Awards
竞赛荣誉
累计参与 3 项商赛 / 课题项目
全国高校商业精英挑战赛·品牌策划赛道
📝 团队成员
全国高校商业精英挑战赛·国际贸易赛道
🏆 东北赛区一等奖
省级课题:旅游品牌建设、营销与管理研究
🔬 课题主要成员
About Me
工商管理硕士研究生，就读于吉林大学。 在校期间参与省级课题研究与全国高校商业精英挑战赛，同时在实习中积累了 数据监控、商务拓展、海外布局等实战经验。
我相信好的商业分析不仅是做报表，而是用数据讲好一个业务故事， 帮助决策者快速做出判断。这也是我搭建这个作品集的初衷—— 用作品说话，用数据证明价值。
2025.09 - 2027.06(预计)
吉林大学 · 工商管理硕士
主修课程:数据模型与决策、市场营销、战略管理、品牌管理、管理信息系统等
2018.09 - 2022.06
延边大学 · 市场营销学士
主修课程:物流管理、服务营销、市场营销学、国际市场营销、消费者行为学等
3
商赛 / 课题经验
1
实习经历
7+
月实习时长
985
研究生院校
Awards
累计参与 3 项商赛 / 课题项目
📝 团队成员
🏆 东北赛区一等奖
🔬 课题主要成员
Projects
获真实企业授权,完成从市场洞察、竞品分析到品牌重塑的全链路策划
📌 项目背景
获真实企业授权，基于其现实经营状况，完成从市场洞察、竞品分析到品牌重塑的全链路策划；运用用户画像工具提炼消费者痛点，输出包含传播策略与媒介规划的可落地营销策划书，参加校赛。
🎯 我的职责
主导撰写【品牌管理保护】部分（含品牌运营管理、队伍建设、制度构建、品牌资产保护、法律/数据/侵权监测机制）及【风险分析及对策】（技术/市场/财务/政策法规四类风险识别与应对策略），共计约10页核心内容。
锁定闪魔手机膜品类,制定进入马来西亚市场的定价、渠道与本土化营销策略
📌 项目背景
通过知识竞赛+笔试晋级后,以发布会形式自主选品出口:锁定闪魔手机膜品类,制定进入马来西亚市场的定价、渠道与本土化营销策略,完成完整国际贸易模拟流程
🎯 我的职责
负责撰写【公司简介】模块及【汇票】结算方案设计,独立完成对外贸易单证中的核心支付凭证部分
梳理领域文献与前沿理论，构建旅游资源评价模型与质量标准评估体系，搭建品牌定位与传播管理框架
📌 课题背景
吉林省旅游资源未能实现协同化、集约化发展，丞需系统化的品牌建设与营销管理研究以提升区域旅游竞争力
🎯 我的职责
理论体系搭建：梳理领域文献与前沿理论，构建含政策背景、理论基础与标杆案例的研究框架，确立课题方法论。
评价体系构建：主导构建旅游资源评价模型与质量标准评估体系，通过多维度指标量化分析区域文旅资源禀赋与竞争力。
方案落地输出：搭建品牌定位、传播与管理运营框架；完成申报书撰写与结题报告统筹，支撑课题立项与验收。
📊 方法论 & 成果
评价模型：采用层次分析法与德尔菲法构建旅游资源评价体系，设立5项一级指标、37个二级指标；通过专家打分法赋权，结合实地调研数据进行综合评分，输出三等级质量标准用于资源优先级排序。
品牌框架：搭建四层次框架——品牌定位（明确家庭亲子/中老年康养客群）、品牌识别（VI视觉系统与slogan方向）、品牌推广（短视频+OTA线上渠道、节庆活动线下渠道）、品牌维护（授权标准与声誉监测机制），为品牌建设提供系统性与可行性依据。
协同一汽集团(奥迪/红旗)开展采购业务,搭建覆盖 3 家子公司的销售数据监控看板,每月输出经营分析报告
核心成果：辅助团队将关键品类决策周期缩短约20%
深度调研速卖通/亚马逊/Shopee 入驻规则,输出跨境电商可行性分析报告
核心成果:支撑公司国际化战略落地,推进海外分公司注册全流程
# ===== 项目4：A/B测试效果分析 =====
import pandas as pd
from statsmodels.stats.proportion import proportions_ztest
# 样本量校验 & 双样本比例z检验
result = df.groupby('group')['converted'].agg(['count','mean'])
n_c, n_t = result['count']
p_c, p_t = result['mean']
z_stat, p_value = proportions_ztest(
[conv_control, conv_treatment], [n_c, n_t])
# 95%置信区间
diff = p_t - p_c
se = np.sqrt(p_t*(1-p_t)/n_t + p_c*(1-p_c)/n_c)
ci = [diff - 1.96*se, diff + 1.96*se]
# ===== 项目5：Cohort用户留存分析 =====
from sqlalchemy import create_engine
engine = create_engine('mysql+pymysql://...')
# SQL计算留存率 & Python热力图可视化
cohort_sql = """SELECT a.CohortMonth, a.MonthIndex,
ROUND(a.active_users/b.cohort_size*100,1) AS retention_pct
FROM (...) a JOIN (...) b ON a.CohortMonth=b.CohortMonth"""
sns.heatmap(pivot, annot=True, fmt='.1f', cmap='Blues')
plt.savefig('cohort_heatmap.png', dpi=150)留存率分析
热力图分析
AB测试分析
查看完整代码请点击：
GitHub 主页📋 项目说明
使用Python进行数据清洗、趋势分析和可视化，结合Power BI制作交互式仪表盘，实现业务数据实时监控与决策支持
📊 项目结论
项目4 - A/B测试效果分析：
• 样本规模：对照组 147,202 用户，实验组 147,276 用户
• 核心指标：对照组转化率 12.04% vs 实验组转化率 11.89%，绝对差异 -0.15pp，相对差异 -1.25%
• 统计检验：双样本比例 Z 检验，Z = -1.24，p-value = 0.2161（>0.05）
• 置信区间：95% CI [ -0.39%, +0.09% ]，包含零点，差异无统计显著性
• 样本量功效：基于 Cohen's h 效应量计算，所需样本量 755,339/组，当前样本量严重不足，统计功效偏低
• 结论与建议：实验组较对照组无显著正向提升，暂不建议全量上线。需持续收集数据至达到统计功效要求（每组≥755,339），同时复盘实验方案设计
项目5 - Cohort用户留存分析：
• 数据来源：UCI Online Retail Dataset（英国电商 2010.12 - 2011.12，共 54 万+交易记录）
• 数据处理：剔除退货订单、缺失 CustomerID，有效记录 40 万+ 条
• 分析方法：MySQL 窗口函数构建 Cohort Table，追踪用户首购后各月留存率
• 关键发现：热力图显示所有 Cohort 次月留存率（Month=1）集中于 20%-35% 区间，首购后 30 天内为流失高发期
• 流失归因：新客激活策略缺失，用户复购路径不清晰，缺乏有效的留存钩子设计
• 策略建议：建立用户生命周期触达体系，在首购后第 7/14/30 天分别推送复购优惠券、关联商品推荐、限时召回短信，目标提升次月留存率 +5pp
Skills