负责美妆垂类电商平台营销数据体系搭建与全链路策略支撑，覆盖用户拉新-转化-复购生命周期，聚焦营销活动ROI优化、高价值用户识别及渠道效率提升的数据决策需求

• 主导搭建用户生命周期价值（LTV）预测模型，基于Python（Scikit-learn）、SQL及Hive数据仓库，整合用户基础属性、行为轨迹（浏览/加购/下单）及营销触达数据，针对新用户首单后30天内行为稀疏问题，引入协同过滤算法补全潜在消费偏好特征，模型预测准确率从72%提升至92%，支撑运营团队精准圈选高LTV用户进行定向权益投放，高价值用户贡献的GMV占比从35%提升至48%
• 优化营销活动ROI归因逻辑，采用Shapley值模型替代传统末次点击归因，解决多渠道（微信社群/抖音信息流/淘宝直通车）交叉引流的效果争议；通过拆解各渠道用户后续转化路径的边际贡献，推动市场部将20%的原低效渠道预算转移至抖音短视频种草场景，活动整体ROI从1:3.8提升至1:4.4，单用户获客成本下降18%
• 设计用户分层运营策略，结合RFM模型与K-means聚类分析，将用户划分为“高价值忠诚”“潜力待唤醒”“流失预警”三类，针对“潜力待唤醒”群体（占比25%），通过A/B测试验证“专属美妆顾问+满减券”组合策略的有效性，该群体30天复购率从11%提升至23%，带动整体复购率增长12%
• 搭建营销数据实时监控看板，基于Tableau连接ClickHouse数据库，整合活动流量、转化漏斗、用户分层及渠道ROI等12个核心指标，设置异常值预警规则（如某渠道点击率骤降20%触发提醒），将营销决策的信息获取时间从T+1缩短至实时，支撑运营团队快速调整活动素材与投放定向，紧急情况响应效率提升40%

负责教育类APP营销获客数据优化，聚焦信息流广告投放与用户转化路径分析，支撑投放策略调整及用户激活成本降低

• 主导信息流广告投放数据诊断与优化，通过Google Analytics 4（GA4）追踪用户从广告点击到注册的全路径，发现35%的用户在“填写手机号”环节流失，结合热图工具（Hotjar）分析页面交互体验，建议将验证码输入框从二级页面前置至首页，并优化按钮文案（“立即领取试听课”替换“提交信息”），该环节转化率从41%提升至58%，单用户激活成本（CPA）下降22%
• 构建广告素材效果评估体系，基于内容标签（如“名师讲解”“学员案例”“优惠福利”）与用户画像（年龄/地域/学习目标），用逻辑回归模型识别高转化素材特征；针对考研类用户，验证“985高校学员逆袭故事”素材的CTR比通用福利素材高37%，推动素材团队加大此类内容产出，考研类用户注册量增长45%
• 搭建营销数据仓库，使用Snowflake整合广告投放数据（巨量引擎/腾讯广告）、用户行为数据（APP埋点）及课程消费数据，解决跨平台数据孤岛问题；通过ETL流程自动化每日数据同步，数据提取耗时从4小时缩短至30分钟，支撑投放团队实时调整定向策略，季度内广告ROI波动幅度从±15%收窄至±5%

协助营销团队完成基础数据统计与用户行为分析，支撑活动效果复盘及运营策略迭代

• 负责营销活动数据复盘，使用Excel（VLOOKUP/数据透视表）统计活动期间流量来源、转化漏斗及销售额，输出包含“TOP5引流渠道”“高转化商品品类”“用户流失节点”的复盘报告，帮助团队识别“满99减10”活动在微信小程序的转化效率比APP高25%，后续活动优先倾斜小程序资源，活动GMV增长30%
• 分析用户官网行为数据，通过Google Analytics追踪用户在“产品详情页”“购物车页”的停留时长与跳出率，发现“护肤套装”详情页的跳出率高达60%，建议补充“搭配使用教程”视频，优化后该页面转化率从8%提升至12%，带动套装销量增长28%
• 搭建自动化数据报表，使用Excel宏实现周度营销数据（流量/转化/客单价）的自动生成与邮件推送，将运营团队手动整理报表的时间从每周8小时减少至2小时，释放人力投入更深度的用户洞察工作

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。

• 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。