负责K12学科辅导业务全链路数据挖掘与分析，覆盖用户行为、教学效果、运营转化三大场景，通过数据驱动教学产品迭代、精准运营策略制定及用户生命周期价值提升。

• 主导搭建K12用户行为数据指标体系，针对学员选课-上课-练习-续费全流程存在的20+数据孤岛问题，基于Hive+Spark完成多源数据清洗与关联，构建包含3级漏斗（流量曝光→试听转化→正价课购买）的动态监测模型，将数据提取耗时从48小时压缩至2小时，支撑运营团队实时定位转化卡点，Q4试听转化率较上半年提升18%。
• 设计学员分层运营策略，结合RFM模型与Cohort分析，将用户划分为高潜新客、稳定在读、即将流失、沉默回流4类群体，针对即将流失群体（占比15%）通过XGBoost预测其流失概率（AUC=0.87），联动教学部门定制「薄弱知识点补训+班主任1v1沟通」干预方案，3个月内高价值用户（LTV前20%）流失率从22%降至14%。
• 参与个性化学习资源推荐系统优化，基于学员历史做题数据（覆盖数学/英语/语文3科，累计120万+行为样本），运用协同过滤算法+知识图谱技术，构建「知识点掌握度-题目难度-学习时长」三维推荐模型，上线后学员日均有效练习时长增加25分钟，单元测试达标率提升12%。
• 搭建教学效果归因分析框架，针对家长关注的「提分效果」痛点，通过Shapley值分解法定位影响学员期末成绩的关键因素（课堂互动率占38%、课后作业完成度占29%、教师答疑响应速度占22%），推动产品侧优化直播课堂连麦机制与作业批改SOP，季度内家长满意度调研中「教学效果」维度评分从4.1分（满分5分）提升至4.5分。

聚焦K12在线小班课业务的用户行为与教学过程数据，协助搭建基础分析框架，支持运营活动效果评估及教学团队数据需求响应。

• 独立完成学员报名转化路径分析，通过Google Analytics 4追踪流量来源（信息流广告/转介绍/自然搜索）与落地页行为（试听课观看完成率、表单填写时长），发现「3分钟以上试听课观看用户」的付费转化率是整体均值的2.3倍，推动市场部优化广告素材时长，Q3信息流广告ROI提升28%。
• 设计教学过程监控看板，基于SQL从直播系统中提取教师授课时长、互动提问次数、学生举手率等15项指标，以Tableau可视化呈现班级间差异，帮助教研团队识别「互动率低于均值班级」的共同特征（如低龄段+新教师组合），针对性开展教学培训，季度内班级平均互动率从41%提升至55%。
• 支持用户分层运营实验，协助运营团队对沉默用户（30天未登录）进行短信触达测试，通过A/B测试对比不同文案（福利型vs. 学习进度提醒型）的唤醒效果，最终确定「学习进度提醒+限时优惠券」组合文案的点击率高出基准37%，该策略被纳入常规运营SOP。
• 处理历史数据补录问题，针对早期系统未记录的「课程回放观看数据」，通过Python编写自动化脚本清洗CSV文件（累计处理200GB+数据），补全10万+学员的回看行为记录，为后续「重复学习需求分析」提供完整数据基础。

协助整理K12素质教育（编程/科学实验）业务的用户基础数据，参与简单报表制作与业务问题数据验证，积累教育行业数据思维与工具使用经验。

• 搭建用户基础信息标签库，从CRM系统导出5万+学员的年龄、地域、报课类型等字段，运用Excel VLOOKUP与数据透视表完成标签分类（如「8-10岁编程初阶」「11-13岁科学实验进阶」），输出《用户画像简报》，为课程顾问提供精准沟通参考，当月新客咨询转化率提升5%。
• 验证运营活动效果，针对「老带新拼团」活动，手动核对前端页面报名数据与后台支付数据（差异率初始达12%），通过排查发现「跨时区支付未同步」问题，推动技术团队修复接口延迟，后续活动数据一致性提升至99%以上。
• 制作周度运营报表，整合报名量、完课率、退费率等8项核心指标，用条件格式标注异常值（如某校区退费率环比上升8%），协助主管快速定位「教师更换频繁」的班级，推动校区加强教师稳定性管理，季度内整体退费率下降3个百分点。
• 参与用户调研数据清洗，将2000份问卷的开放题文本（如「对课程的建议」）导入NVivo进行主题编码，归纳出「希望增加实操环节」「课件更新慢」等高频反馈，相关建议被产品部采纳，次季度更新的3门课程实操占比从35%提升至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。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。