主导用户生命周期各阶段（拉新-促活-留存-转化-裂变）的营销数据深度挖掘，构建预测模型与策略验证体系，驱动跨渠道（信息流、私域、搜索）精准投放与ROI优化，支撑年度GMV增长目标。

• 搭建动态用户分层模型：基于SQL+Python对800万+用户行为数据（浏览、加购、支付、复购）进行特征工程，融合RFM（最近购买、频率、金额）、LTV（生命周期价值）及触达响应度指标，设计5级分层体系（高潜新客/沉睡老客/高价值忠诚客等），解决过往人工圈选人群精准度不足问题；模型上线后，大促期间目标人群触达转化率从8.2%提升至11.7%，单客营销成本下降15%。
• 优化跨渠道预算分配策略：通过归因模型（时间衰减+位置归因混合算法）分析各渠道（抖音信息流/微信社群/搜索广告）对GMV的贡献度，结合马尔可夫链预测用户跨渠道流转路径；主导将原「按历史消耗占比分配预算」调整为「按增量ROI动态调仓」，Q4大促期间整体ROI从2.8提升至3.4，其中私域渠道因高复购贡献被追加20%预算，带动老客GMV占比从45%提升至52%。
• 设计A/B测试闭环机制：针对营销活动创意（弹窗文案/权益组合/触达时机）建立「假设-测试-迭代」标准化流程，使用Optimizely平台同时运行8组测试方案；通过卡方检验与置信区间分析快速定位最优策略，例如发现「首购礼金+3日内复购券」组合的30天转化率比单一礼金高22%，该策略被纳入年度SOP，全年节省测试成本40万元。
• 搭建营销健康度看板：基于Quick BI整合用户行为、交易、触达数据，开发包含「高潜用户流失预警」「渠道ROI波动」「活动成本回收周期」等12个核心指标的实时监控看板；通过设置阈值触发机制（如某渠道CTR连续3日下降10%自动预警），推动运营团队提前干预，Q3大促期间异常问题响应时效从4小时缩短至1小时，关键指标异常率下降60%。

聚焦电商平台大促（618/双11）场景，负责用户需求预测、流量资源匹配及活动效果后评估，支撑运营团队制定差异化营销策略。

• 大促前用户需求预判：爬取并清洗外部舆情数据（微博/小红书关键词），结合内部搜索日志（商品搜索量、加购未支付率），使用XGBoost模型预测爆款品类及用户价格敏感区间；618大促前成功预判「智能家电」搜索量将增长120%，建议运营团队提前锁定头部品牌资源位，最终该品类GMV同比增长150%，超额完成目标35%。
• 活动中流量动态调配：搭建实时数据监控链路（Flume+kafka+ClickHouse），跟踪各页面（首页/详情页/购物车）流量转化漏斗，当发现「秒杀频道」跳出率较日常高30%时，联动技术团队排查加载延迟问题并优化素材；调整后该频道转化率从4.1%回升至6.8%，额外贡献GMV 800万元。
• 大促后策略复盘：通过Shapley值分解各环节（流量获取-转化-复购）对GMV的贡献，输出《大促营销效率白皮书》；发现「跨店满减」对客单价提升贡献度达42%，但「店铺券」核销率仅18%（因规则复杂），推动简化券面信息并增加弹窗引导，次年双11店铺券核销率提升至29%。

协助营销团队完成基础数据提取、常规报表搭建及简单策略验证，探索数据驱动运营的落地场景。

• 营销数据基建支持：每日定时提取用户行为（GA4）、广告投放（巨量引擎）及交易数据（ERP），清洗后输出《每日营销简报》，包含「各渠道点击率」「活动页面停留时长」「新客成本」等15个核心指标；通过标准化模板将报表产出时效从4小时缩短至1小时，支撑运营团队早会决策。
• 小范围策略验证：针对「新人首单礼」设计两组测试（无门槛券vs品类券），使用SPSS进行独立样本T检验，发现品类券（限母婴类）的新客7日留存率比无门槛券高17%；结论被采纳后推广至全站，当年母婴品类新客LTV提升22%。
• 用户流失预警初探：基于历史流失用户（30天未活跃）的行为特征（登录间隔、互动次数），用逻辑回归训练预测模型，准确率达75%；为运营团队提供2000+高流失用户名单，配合定向优惠券召回，当月流失用户回流率从8%提升至12%。

「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。