在线演示: https://dave-liveops-simulator-bd9u9gttoxxcywdw4pshkc.streamlit.app/
GitHub 仓库: https://github.com/Rayna-RRR/dave-liveops-simulator
这是一个基于《潜水员戴夫》题材假设场景搭建的活动运营分析原型。项目把活动运营里常见的几个判断动作串成一条可交互的页面链路,用来展示我对用户分层、活动配置、方案比较和结果复盘的理解。
项目中的数据均为基于业务假设生成的合成数据,仅用于演示,不对应真实产品或真实用户。
在实际活动运营里,很多判断不是看一张图或一个指标就能完成的。更常见的路径是:
先看圈层,确认当前更值得经营的是谁;
再做活动配置,明确活动类型、目标圈层、奖励强度和核心目标;
再做方案对照,判断基准方案和当前关注方案的差异;
最后进入复盘,给出更贴近业务语境的解释和后续动作。
查看不同玩家圈层的人数、付费表现、活跃时长和流失风险,并围绕当前选中的圈层和指标焦点更新摘要、图表和说明。
围绕目标圈层配置活动类型、奖励强度、活动时长和核心目标,并把这些参数收敛成一个当前生效的活动方案。
在同一活动和圈层上下文下,对比基准方案与当前关注方案的指标表现,查看主指标差异和整体倾向。
沿用前序页面已经形成的活动、圈层和方案关系,从活跃、留存、付费或成本视角切换解读重点,并输出更聚焦的复盘结论和建议。
- 四个页面通过共享状态串联,圈层、配置、方案和复盘焦点可以沿着分析链路自然传递。
- 用户分层页选中的圈层会作为后续活动配置和方案对照的默认上下文。
- 各页都保留了“当前焦点”概念,支持围绕不同指标维度切换分析重点。
- 方案对照页采用“基准方案 vs 当前关注方案”的结构,而不是单纯展示静态表格。
- 活动复盘页支持切换复盘焦点,结论和建议会随当前关注维度变化。
如果是第一次打开,建议按下面的顺序体验:
- 在“用户分层”里选择一个目标圈层,切换一次分析焦点。
- 进入“活动配置”,确认活动类型、目标圈层、奖励强度和核心目标,点击“生成模拟方案”。
- 进入“方案对照”,确认基准方案和当前关注方案,切换一次主指标。
- 进入“活动复盘”,切换不同复盘焦点,查看解释和建议如何变化。
整套流程在 1 到 2 分钟内可以看完,适合作为作品集或面试演示。
- Python
- Streamlit
- Pandas
- NumPy
- Plotly
pip install -r requirements.txtstreamlit run app.py如果想重置项目里的合成数据,可以执行:
python src/generate_mock_data.py启动后可通过左侧导航依次访问首页、用户分层、活动配置、方案对照和活动复盘。
.
├── app.py # Streamlit 入口
├── pages/ # 多页面视图
│ ├── 0_首页.py
│ ├── 1_用户分层.py
│ ├── 2_活动配置.py
│ ├── 3_方案对照.py
│ └── 4_活动复盘.py
├── src/ # 数据、指标、交互与展示逻辑
│ ├── data_loader.py
│ ├── display_labels.py
│ ├── event_simulator.py
│ ├── generate_mock_data.py
│ ├── insight_generator.py
│ ├── metrics.py
│ ├── segment_logic.py
│ └── ui.py
└── data/ # 演示用合成数据
其中:
src/ui.py负责共享样式、通用组件和跨页交互状态。src/generate_mock_data.py用于生成演示所需的合成数据。data/中的 CSV 文件分别对应玩家数据、活动模板和方案结果。
- 这是一个作品集项目 / 交互式模拟工具,不是生产系统。
- 数据为合成数据,用于演示分析路径和交互设计,不代表真实业务结论。
- 交互上优先使用稳定控件来驱动筛选和联动,而不是强依赖图表原生点击事件。
- 当前重点在分析链路和页面交互收束,没有覆盖权限、接口、实时数据接入等生产系统问题。