负责1000万+高净值客户的全生命周期资产配置服务，涵盖需求诊断、方案设计、产品匹配及持续投后管理，核心目标为提升客户AUM复合增长率与NPS评分。

• 主导高净值客户KYC流程迭代，基于风险平价模型与行为金融学框架优化20项测评维度，将客户需求识别准确率从78%提升至92%；同步搭建客户风险偏好动态追踪机制，每季度结合宏观经济指标调整配置策略，服务客户年度平均收益率较市场基准高出2.3个百分点。
• 针对二级市场波动加剧的市场环境，运用美林时钟修正版与宏观因子模型，为客户定制股债商动态再平衡方案；2024年Q2成功提示权益市场回调风险，指导35名客户降低股票型基金仓位至45%，规避约1200万元潜在损失，客户复购率同比提升18%。
• 牵头私募股权与FOF产品销售攻坚，通过深度尽调筛选12家优质管理人，设计“核心+卫星”配置组合并配套路演、尽调报告等增值服务；年度内完成2.1亿元私募产品销售，占部门总销量的37%，其中3只产品持有期超2年的客户占比达68%，实现长期资金沉淀。
• 搭建高净值客户分层服务体系，依托CRM系统挖掘客户生命周期事件（如子女教育、退休规划），联动家族信托、保险金信托团队提供交叉解决方案；服务客户中家族客户占比从12%提升至25%，单客AUM均值增长41%。

服务50-500万零售客户，聚焦标准化产品销售与基础资产配置，核心指标为客户资产留存率与新客转化率。

• 独立负责300+零售客户的日常投顾服务，运用标准普尔家庭资产象限图为客户建立“保值-增值-保障”三层账户体系；通过月度调仓建议与市场解读直播，推动客户基金持有周期从6个月延长至14个月，资产留存率从65%提升至82%。
• 深度参与投研晨会与策略会，将宏观政策、行业景气度等专业信息转化为“低门槛话术”，每周输出《普通投资者可关注的3个机会》图文报告；2021年新能源板块行情中，精准提示光伏ETF配置窗口，覆盖客户平均收益率达38%，获评公司“月度最佳投顾”。
• 优化客户服务SOP，引入智能投顾工具辅助完成基金诊断与组合调仓建议，将单客户服务响应时间从48小时压缩至2小时；推动线上投教专栏建设，累计制作120期短视频，客户互动率提升27%，新客转化率从8%增至15%。
• 超额完成年度公募基金销售指标，个人销量达1.2亿元，其中“固收+”产品占比62%，客户持有期超1年的比例达75%，位列部门前3。

协助资深投资顾问完成客户服务支持，涵盖需求收集、产品研究及基础数据整理，核心目标是快速掌握投顾业务流程与客户服务逻辑。

• 协助处理150+客户的KYC资料录入与初步分析，梳理出“客户风险承受能力-投资目标”匹配度评估表，被团队采纳为新人培训教材；参与季度客户回访，总结高频问题形成FAQ库，提升团队服务效率30%。
• 每日跟踪Wind、朝阳永续等数据终端，整理行业涨跌幅、基金净值波动等信息，制作《每日市场简评》供顾问参考；主导完成20只主动管理型基金的穿透式研究，输出包含费率、持仓风格、历史回撤等维度的对比报告，其中3只产品被纳入重点推荐池。
• 参与策划“新手投资者训练营”客户活动，负责课程设计、物料筹备及现场执行；活动吸引200+客户参与，课后调研显示85%客户表示“对资产配置有了清晰认知”，间接推动当月基金开户量增长50%。
• 负责顾问团队客户数据的清洗与分析，每月输出《客户持有结构报告》，揭示“单一资产占比超70%”等风险点，协助顾问针对性开展调仓沟通，团队客户风险分散度评分提升22%。

国盛证券零售客户交易链路效能提升项目

• 项目背景：公司零售客户交易佣金率连续3个季度下滑2bp，市占率较年初停滞在3.1%，经调研核心痛点是交易链路冗余（涉及柜台、CRM、行情、资讯4套异构系统）、订单处理延迟高（平均350ms），导致客户体验差、高频交易客户流失。项目目标是通过重构交易流转链路，将订单处理延迟降至100ms内，提升客户交易活跃度与留存率。我在项目中主导交易运营团队，联动技术研发中心、财富管理部完成端到端优化。
• 关键难题：一是多系统间数据同步依赖人工批量处理，订单从客户下单到柜台报盘存在18个节点的延迟；二是高净值客户（资产≥500万）与普通客户未差异化服务，高净值客户因响应慢转向竞品；三是异常订单（如废单、撤单超时）需人工排查，平均处理时间45分钟，占用30%运营人力。
• 核心行动：1. 技术层面，牵头采用Apache Kafka搭建分布式消息队列，打通异构系统实时数据同步，将订单流转节点从18个压缩至6个；2. 客户分层层面，基于客户历史交易行为（频率、金额、品种）、RFM模型及XGBoost机器学习算法，构建“交易活跃度-资产规模-风险偏好”三维画像，将客户分为“高净值高频”“普通活跃”“低频休眠”3类，匹配差异化订单优先级（高净值客户订单直连柜台，优先级提升4档）；3. 异常处理层面，开发“异常订单自动诊断系统”，用Drools规则引擎整合12类常见异常场景（如资金不足、标的停牌），实现异常识别-定位-解决全流程自动化。
• 项目成果：订单处理延迟从350ms降至78ms，交易成功率从89%提升至99.1%；高净值客户交易活跃度（月均交易次数）提升23%，该群体佣金收入年新增1860万元；异常订单处理时间缩短至4.7分钟，运营人力释放25%。我个人主导了跨部门需求对齐、技术方案落地及效果验证，创新性将分布式消息队列与机器学习分层策略结合，解决了零售交易链路的“卡脖子”问题，项目成果被纳入公司年度“经纪业务数字化转型标杆案例”。

平安证券机构客户大宗交易流动性提升与冲击成本控制项目

• 项目背景：机构客户大宗交易（单笔≥10万股或500万元）面临两大痛点——对手方匹配效率低（平均寻找到合适对手方需2.5小时）、执行冲击成本高（平均占交易金额的1.2%），导致2021年机构客户大宗交易留存率仅78%。项目目标是通过优化对手方匹配算法与执行策略，将对手方寻找时间缩短至30分钟内，冲击成本降低至1%以内。我在项目中负责大宗交易执行策略设计与落地，联动机构销售、算法团队完成策略验证。
• 关键难题：一是现有对手方数据库仅基于客户基本信息匹配，未挖掘交易偏好（如偏好大盘股/小盘股、日内交易时段）；二是执行算法单一（仅采用“时间加权平均价格”TWAP），无法适应流动性差异大的股票（如低成交量中小盘股）；三是缺乏实时市场情绪监测，决策依赖交易员经验，易出现“追高卖低”情况。
• 核心行动：1. 数据层，整合机构客户历史大宗交易数据（品种、数量、价格区间、成交时段）、Wind舆情数据（公司公告、研报评级）及实时行情（成交量、换手率），搭建“机构大宗交易偏好数据库”；2. 算法层，引入图神经网络（GNN）模型挖掘客户间潜在匹配关系，将对手方匹配准确率从60%提升至78%；同时定制“自适应执行算法”（Adaptive Algo），根据股票流动性（日均成交量、买卖盘深度）动态调整下单节奏（如小盘股采用“成交量加权平均价格”VWAP+限价单组合）；3. 决策层，开发“市场情绪预警模块”，用自然语言处理（NLP）分析舆情数据，实时提示“利好/利空”信号，辅助交易员调整执行策略。
• 项目成果：大宗交易对手方寻找时间从2.5小时降至28分钟，成交率从62%提升至81%；平均冲击成本从1.2%降至0.98%，其中中小盘股冲击成本降低21%；2021年四季度新增12家机构客户（主要为私募股权基金），贡献年度大宗交易佣金收入1230万元。我个人主导了策略设计与回测，推动GNN与自适应算法在机构交易中的首次应用，解决了大宗交易“匹配难、执行贵”的核心问题，项目成果获部门“年度最佳执行策略奖”。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。