负责电商全渠道营销活动的数据闭环管理，从策略制定、执行监控到效果复盘，结合用户行为、交易数据及营销触点数据，驱动营销ROI提升与用户生命周期价值（LTV）增长

• 主导设计会员分层营销体系，基于SQL、Python整合用户行为（埋点数据）、交易（订单数据）及营销触点（短信/APP推送数据），引入K-Means聚类分析补充传统RFM模型的不足——解决过去分层仅看消费金额、忽略用户内容偏好（如美妆/家居品类倾向）的问题；最终实现高价值会员（Top20%）复购率从35%提升至53%，对应营销成本下降12%
• 优化跨渠道广告投放数据链路，通过GA4+神策分析重构归因模型（从“最后点击”调整为“Shapley值数据驱动归因”），解决抖音信息流、小红书KOC、私域社群联动投放时归因偏差超30%的问题；结合各渠道边际ROI评估，推动预算从低转化的小红书向抖音倾斜25%，季度广告ROI从2.1提升至2.8
• 搭建营销活动实时监控看板，使用Tableau+Superset整合埋点（用户点击/加购）、交易（支付/退款）及投放（曝光/点击成本）数据，设置“转化率低于阈值”“客诉率突增”“预算消耗过快”三类预警规则；上线后活动偏差率（实际GMV与预期差距）从15%降至5%，团队响应异常的时间从2小时缩短至15分钟
• 推动用户流失预警模型落地，基于XGBoost算法融合用户行为（近7天登录频率、页面停留时长）、交易（客单价、最近一次购买间隔）及客服数据（投诉次数、咨询类型），构建流失概率评分卡；提前30天识别高流失用户（评分≥8分）并通过“个性化权益包+专属客服跟进”召回，月度用户流失率从8.2%降至5.9%

支持电商平台营销活动的数据分析与用户行为洞察，协助优化广告投放策略与活动效果，搭建基础数据资产支撑业务决策

• 参与平台618大促全周期数据分析，通过A/B测试对比“阶梯满减（满300减50/满600减120）”与“直接8折”两种优惠券策略的用户反馈及转化效果——发现满减策略下客单价提升22%、优惠券使用率达45%（高于折扣策略的32%）；推动策略落地后，大促期间整体客单价较去年同期增长19%
• 分析新用户7日留存瓶颈，用漏斗模型拆解“注册-浏览-加购-支付”转化路径，结合Cohort分析定位“注册后3天内无互动用户”流失率高达65%；建议优化新手引导流程（增加“个性化推荐弹窗”+“首单立减10元”提醒），上线后该群体留存率从28%提升至41%
• 搭建营销数据仓库基础架构，使用Hive+Spark整合用户行为（埋点）、交易（订单）、商品（类目/价格）三类数据，输出12张主题表（如用户标签表、活动效果表）；将运营团队提取核心数据的时间从每周8小时缩短至2小时，支撑实时获取“各品类活动转化率”“用户复购周期”等指标

协助营销数据的收集、清洗与基础分析，支持活动策划与效果复盘，搭建基础数据看板服务团队决策

• 负责营销活动埋点方案设计与验证，使用Google Analytics 4（GA4）定义“商品详情页浏览”“优惠券领取”“支付成功”等15个关键事件，通过漏斗分析验证埋点准确性（事件触发率从85%提升至98%）；确保后续活动数据可追溯、可分析
• 整理2000+份用户调研问卷数据，用SPSS进行因子分析，识别出影响用户购买意愿的前3大因子——“价格敏感度”（方差解释率35%）、“商品评价可信度”（28%）、“营销触达频率”（18%）；为运营团队调整“大促定价策略”“优化商品评价排序规则”提供数据支撑
• 协助制作周度营销效果报告，使用Excel（数据透视表、VLOOKUP函数）整合核心指标（GMV、转化率、客单价）及趋势变化，用PPT呈现关键结论（如“本周美妆品类转化率下降5%，因首页Banner曝光减少30%”）；帮助团队及时调整活动资源分配，将美妆品类曝光恢复至上周水平

• 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。

星途游戏社区用户生命周期价值（LTV）精细化运营体系搭建项目

• 项目背景：星途社区作为公司核心用户沉淀阵地，面临「用户规模增长停滞（月活同比下滑8%）+ 高价值用户流失加剧（LTV前20%用户30天留存率降至58%）」的双重问题——过往运营依赖「全量push+节日活动」的粗放模式，未针对不同生命周期用户做精准价值挖掘。我的核心目标是主导搭建「数据驱动的LTV分层运营体系」，实现高价值用户留存提升、中低价值用户付费转化提效，最终拉动社区整体ARPU增长。
• 关键难题：① 数据链路割裂——用户行为数据（埋点来自APP、H5、社群）与付费数据（支付系统、会员体系）存储在不同数据库（MySQL+MongoDB），无法形成完整用户画像；② LTV预测不准——传统线性回归模型无法捕捉游戏用户「社交行为→付费意愿」的非线性关联（如公会活跃度高但短期未付费的用户，后续30天付费率是普通用户的2.3倍）；③ 策略落地低效——运营团队依赖手动导出用户分层，触达策略与用户当前生命周期匹配度低（如向流失预警用户推新游戏礼包，点击率仅3%）。
• 核心行动：1. 数据层：牵头整合用户行为（埋点）、交易（支付）、社交（公会/好友）三类数据，用Apache Spark搭建实时数据Pipeline，清洗去重后将数据同步至ClickHouse宽表，实现「单用户全维度行为-付费-社交画像」的分钟级更新；2. 模型层：针对游戏用户特性，重构LTV预测模型——以XGBoost为基础，加入「社交粘性特征」（连续7天公会签到、好友互动次数）、「行为序列特征」（试玩新英雄时长→分享战绩的间隔）、「付费潜力特征」（浏览付费皮肤页次数→退出页面的停留时长），将LTV预测准确率从65%提升至82%；3. 策略层：基于LTV分层（高潜：未来30天LTV≥500元；成长：200≤LTV<500；成熟：LTV≥1000；流失预警：近7天未登录且LTV下降>30%）设计差异化策略——高潜用户用「个性化权益包」（根据试玩偏好推送限定皮肤折扣+公会专属导师）；成长用户用「任务引导」（完成社交互动任务解锁付费内容体验）；成熟用户用「身份认同」（专属称号+跨服赛事邀请）；流失预警用户用「情感召回」（好友录制回归视频+未领取的专属福利）；4. 工具层：自研A/B测试模块，支持对不同分层的策略进行快速验证（如高潜用户的权益组合测试了5版，最终选「皮肤折扣+导师」的CTR比单一折扣高47%）。
• 项目成果：① 业务价值：体系上线3个月后，高价值用户（LTV前20%）30天留存率从58%提升至71%，付费转化率从15%提升至22%；整体社区月均ARPU从85元增长至112元（同比提升32%）；② 效率提升：运营团队手动操作时间减少60%，人效提升40%（单运营可覆盖用户量从5万增至8.5万）；③ 方法论沉淀：输出《游戏社区LTV精细化运营手册》，包含数据整合规范、模型调优指南、分层策略模板，成为公司后续社区运营的标准框架。我的贡献是主导了从「数据打通→模型构建→策略落地→工具赋能」的全流程，推动运营从「经验驱动」转向「数据驱动」，该项目也获得了公司年度「最佳业务赋能项目」奖项。

游戏新品冷启动期精准获客渠道优化项目

• 项目背景：公司2021年推出的二次元SLG新品《星舰指挥官》，冷启动期获客成本（CAC）高达185元（行业均值120元），且注册用户次日留存仅35%——过往获客依赖「信息流广告全渠道投放」，未区分渠道用户与游戏核心用户的匹配度。我的目标是优化获客渠道策略，降低CAC的同时提升注册用户质量。
• 关键难题：① 渠道标签模糊——第三方数据平台提供的渠道用户画像（如「年轻男性」）过于泛化，无法识别「真正喜欢二次元SLG」的潜在用户；② 转化路径断层——用户从广告点击到注册的流失率达70%，未明确哪个环节（落地页、注册表单、新手引导）导致流失；③ ROI评估滞后——传统归因模型（末次点击）无法衡量「多渠道触达」对转化的贡献（如用户先看了抖音广告，再通过朋友圈广告注册）。
• 核心行动：1. 渠道精准度提升：基于《星舰指挥官》的核心用户特征（二次元社区活跃、玩过同类SLG游戏、关注科幻题材），用聚类算法对第三方渠道用户进行分层——筛选出「B站科幻区UP主粉丝」「TapTap二次元SLG板块用户」「微博科幻超话活跃者」三个高匹配度渠道，替代原有的「泛娱乐信息流」渠道；2. 转化路径优化：用漏斗分析定位流失点——发现落地页的「游戏玩法演示视频」加载慢（平均加载时间4.2秒），导致25%用户流失，于是替换为轻量级GIF动图（加载时间<1秒），同时简化注册表单（从5个字段减至3个，手机号+昵称+验证码）；3. 归因模型重构：引入「时间衰减归因模型」，衡量多渠道触达的贡献——比如用户先看抖音广告（贡献30%），再看TapTap评测（贡献50%），最后通过朋友圈广告注册（贡献20%），以此调整各渠道的预算分配。
• 项目成果：① 获客效率：新品冷启动期CAC从185元降至112元（低于行业均值），注册用户次日留存从35%提升至48%；② 预算ROI：高匹配度渠道的注册用户LTV是原泛渠道的2.1倍，整体投放ROI从1:1.8提升至1:2.9；③ 经验沉淀：建立了「游戏核心用户特征→渠道用户匹配度→转化路径优化」的获客优化框架，后续新品冷启动均沿用该逻辑。我在项目中负责渠道数据分析、转化路径诊断和归因模型落地，推动获客从「流量堆砌」转向「精准匹配」，为新品上线首月节省获客成本超300万元。