统筹在线职业课程产品的营销数据闭环与增长策略，覆盖用户全生命周期价值挖掘、跨渠道投放优化及营销活动ROI提升，支撑市场部制定精准增长方案，边界为不涉及产品功能迭代，聚焦数据驱动的营销决策落地与体系搭建

• 主导搭建「高潜用户-付费转化-长期留存」全链路预测模型体系，基于XGBoost与LightGBM算法，整合用户行为（试听时长、试学完成率）、交易（客单价、复购间隔）及外部数据（行业景气度、竞品动态）等300+维度特征，训练出用户付费概率（准确率85%）与LTV预测（MAE≤150元）模型，输出「高LTV低转化」「高潜力易流失」等6类用户标签，支撑运营团队开展「个性化权益召回」与「高价值用户专属运营」，使高LTV用户付费转化率提升22%，整体用户生命周期价值增长18%
• 重点解决跨渠道投放归因难题，针对抖音、小红书、知乎等5个渠道的ROI波动问题，引入Shapley值归因模型替代传统last-click，结合Google Analytics 4的用户旅程数据，拆解出「内容种草（小红书）→搜索转化（百度）→私域沉淀（企业微信）」的核心链路，定位到「小红书笔记的干货密度」与「百度SEM的关键词精准度」是ROI瓶颈，推动内容团队优化笔记结构（增加案例占比至40%）、广告团队调整关键词策略（聚焦「职场晋升+技能证书」长尾词），使跨渠道整体ROI提升28%，季度获客成本下降19%
• 牵头营销活动效果闭环优化，针对双十一大促活动，构建「曝光-点击-注册-转化-复购」全漏斗监控看板（Tableau+Python实时更新），发现「注册后30分钟内未触达」导致20%的用户流失，协同技术团队实现「注册即触发个性化福利推送」的自动化流程，同时通过A/B测试验证「福利类型（课程优惠券vs会员体验卡）」的影响，最终选择「课程优惠券+1对1学习规划」的组合，使注册转化率提升15%，活动总GMV超目标350万
• 支撑客户分层运营策略落地，基于RFM-T与聚类算法输出用户分群结果，将用户分为「核心复购用户」「潜力续课用户」「沉睡唤醒用户」3大类，为每类用户设计差异化策略——核心用户推送「专属课程升级权益」、潜力用户发送「续课折扣+学习进度提醒」、沉睡用户触发「回归礼包+需求调研」，使核心用户复购率提升25%，沉睡用户唤醒率达12%，整体用户留存率提升10%

负责职业技能培训产品的营销数据体系搭建与策略协同，覆盖用户行为分析、广告投放优化及私域流量转化，支撑市场总监制定年度营销计划，边界为不涉及产品开发，聚焦数据体系的完善与策略落地的有效性验证

• 核心参与构建跨渠道营销数据中台，整合抖音、微信、B站等6个渠道的广告投放数据（花费、CTR、CVR）与用户行为数据（APP内浏览、互动、转化），通过Apache Airflow搭建自动化数据pipeline，每日同步120万+条数据至Snowflake数据仓库，解决此前各渠道数据孤立的问题，使营销团队获取完整用户旅程数据的时间从3天缩短至实时，策略调整效率提升45%，该中台后续被纳入公司数据资产核心模块
• 主导优化私域流量转化链路，针对企业微信社群与个人号的低转化问题，用Python分析用户标签（行业、职位、学习目标）与触达响应的相关性，发现「行业匹配度」与「内容个性化程度」是关键因素，输出「按行业推送定制化干货文章」「个人号1对1发送学习诊断报告」的优化方案，同时通过A/B测试验证「社群活动频率（每周2次vs每周3次）」的影响，最终确定「每周2次干货分享+1次福利活动」的节奏，使社群转化率提升25%，个人号加微后7日转化率提升18%
• 推动竞品营销数据监测与应对策略，爬取竞品（某头部职业教育平台）的广告素材、投放渠道与用户评价数据，用NLP技术分析用户评论中的高频痛点（如「课程更新慢」「答疑不及时」），结合自身产品数据对比，输出「强化课程迭代速度宣传」「增加讲师每周答疑频次」的竞争策略，同时监测竞品投放素材的变化，及时调整自身素材方向，使品牌好感度调研得分从7.1分提升至8.2分，竞品用户转化率达20%（较此前提升5个百分点）
• 落地营销数据自动化报告体系，基于Tableau与Python的ReportLab库，搭建覆盖「广告投放效果」「用户转化漏斗」「LTV预测」的自动化看板，每周自动生成可视化报告并推送至市场团队，减少人工整理数据的时间80%，使团队能更聚焦策略优化，季度营销决策效率提升35%，该体系被推广至公司其他业务线

协助营销团队完成基础数据处理与效果分析，涵盖广告投放统计、用户行为追踪及活动复盘，边界为基础数据支持，聚焦数据准确性与初步洞察输出

• 负责广告投放数据的日常统计与异常监控，每日从巨量引擎、腾讯广告平台提取投放数据（展现量、点击率、转化率），用Excel函数（VLOOKUP、数据透视表、条件格式）整理成标准化报表，确保数据准确率达100%，曾及时发现某渠道点击率异常下降（从4.8%降至1.1%），排查后发现是素材违规被拒，协助团队在2小时内更换素材，避免了约18万的预算浪费
• 协助用户行为分析，用Google Analytics 4追踪网站与APP的用户行为，输出「用户浏览路径」「热门页面停留时长」「流失节点」等报告，发现「课程详情页跳出率高」（38%）的问题，通过分析用户行为流，建议将「课程大纲」「学员评价」前置到页面顶部，优化后页面停留时长增加28%，转化率提升9%
• 参与营销活动效果复盘，整理活动期间的注册、转化、营收数据，用柱状图、折线图呈现关键指标变化，输出「引流渠道效果排名」「用户转化bottleneck分析」等结论，其中「引流渠道TOP3（小红书占35%、抖音占28%、知乎占17%）」的结论被团队采纳，使下一次活动的引流成本下降12%
• 维护营销数据字典，梳理广告投放、用户行为、交易数据的字段定义与口径（如「新客」定义为首次注册并产生付费的用户），形成18页的数据字典文档，解决了此前跨部门数据口径不一致的问题，使市场部与运营部的沟通效率提升55%

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。

• 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。