林婉清 · Business Data Analyst

• 为支持区域市场经理的日常决策，利用Excel VBA编写宏脚本，对来自分销商、门店及ERP系统的多源原始销售数据进行自动化清洗与合并，将原先需手工处理3小时的数据准备流程压缩至20分钟，数据准确率从85%提升至98%，并通过搭建一键刷新的动态销售看板覆盖全国6大区域。

• 在发现某中部区域季度销售额连续下滑后，结合市场调研数据与历史销售记录进行归因分析，识别出该区域终端陈列品项缺失及竞品促销冲击两大主因；针对性建议调整铺货策略并追加20%陈列费用后，该区域次季度销售额环比回升12%，同比由负转正。

• 针对集团旗下3个品牌、50余个SKU的月度销售追踪需求，自主设计并实现了一套基于Excel VBA的自动化报表体系，整合进销存数据、自动生成包括区域达成率、环比增长率、库存周转率在内的8项核心KPI仪表盘，使管理层获取报表周期从两周缩短至3天，支撑了全年4次区域性促销活动的资源调配决策。

• 为评估新品在某华东试点城市的铺货效果，牵头完成一轮针对200家售点的终端售价与陈列记录的市场调研数据采集与清洗，运用交叉分析发现售价高于竞品10%的售点动销率低32%的规律；据此推动区域销售团队调整定价策略，3个月内该新品在该区域市场占有率提升至8.7%，超预期目标1.2个百分点。

• 针对用户增长瓶颈，通过SQL提取全渠道用户行为数据并构建转化漏斗，定位新注册用户首单转化率仅12%的关键流失环节，设计并执行A/B测试优化注册流程与优惠券推送时机，推动首单转化率提升至18%，月新增有效用户增长35%。

• 为评估大促期间营销活动ROI，利用Python整合Google Analytics与内部订单数据，建立基于用户LTV的多触点渠道归因模型，发现信息流广告实际贡献被低估40%，据此重新分配30%预算至高价值渠道，使整体投放ROI从1.8提升至2.6，单用户获客成本下降22%。

• 主导用户生命周期分群项目，基于RFM模型与行为聚类将活跃用户划分为9个层级，针对高流失风险用户设计定向召回活动，通过A/B测试验证推送内容与折扣力度最优组合，召回成功率提高27%，次月留存率环比上升11个百分点。

• 构建自动化活动效果监控看板，实时追踪各渠道、各用户群的转化率与ROI变动，帮助市场团队在活动上线48小时内识别无效投放并动态调优，累计优化200+营销活动，平均每次活动ROI较基准提升18%，年度节约无效投放支出超500万元。

• 针对某国际快消巨头新品上市后市场份额持续下滑的痛点，主导构建基于多源零售POS数据与消费者调研数据的回归分析模型，识别出价格弹性与渠道覆盖率为核心驱动因素；通过Tableau搭建动态竞品监控仪表盘，实时追踪8个竞品定价与促销策略，输出策略调整建议，帮助客户在随后两个季度实现市场份额回升3.2个百分点。

• 为某国内头部零食连锁客户提供市场趋势预测服务，整合三年内行业销售数据、季节性因素及宏观经济指标，运用时间序列与多元线性回归建模，预测下一年度各品类销量走势；模型在验证期平均绝对百分比误差（MAPE）为6.8%，据此协助客户制定分季度库存与促销计划，最终使年库存周转率提升15%，滞销品占比下降22%。

• 针对某零售客户在华东区域门店客流持续下降的问题，采集并清洗竞争对手门店选址、客单价、促销频次等公开数据，结合自身会员消费记录进行竞品对比分析；利用Tableau制作分层级可视化看板，定位出高流失风险门店与强势竞品重叠区域，建议调整3家门店业态并加推差异化会员权益，六个月内该区域同店客流同比增长8.5%。

• 在为一个新兴健康饮品品牌提供市场洞察项目时，领导团队从零搭建竞品情报数据仓库，覆盖线上电商评论、社交媒体提及率与线下便利店POS数据，运用自然语言处理提取消费者关键诉求与竞品弱点；在此基础上构建因子分析模型，量化各要素对购买意愿的影响权重，输出《品类进入机会评估报告》，客户依据报告调整产品定位，上市首季销售额超预期目标23%。

• 针对跨境电商平台多触点广告渠道（搜索、社交、KOL、DSP）的归因盲区，主导开发基于马尔可夫链与Shapley值的Python归因模型，整合300+万条点击与转化日志，将各渠道贡献度识别准确率提升32%，据此重新分配预算后整体广告ROI提高18%。

• 搭建包含促销日历、历史销量、竞品价格、季节性因子的销售预测体系，采用XGBoost与Prophet融合模型，实现SKU级周度预测MAE≤7%，支撑库存周转率优化15%，减少滞销品积压成本约120万元/季度。

• 设计端到端广告效果评估框架，通过Python自动化提取广告平台API数据并清洗，使用Power BI创建实时ROI看板与渠道归因仪表盘，使市场团队决策响应时间从3天缩短至4小时。

• 建立广告数据治理标准与元数据管理流程，统一20+个数据源的字段定义与异常值处理规则，数据质量合格率从74%提升至96%，为归因模型和预测系统提供可靠输入。

• 领导2名初级分析师完成归因模型迭代与预测模型监控，制定A/B测试规范验证模型效果，推动数据驱动的广告预算分配机制，使季度营销费用边际产出提升22%。

• 领导4人数据团队，通过建立标准化分析流程与周度复盘机制，将市场策略分析报告交付周期从2周压缩至5个工作日，团队任务完成率提升40%。

• 主导制定智能家居新品上市的市场战略模型，整合用户行为数据与竞品公开情报，精准定位高端目标客群，推动该产品线首季度市场份额达到12%，超业务目标20%。

• 推动公司数据文化建设：设计并实施3轮跨部门数据思维培训（覆盖市场、产品、销售共80余人），搭建自助式BI分析平台，使业务部门自主取数占比从15%提升至70%，减少数据组临时需求60%。

• 重构市场效果评估指标体系，从单纯曝光量转向以转化率、客户生命周期价值为核心的漏斗模型，据此优化广告投放策略，实现季度营销ROI提升32%。

• 作为跨部门协作负责人，协调市场、产品、供应链三方数据资源，建立统一数据口径与共享看板，解决20余项历史数据冲突，使跨部门项目决策周期缩短25%。

表彰在用户增长项目中利用数据分析提升ROI 30%的贡献

为咨询客户设计竞品动态监测模型并获客户高度认可

论文《营销归因模型在电商场景中的实践与优化》获评优秀