负责K12个性化辅导产品全链路数据体系建设，从用户行为追踪到教学效果闭环评估，通过数据挖掘驱动产品功能迭代与教学策略优化，支撑业务增长与用户体验提升；同时对接教研、运营、产品团队，输出数据洞察支撑决策落地。

• 主导设计覆盖“获客-转化-教学-续费”全生命周期的用户行为数据仓库，采用SQL+Python搭建自动化ETL流程，整合CRM系统、教学管理系统、APP端及第三方投放平台共12个异构数据源，解决此前数据分散、口径不一致问题；通过用户行为路径分析定位“试听课到正价课转化”的关键流失节点（如“试听课反馈等待时长超24小时”），推动技术团队优化反馈实时推送功能，线索转化率从19%提升至28%（涨幅47%）。
• 针对“学生学习效果差异化”痛点，基于XGBoost算法构建“学习投入度-知识漏洞-成绩提升”预测模型，整合学生做题时长、错题重复率、直播互动频次、作业订正及时性等18个多维度特征，模型预测准确率达82%；输出《高潜力学生识别指南》与《薄弱知识点干预方案》，帮助教学团队为试点班级320名学生定制补漏计划，期末平均分较对照班高15分（提升11%），重点章节掌握率从68%升至85%。
• 推动“个性化学习路径推荐”核心功能落地，通过K-means聚类将学生分为“基础巩固型”“能力提升型”“拓展探究型”3类用户画像，结合协同过滤算法与知识图谱推荐定制化习题包及微课资源；上线3个月后功能使用率达41%，用户日均使用时长增加23分钟，续费率较未使用用户高18个百分点。
• 搭建教学效果归因体系，采用Shapley值分析拆解教师授课风格（如“启发式提问占比”）、习题难度系数、学生预习率对成绩的影响权重，输出《教学因素贡献度报告》；推动教研部门优化教案中“互动环节占比”（从25%提至35%）与“分层习题设计”，试点教师的班级平均分提升12分，教学满意度从81%升至89%。

协助搭建青少年素质教育（编程、美术、运动）产品的数据分析框架，聚焦用户行为特征与课程效果关联分析，支撑课程内容迭代、运营策略调整及用户分层运营。

• 核心参与素质教育课程用户留存分析，用漏斗模型拆解“注册-试课-报名”转化链路，发现“试课反馈缺乏针对性”导致25%用户流失；推动产品团队上线“AI试课点评”功能（基于NLP提取“创意表达”“工具使用”等维度反馈），试课到报名转化率从18%提升至29%（涨幅61%）。
• 搭建课程满意度预测模型，通过BERT算法分析学生课后文本点评，提取“教师互动性”“内容趣味性”“成果展示机会”3个核心维度，模型预测课程满意度的AUC值达0.87；提前识别低满意度课程（预测得分<0.3）并推动运营干预（如调整教师配比、优化课程主题），课程复购率从31%升至42%（涨幅35%）。
• 负责用户画像迭代，整合学生兴趣标签（如“Scratch编程”“油画”“篮球”）、学习时长、付费金额等数据，用决策树算法优化标签体系（将标签颗粒度从“泛兴趣”细化至“具体技能需求”）；精准推送课程优惠券后，活动ROI从1.8提升至2.4（涨幅33%），高价值用户（年付费>5000元）占比提升11%。

协助收集、清洗教育产品基础数据，参与用户行为与付费转化的简单数据分析任务，支撑业务部门日常决策；同时学习教育数据指标体系与分析方法，为后续进阶打基础。

• 负责APP端用户行为数据日常采集与清洗，用Python Pandas库处理缺失值（如填充“未填写的性别字段”用众数）、异常值（如“单日登录100次”的无效数据），保证数据准确率达99.5%，为后续用户行为分析提供可靠数据源。
• 协助分析“用户登录频次与付费意愿”关系，用Pearson相关性分析发现“每周登录≥3次”的用户付费率较“登录≤1次”用户高42%；推动运营团队开展“连续登录7天领积分”活动，月活用户付费转化率从4.5%升至5.2%（涨幅15.5%）。
• 参与制作周度业务数据报表，用Tableau可视化“新增用户数”“付费率”“续费率”等核心指标，设置阈值预警（如付费率低于3%时触发提醒），帮助管理层快速定位业务波动，决策响应时间缩短50%。

K12阶段AI个性化作业系统从0到1落地及规模化迭代项目

• 项目背景：国内K12教培机构普遍面临作业同质化严重、教师日均批改时长超2.5小时/人、学生错题复发率达40%的痛点，家长与学校对“减负增效”需求迫切。我的核心目标是通过AI技术打造“精准推送-自动批改-薄弱诊断-辅导闭环”的个性化作业系统，助力机构降本提效，同时推动公司从“工具提供商”向“教学解决方案商”转型。
• 关键难题：初期遇到两大核心瓶颈——一是学生知识漏洞诊断准确率低，传统规则引擎仅能覆盖80%常见错题，“跨知识点综合应用”类错误识别率不足65%；二是大规模个性化作业生成效率低，单班级50人差异化作业需1小时/天，无法满足高频使用需求。我针对性引入“知识图谱+多模态学习分析”双引擎，联合北师大教育研究院梳理6大学科1200+细分知识点，建立标准化标注库，并将“作业行为序列”（答题时间、修改路径）纳入模型特征，同时用“模板化组件+AI动态组合”技术压缩生成时间。
• 核心行动：1. 主导跨部门协同，每周组织产品、算法、教研、销售四方会议，对齐北京某重点中学“作业难度匹配期中大纲”等一线需求，推动模型快速迭代；2. 设计“试点-反馈-优化”闭环，选取北京、上海5所头部机构作为种子用户，收集1200+份问卷后，将错题解析从文字版改为动画版，理解率提升28%；3. 攻坚技术难点，优化深度学习模型参数，最终将综合类错误诊断准确率提升至92%。
• 项目成果：系统上线6个月合作机构达120家（含20所区域头部连锁），教师日均批改时长缩短至1.2小时（下降52%），学生错题复发率降至15%；助力公司获“2023年度教育科技创新产品奖”，对应产品线年营收从300万增至435万（增长45%）；形成《K12 AI个性化作业实施指南》，成为行业参考标准。我个人也完成了从“产品经理”到“全链路解决方案负责人”的角色跃迁。

职业教育AI+VR一体化实训平台定制化搭建项目

• 项目背景：国内职业教育企业普遍存在“实训资源分散、复杂场景无法训练”的痛点——某电商运营机构反映，传统模拟实训仅覆盖“店铺装修”等基础环节，“用户画像分析”“大促策划”等复杂场景缺失，学员就业后需1-2个月才能上手；同时企业实训成本高（单学员月均耗材+师资超800元）。我的目标是搭建“AI+VR”实训平台，模拟真实工作场景，提升学员实操能力、降低企业成本。
• 关键难题：一是跨岗位场景泛化难，电商运营与机械维修的实训逻辑差异大，初期AI模型无法适配多场景；二是企业迭代需求响应慢，某机械维修企业要求“增加发动机故障排查动态场景”，传统开发需2周，无法满足快速变化的需求。我采用“模块化架构+场景库”设计，将内容拆分为“技能点模块”（如“ROI计算”“螺栓扭矩”）与“场景模块”（如“618大促”“故障排查”），并引入低代码配置工具。
• 核心行动：1. 主导需求拆解，访谈10家企业培训负责人，梳理200+核心岗位技能点，形成《职业教育实训技能图谱》；2. 创新低代码工具，让企业培训师可拖拽组件自定义场景，将新增场景时间从2周缩至2天；3. 打造“学-练-考-评”闭环，AI实时捕捉学员操作错误（如电商“关键词设置”失误），立即推送“原因+改进方案”，并通过VR模拟“客户拒绝”场景提升应变能力。
• 项目成果：平台落地3家大型职教企业，覆盖电商、机械维修、幼儿保育6个岗位，学员实操考核通过率从70%升至95%，企业实训成本降低25%（单学员月均600元）；帮助合作企业学员就业率提升18%（从82%到95%），某电商企业因此新增3个合作院校；积累“职业教育AI实训”解决方案经验，后续复制到5家新客户，贡献120万年营收。此项目让我具备了跨行业需求拆解与大客户方案落地的能力。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。