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

「星屿」APP用户生命周期价值（LTV）最大化精准运营项目

• 项目背景：星屿作为二次元垂类头部社交产品，面临新用户30天留存率从35%下滑至28%、老用户月均ARPU停滞在120元左右的增长瓶颈；核心诉求是通过数据驱动的用户分层与精准触达，实现从“流量获取”到“价值挖掘”的转型，目标是将高价值用户LTV提升25%以上。
• 核心职责与行动：我主导项目全流程，联动数据中台、产品及运营团队，聚焦“用户价值识别-策略匹配-效果迭代”闭环——首先推翻传统静态RFM分群逻辑，基于二次元用户“兴趣迭代快、身份认同强”的特征，构建“行为偏好（内容创作/互动/消费）+ 长期价值（LTV预测）+ 身份标签（创作者/核心粉/普通用户）”的三维动态分群模型；同时整合神策数据、埋点日志与第三方投放数据，打通用户从拉新到变现的全链路行为链路。
• 关键难点与解决：① 传统LTV模型仅基于历史付费预测，无法捕捉二次元用户“兴趣驱动的突发消费”特性——引入XGBoost梯度提升树算法，将用户近30天的“同人创作投稿量”“热门话题互动频次”“虚拟礼物打赏对象集中度”等12个时序行为特征纳入模型，将LTV预测准确率从68%提升至82%；② 多渠道归因混乱导致投放预算错配——采用Shapley值归因模型，整合APP Store、微信社群、B站KOL、抖音信息流等8个渠道数据，还原每个渠道对用户最终付费的边际贡献，解决了“信息流广告ROI虚高、KOL引流转化被低估”的问题。
• 项目成果：① 构建了行业首个针对二次元用户的动态LTV运营体系，新用户30天留存率回升至39%，高价值用户（LTV前20%）月均ARPU从450元提升至610元；② 全渠道投放ROI较之前提升41%，单季度新增付费用户环比增长32%；③ 项目方法论被推广至公司其他垂类产品，成为数据化运营的标准框架。我的核心贡献是突破了二次元用户价值预测的“行为滞后性”难题，推动运营从“经验导向”转向“数据智能导向”。

「星屿」二次元用户裂变效率提升与成本优化项目

• 项目背景：星屿早期用户增长依赖自然流量与广告投放，获客成本逐年攀升至85元/人；为降低增长成本，团队尝试裂变活动但效果不佳——裂变转化率仅8%，单用户带来的新用户数不足1.2个，核心问题是裂变路径冗余、激励机制与用户需求错位。
• 核心职责与行动：我负责裂变策略的设计与数据迭代，聚焦“降低参与门槛-提升激励感知-精准触达裂变种子用户”——首先通过漏斗分析与用户访谈，定位到“分享后承接页加载慢”“奖励展示模糊”两大流失节点，将承接页加载时间从2.1秒压缩至0.8秒，并用动态卡片实时展示“好友已领取的专属权益”；其次重构激励体系，放弃传统虚拟货币，针对“创作者”推出“作品曝光至首页推荐位+社区专属勋章”，针对“普通用户”推出“限定头像框+与喜欢的UP主互动机会”。
• 关键难点与解决：① 裂变种子用户筛选不准确，导致大量无效邀请——基于用户“社交活跃度（每周加好友数）”“内容输出意愿（投稿次数）”“对品牌认同度（参与官方活动频率）”三个维度，用逻辑回归模型预测用户裂变潜力，将种子用户精准度从45%提升至72%；② 裂变路径过长导致用户流失——将原本“分享→好友注册→双方得奖励”的3步流程简化为“分享→好友点击链接即得小奖励”，同时将最终大奖励延迟至“好友完成首次互动”发放，既降低决策门槛，又保证用户质量。
• 项目成果：① 裂变转化率提升至19%，单用户带来新用户数增至2.5个，获客成本下降37%至54元/人；② 裂变带来的新用户30天留存率达31%，高于广告投放用户的27%；③ 项目建立了“裂变潜力预测-激励精准匹配-路径极简优化”的标准化流程，成为公司低成长期用户增长的核心方法论。我的核心贡献是用数据破解了二次元用户“重认同、轻利益”的裂变动机难题，实现了增长效率与用户质量的平衡。

• 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。