首单物流时效＜48小时的用户留存率（58%）比＞72小时用户（39%）高48%（p＜0.01），推动供应链优化核心城市物流合作方，30天留存率从41%提升至53%，对应留存用户年贡献GMV增加1200万元
• 开发营销数据提效工具，基于Python编写ETL脚本整合CRM、广告平台、交易系统数据，实现“当日新增用户数-激活成本-7日转化率”核心指标实时监控看板，替代原有人工取数流程（需跨3个系统导出、2次VLOOKUP合并），日均节省数据团队2小时工作量，数据准确性从92%提升至99.5%
• 支持A/B测试全流程分析，主导“新人首单礼”测试（方案A：无门槛10元券；方案B：满50减15元券），通过卡方检验与置信区间计算，发现方案B虽首单转化率高3%，但次月复购率低5%，最终选择方案A并调整复购激励（下单后推送“满100减20”券），整体ROI较原方案提升11%

游戏社区用户生命周期价值（LTV）最大化数据驱动营销项目

• 项目背景：星途社区作为公司核心游戏用户沉淀平台，近一年面临「高活跃用户付费转化下滑」「营销预算ROI降至1:3.2」的双重压力——传统「按渠道曝光分配预算」的方式无法区分用户长期价值，导致高LTV用户触达不足、低LTV用户过度投放。我的核心目标是通过数据驱动构建LTV预测与分层运营体系，实现「精准触达高价值用户、优化资源分配」，最终提升整体LTV与ROI。
• 关键难题与技术方案：1）数据分散：用户行为数据分布在APP、小程序、H5及第三方渠道（如TapTap、B站），缺乏统一的用户ID映射与标签体系；2）LTV预测准确性低：传统线性回归模型无法捕捉用户生命周期阶段的非线性特征（如「激活后7天内付费」的用户LTV是普通用户的5倍）。我牵头整合多源数据（用Spark完成日均10TB数据的清洗与关联），基于用户「属性（年龄/游戏偏好）+ 行为（登录频率/关卡进度）+ 付费（客单价/复购间隔）」构建320+维度的标签体系，同时采用「分阶段XGBoost模型」——针对获客期（注册7天内）、成长期（激活30天内）、成熟期（付费≥2次）用户分别训练子模型，解决非线性预测问题。
• 核心行动与创新：1）定义「可运营LTV」口径：联合财务与产品团队，将LTV计算从「历史付费总和」调整为「未来180天预期付费+推荐带来的新用户价值」，更贴合营销决策需求；2）搭建实时预测pipeline：用Flink实现用户LTV分数的分钟级更新，联动运营系统自动触发个性化触达策略——比如对「高LTV未付费」用户推送「专属游戏皮肤+首充双倍」权益，对「低LTV高活跃」用户引导参与「邀请好友得游戏币」裂变活动；3）建立「策略-反馈」迭代机制：每周分析触达效果，优化模型特征（如新增「用户最近浏览的付费内容类型」特征），提升预测精准度。
• 成果与价值：1）LTV预测准确率从68%提升至85%，营销资源ROI从1:3.2提升至1:4.3（超年度目标15%）；2）付费转化率较之前提升27%，单用户生命周期价值（LTV）增长21%；3）推动公司从「渠道导向」转向「用户价值导向」的营销模式，该模型后续复用至公司其他游戏产品的用户运营中。我的贡献在于主导了从数据整合、模型搭建到策略落地的全流程，打通了「数据-模型-运营」的闭环。

跨渠道用户获取（UA）归因优化项目

• 项目背景：此前公司UA投放依赖「Last-Click归因」，导致渠道价值评估严重偏差——比如短视频平台的「种草视频」虽未直接带来点击，但能提升用户后续转化，却被归因为空白；而部分信息流广告因「最后点击」被高估。我的目标是建立「多触点归因模型」，准确衡量各渠道对转化的贡献，优化投放预算分配。
• 关键难题与技术方案：1）数据稀疏性：部分渠道（如KOL合作）的用户行为路径短，难以追踪完整转化链路；2）模型选择争议：团队对「马尔可夫链归因」（强调渠道间的转移概率）与「Shapley值归因」（强调渠道组合的边际贡献）存在分歧。我通过梳理12个核心渠道（信息流、短视频、KOL、应用商店等）的触点数据，先用马尔可夫链模型计算各渠道的「转化概率贡献」，再用Shapley值修正高客单价游戏的「组合渠道价值」（比如「短视频种草+KOL推荐」的组合转化率比单一渠道高3倍），解决了单一模型的局限性。
• 核心行动与创新：1）搭建归因数据仓库：整合用户从「曝光-点击-注册-付费」的全路径数据，定义18类触点（如「短视频观看≥30秒」「KOL评论区互动」）作为归因节点；2）开发可视化归因报表：用Tableau搭建渠道效果看板，展示各渠道的「直接转化贡献」「间接辅助贡献」「总价值排名」，让投放团队直观看到渠道的真实价值；3）推动策略落地：根据归因结果，将预算从「低价值信息流广告」（占总预算25%但贡献仅8%）转移至「短视频种草」（归因价值提升40%）与「头部KOL合作」（组合贡献提升35%）。
• 成果与价值：1）归因准确率从55%提升至90%，UA投放ROI提升31%；2）无效渠道预算削减18%，新增用户中来自高价值渠道的比例从45%提升至72%；3）建立了公司首个「跨渠道归因标准」，为后续投放策略提供了数据基础。我的贡献在于主导了模型选型与数据链路搭建，用数据证明了「组合渠道」的价值，推动了投放策略的精细化。

• 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。