负责电商平台全渠道（信息流、搜索、内容种草）营销数据的深度分析与策略落地，驱动广告投放ROI优化、用户生命周期价值（LTV）提升及跨部门营销决策的数据协同。

• 主导搭建「多触点归因分析体系」，针对传统末次点击模型忽略用户长周期行为的问题，基于Shapley值算法与用户行为路径数据，开发覆盖曝光-点击-转化全链路的归因模型；通过Python调用NetworkX库构建用户触点关系图谱，结合Spark分布式计算处理日均10亿+事件数据，模型上线后将广告预算分配准确率从68%提升至85%，Q4大促期间整体ROI较历史均值增长18%。
• 聚焦高价值用户分层运营，基于RFM模型与XGBoost机器学习算法，构建「用户LTV预测模型」与「流失风险预警模型」；通过特征工程筛选出设备类型、互动频次、加购转化间隔等23个关键特征，模型预测准确率达82%；联动运营团队对高LTV低流失用户定向发放专属权益，Q3该群体ARPU值环比提升22%，流失率下降9%。
• 优化广告投放策略，针对信息流广告冷启动效率低的问题，运用A/B测试框架设计「人群包组合实验」，通过Google Optimize平台同时测试8组定向标签（兴趣关键词、地理位置、设备OS）与3类创意素材（短视频、图文、动态海报）的组合效果；结合因果推断方法排除混杂变量，最终确定「兴趣关键词+动态海报」的最优组合，新客获取成本（CPA）下降15%，点击率（CTR）提升至4.8%（行业均值3.5%）。
• 搭建营销数据中台看板，基于Tableau与SQL Server整合CRM、CDP、广告平台三方数据，设计包含「投放效果」「用户转化」「预算消耗」三大模块的实时监控体系；通过自定义指标公式（如「有效获客成本=总花费/(新客数×30日留存率)」）解决传统ROI指标无法反映用户质量的问题，看板上线后跨部门数据同步效率提升40%，市场部策略调整响应时长从2天缩短至4小时。

支持社区拉新与用户活跃的营销数据分析，聚焦渠道效果评估、活动转化优化及用户行为洞察，为运营策略提供数据支撑。

• 分析社区拉新渠道效率，通过UTM参数追踪与漏斗模型拆解，定位「应用商店推广」环节流失率过高问题（注册转化率仅3.2%）；进一步通过用户调研与日志分析发现，下载页功能介绍模糊导致用户预期偏差，协同产品团队优化落地页文案与截图，2个月内该渠道注册转化率提升至5.8%，单用户获客成本下降12%。
• 参与「新人7日留存活动」效果评估，设计「对照组-实验组」A/B测试方案，通过逻辑回归模型控制用户属性（年龄、设备、来源渠道）干扰，验证活动权益（新手礼包、任务引导）对留存的提升作用；结果显示实验组7日留存率达41%（对照组28%），活动ROI为1:3.5，相关结论被纳入年度用户增长SOP。
• 搭建「内容种草转化链路」分析框架，基于埋点数据追踪用户从「浏览笔记」到「商品加购」的行为路径，识别出「评论区互动」为关键转化节点（贡献35%的加购转化）；建议运营团队加强优质评论激励，设置「种草达人」标签，2个月内相关路径转化率提升27%，带动社区电商GMV月均增长15万。

协助完成广告投放数据清洗、基础报表制作及简单用户行为分析，支持营销团队日常决策。

• 负责多平台（微信、抖音、头条）广告数据整合，通过Python编写自动化脚本（Pandas+Pyecharts）清洗重复点击、无效曝光数据，将数据处理耗时从每周8小时缩短至2小时；输出「渠道点击率」「转化成本」等12项核心指标日报，支撑投放专员实时调整预算。
• 分析用户评论与互动数据，运用文本挖掘工具（jieba分词+词云图）提取用户对广告素材的反馈关键词（如「画面模糊」「文案生硬」）；整理高频问题反馈至创意团队，推动素材优化后，相关广告的CTR从2.1%提升至3.4%。
• 参与用户分群测试，基于RFM模型初步划分高/中/低价值用户，协助运营团队对高价值用户推送专属优惠券；测试期间该群体复购率提升18%，验证了基础分群方法的有效性。

游戏社区用户LTV全链路预测与投放闭环优化项目

• 项目背景：星途互娱核心游戏社区（MAU 500万+）面临用户增长瓶颈，2021年投放ROI同比下降22%，且缺乏对用户长期价值（LTV）的精准预判——传统RFM模型仅能解释48%的LTV差异，导致预算向低价值渠道倾斜、高LTV用户流失率超30%。我的核心目标是主导搭建**用户LTV预测模型+全渠道投放闭环体系**，实现预算向高价值用户精准倾斜，提升整体营销效率与用户生命周期价值。
• 解决的难题与技术：1. 用户行为碎片化：游戏用户日均产生15+类行为事件（试玩、社交、充值等），传统模型无法捕捉非线性关系；2. 多渠道归因混乱：抖音、B站、小红书等6个渠道数据未打通，原归因模型依赖渠道自带参数，误差超30%。我选择**LightGBM算法**构建LTV预测模型（整合23个维度特征，包括用户行为序列、社交关系强度、付费频次分布），同时用**Shapley值归因模型**重构跨渠道贡献分配——解决了“用户行为与LTV的非线性关联”及“多触点价值重复计算”两大核心问题。
• 核心行动与创新：1. 主导跨部门数据中台搭建，打通CRM、投放平台、用户行为日志的实时数据链路，开发“LTV预测-渠道预算分配-用户触达”可视化看板；2. 针对模型漂移问题，设计“每周增量训练+近期行为权重因子”机制，将模型时效性从7天延长至14天；3. 推动投放团队采用“LTV预测值×渠道CPA”的动态预算公式，将高LTV用户对应渠道（如垂直游戏UP主合作的B站）预算占比从35%提升至60%。
• 项目成果与价值：1. LTV预测准确率提升至83%，单用户获客成本（CAC）下降19%；2. 投放ROI较项目前提升28%，月均高价值用户（LTV≥500元）新增量增长42%；3. 建立的“预测-投放-运营”闭环流程成为公司核心营销SOP，支撑了后续《星舰指挥官》等3款新游的冷启动，直接贡献年营收增量超1.2亿元。

二次元新游《星轨战歌》预热期用户分层转化提效项目

• 项目背景：2021年公司重点二次元新游《星轨战歌》预热期（上线前3个月）遇到关键瓶颈——用户活跃率仅18%，付费转化率不足5%，核心问题是缺乏对预热用户的**精准需求识别**与**分层运营**。我的目标是主导构建预热期用户分层体系，将“泛流量”转化为“高意向付费用户”，提升新游上线前的用户储备质量。
• 解决的难题与技术：1. 兴趣标签缺失：二次元用户兴趣分散（涵盖动漫、cosplay、游戏攻略等多领域），现有标签体系仅覆盖60%的用户偏好；2. 行为数据稀疏：预热期用户日均互动仅3-5次，传统逻辑回归无法有效预测付费意愿。我采用**协同过滤算法**挖掘用户兴趣关联（如“喜欢《原神》的用户更关注开放世界玩法”），结合**贝叶斯网络**整合社交关系数据（关注的主播、社群活跃度），构建“兴趣-活跃-付费潜力”三维分层模型。
• 核心行动与创新：1. 主导扩展二次元用户标签库至120+个，覆盖“动漫IP偏好”“游戏玩法诉求”“社交互动习惯”三大维度；2. 设计三层运营策略：核心粉丝（付费概率≥70%）推送专属试玩码+主播联动直播，潜在付费（40%-70%）推送个性化游戏测评+福利预告，泛用户（≤40%）推送轻量化互动活动（如角色捏脸大赛）；3. 通过A/B测试优化触达时机——将运营消息发送时间调整为用户活跃高峰（晚8-10点），点击率提升32%。
• 项目成果与价值：1. 预热期付费转化率提升至16%，用户7日留存从12%提升至30%；2. 新游上线首月流水达8000万元，超预期15%；3. 分层运营体系被纳入公司新游预热标准流程，覆盖后续《灵界旅人》等3款二次元产品，累计降低无效投放成本超2000万元。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。