核心能力

数据基建与治理：集团级复杂数据标准化、ETL设计、数据质量监控、自动化报表搭建

业务沟通与影响力：跨品牌/多部门协调、从技术语言到商业叙事的转换、客户需求管理与认知影响

团队与项目管理：4人规模团队管理、项目POC到交付全流程深度参与、多项目并行管理

消费者洞察与客户分析：客户分层、转化预测建模与效果追踪

项目经历

某奢侈品集团1：集团级客户数据平台搭建与跨品牌协同, 2024.03- 至今

商业挑战：

集团旗下各品牌业务线众多、数据分散，各品牌的CRM系统互相独立。集团想要建立跨品牌的集团级客户平台（CustomerEnrich），用于识别“跨品牌高价值客群”，寻找更多交叉销售和客户销售升级的机会。与此同时，各品牌对“数据共享”忧虑甚多，主要集中在核心客户流失的担忧，推进阻力较大。此外，各品牌的数据结果、存储方式差异较大，也是一大技术难点。

策略与执行：

项目初期与集团各品牌积极沟通，制定统一的数据标准与字段定义，制定个性化的数据传输方案，降低品牌的接入成本；设计并搭建自动化数据管道，完成从输入数据到输出名单的全链路自动化流程；搭建贯穿输入、中间、输出三层的数据质量检测体系：对确定性数据（如输入人数、输出人数）检测逻辑矛盾；对无固定标准但有波动的数据（如每周名单的转化提升幅度），建立3σ异常值监测机制，及时预警异常波动。

业务成果：

项目初期仅有6个规模较小的品牌愿意参与，后续其他品牌看到实际效果后主动寻求加入，目前入驻品牌已扩展至12个，总数据量级提升4倍，覆盖业务总金额提升5倍；Top 10%预测客群的转化提升幅度（Uplift）达3~3.5倍以上，名单已成为入驻品牌日常CRM激活活动的主要参考资源。

某奢侈品集团1：精准营销：客户转化预测与名单优化，2023.11- 2024.02

商业挑战：

某品牌计划对一批存量客户进行营销沟通，但预算有限，需要精准筛选出转化概率最高的客群，以降低营销成本。

策略与执行：

检查数据合理性、处理异常值，输出初步数据报告并预判项目效果；结合实际业务进行特征工程，采用归一化、标准化、独热编码、标签编码等方式提取可用于训练的特征；与数据科学同事协作完成模型搭建、效果评估及调优；根据模型结果输出营销活动名单；设计A/B测试方案：将客群根据潜力高低、是否沟通分为4个组别，对比转化率，严谨验证模型有效性。

业务成果：

模型名单转化率达到平均水平的3倍，用较少的沟通资源获取了较高的转化率；该项目作为试点取得成功，后续有其他品牌主动进行了类似的合作。

某奢侈品集团2：小红书KOL与竞品情报分析，2025.10- 至今

商业挑战：

集团各品牌希望了解奢侈品市场在小红书上的投放情况和效果，但此前缺乏系统性的数据采集与分析能力，难以产品化输出结果。

策略与执行：

全程与集团中央市场部直接沟通，梳理数据规范、建立报告架构、对接具体需求；搭建小红书数据采集规范和流程，采用“人工标注+技术爬虫”相结合的方式采集推文及作者数据；组建并带领4人团队跟进项目，并持续优化提升团队运作效率；撰写季度及年度洞察报告，核心分析框架包括：投资效果方式：CPE（CostperEngagement）。发现投资越高的推文总互动量越多但CPE越低，投资较低的推文CPE较高，为品牌预算分配提供依据；赞粉比（互动量/粉丝数）：评估KOL的投资价值；持续以算法协助并逐步取代人工识别，降低人工成本、提升数据采集准确性和效率。

业务成果：

POC阶段成功验证了低成本数据采集→数据分析→出报告的完整链路，且赞粉比评估方案获得客户认可，从而锁定全年合作。项目顺利从2025年10月POC阶段过渡至2026年全年项目执行周期，已产出3份季报和1份年报；小红书爬虫稳定、持续、高效运行，100%替代人工采集工作；视觉识别算法在图文产品识别中Top1命中率超过90%，持续优化中。