负责公司核心电商平台用户增长与营销活动全链路数据洞察，主导搭建用户分层运营体系与渠道ROI优化模型，驱动营销预算分配与策略迭代，工作边界覆盖数据提取-分析-策略落地-效果追踪闭环。

• 基于CDP与埋点数据，主导设计用户生命周期价值（LTV）预测模型，结合RFM分群与机器学习算法（XGBoost），将高潜用户识别准确率从68%提升至82%；同步输出《高价值用户运营SOP》，推动市场部将30%预算倾斜至该群体，Q4新客复购率同比提升19%，LTV/CAC比值从2.1优化至2.8。
• 针对大促期间跨渠道（信息流、搜索、私域）归因混乱问题，引入Shapley值归因模型重构数据口径，联动数据工程团队开发自动化归因看板（工具：Python+Superset），解决过去人工核对耗时3天的痛点，归因准确率提升40%；基于分析结果调整抖音与微信朋友圈预算配比，大促GMV增量中跨渠道协同贡献占比从18%提升至31%。
• 搭建营销活动效果预测系统，整合历史转化、用户画像、外部天气/节假日数据（特征工程处理），通过逻辑回归与随机森林模型预测活动ROI，提前7天输出风险预警；某双11美妆品类活动中，模型识别出3个低转化渠道并建议预算转移，最终该品类ROI达4.2，超目标15%。
• 推动建立营销数据字典与跨部门协作机制，梳理23个核心指标（如CPC、CTR、ROI）的计算逻辑与取数口径，编制《营销数据分析手册》；同步培训市场、运营团队数据看板使用方法，使需求响应效率从48小时缩短至6小时，跨部门数据争议减少65%。

聚焦用户转化链路与付费行为分析，支撑精准营销策略制定，核心职责包括搭建转化漏斗诊断体系、优化广告素材效果评估模型，工作边界覆盖从流量入口到付费转化的全流程数据挖掘。

• 拆解APP注册-首购转化漏斗，通过漏斗分层分析定位到「支付页跳出率高」为核心卡点；结合热图工具（Hotjar）与用户访谈，发现支付方式展示不清晰问题，推动产品优化后，首购转化率从8.7%提升至11.2%，月均新增付费用户增加2.3万。
• 设计广告素材A/B测试框架，定义「点击率-转化率-ROI」三维度评估指标，开发自动化测试工具（Python脚本+埋点监控），将单轮测试周期从7天缩短至3天；某教育类客户投放中，通过测试筛选出高转化素材模板，CPM下降22%，最终ROI提升18%。
• 构建用户流失预警模型，基于梯度提升树（LightGBM）融合用户行为（登录间隔、页面停留时长）、交易特征（客单价、最近购买时间）等17个变量，提前14天识别高流失风险用户；配合运营团队推送个性化召回权益，流失用户挽回率达15%，季度内挽回GMV超500万元。
• 主导月度营销数据复盘会，输出《渠道效能白皮书》，通过聚类分析将30+推广渠道分为「拉新型」「转化型」「品牌型」三类，针对性制定预算策略；调整后整体获客成本（CAC）下降12%，高价值渠道预算占比从45%提升至60%。

负责会员营销活动的数据支持与效果评估，核心工作包括会员标签体系建设、促销活动ROI测算及用户偏好分析，工作边界聚焦会员生命周期内的营销触达与转化提升。

• 搭建会员标签体系，基于用户消费频次、客单价、品类偏好等数据，通过规则引擎与聚类算法划分「高价值忠诚客」「潜力新客」「沉睡客」等7类标签；推动会员系统对接标签库，活动触达精准度从58%提升至75%，会员活动ROI从2.5提升至3.1。
• 优化满减活动规则，通过历史订单数据挖掘用户价格敏感度（价格弹性系数计算），调整满减门槛与力度；某食品品类活动中，新规则下客单价提升18%，毛利率仅下降2pct，活动期间GMV同比增长27%。
• 分析用户复购周期，结合RFM模型与生存分析（Kaplan-Meier曲线），识别出「30天未复购」为关键干预节点；设计「老客专属券+内容种草」组合策略，触达用户复购率提升14%，年度会员ARPU值增长9%。
• 协助搭建营销数据库，整合CRM、交易、行为数据（ETL工具：Kettle），清洗冗余字段300+，建立标准化数据看板（Tableau）；支撑市场部快速查询各活动、各渠道的用户反馈数据，需求处理效率提升50%。

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。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。