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学科素养AI测评系统研发及规模化落地项目

• 项目背景源于“双减”政策下K12教育从“知识应试”向“素养导向”转型，公立校与头部机构亟需精准评估学生学科思维、探究能力等核心素养的工具。项目目标是研发一套覆盖“认知-思维-价值”三维12项素养指标的AI测评系统，支持自动化出题、多模态答题分析与个性化能力报告，落地到全国公立校及素质教育机构。我在项目中承担技术牵头人职责，负责整体架构设计、AI模型优化及全链路落地推进。
• 项目核心难点有三：一是素养维度的颗粒度与数据标注一致性——传统测评数据多为客观题，难以映射到“批判性思维”“问题解决”等抽象素养；二是小样本场景下的模型泛化能力——部分素养（如“创新表达”）缺乏大规模标注数据；三是多端（PC/平板/手机）适配下的性能瓶颈——测评涉及视频、文本等多模态输入，页面加载慢易导致学员流失。技术上，我选择用BERT-base预训练模型做语义理解，结合自研“素养-知识点”知识图谱拆解测评维度；针对小样本问题，采用迁移学习（用通用语料预训练+少量专家标注数据微调）；多端则用Flutter框架实现跨平台，结合CDN加速与懒加载优化性能。
• 关键行动中，我首先联合北师大教研团队定义素养指标体系，设计“锚定题（客观题定位基础能力）+开放题（主观题评估高阶素养）”混合测评模式，并引入主动学习算法——让模型自动筛选“边界样本”（即模型判断存疑的题目）推送给专家标注，将标注量从预期的5万条减少到1.2万条。其次，针对“创新表达”这类小样本素养，我将通用大模型的上下文学习能力迁移到测评场景，用少量学员的开放题回答微调模型，使其能识别“观点新颖性”“逻辑连贯性”等特征。最后，为解决多端性能问题，我将测评页面的核心组件拆分为原子化模块，通过Flutter的Tree Shaking技术减少打包体积30%，同时用Redis缓存高频访问的用户画像数据，将页面加载时间从3秒压缩至800毫秒内。
• 项目成果：系统上线6个月内覆盖全国12个省份320所公立校、160家素质教育机构，累计完成120万次测评。测评准确率从初期的78%提升至92%（经教研团队盲测验证），帮助客户降低45%的人工阅卷成本；个性化能力报告的家长满意度达91%，推动合作机构的续费率提升28%。我个人主导了从需求调研到落地的全流程，申请了“基于知识图谱的学科素养测评方法”等2项发明专利，同时沉淀了一套“素养导向AI测评”的技术标准，成为公司后续教育AI产品的核心框架。

职业培训线上线下融合（OMO）学习平台迭代项目

• 项目背景是职业培训领域长期存在“线上学不会、线下效率低”的痛点——传统OMO平台仅做“线上录播+线下集训”的简单拼接，学习数据不打通，学员个性化需求未被满足。项目目标是迭代公司的职业培训OMO平台，实现“线上预习-线下互动-线上巩固”的闭环，通过数据打通生成个性化学习路径，提升学员完课率与就业转化率。我在项目中担任产品技术负责人，负责需求分析、产品功能设计与后端微服务架构搭建。
• 核心难点在于三方面：一是线上线下数据融合——线下课的签到、互动、实操评分需同步到线上，且要与线上练习、测试数据关联；二是个性化路径的动态调整——职业学员的学习目标（如考证书、学技能）差异大，静态推荐模型无法适配；三是跨端学习连贯性——学员可能在地铁上用手机看录播，到教室用平板参与互动，需保证学习状态不中断。技术上，我选择Spring Cloud搭建微服务架构，用MySQL存储结构化数据（如学习记录、课程信息），Redis缓存高频访问的用户画像，同时用XGBoost算法构建学员能力预测模型。
• 我的关键行动包括：1. 设计“统一学习数据模型”——将线下课的“实操评分”“小组讨论贡献值”等非结构化数据转化为结构化字段，通过ETL工具实现每小时一次的实时数据同步，让线上线下的学习行为都能进入同一画像体系。2. 开发“动态学习路径引擎”——结合学员的“基础能力测评结果”“学习目标（如考消防工程师）”“学习习惯（如每天学1小时）”，用协同过滤算法推荐“线上微课+线下实训+专项练习”的组合路径，每周根据学习进度自动调整。3. 打造“跨端学习连接器”——学员在线下课结束后，平台会自动推送线上“知识点巩固练习”（关联线下实操内容）；线上学习遇到难点时，可预约线下导师的“15分钟答疑课”，实现“学-练-问”的无缝衔接。
• 项目成果：平台迭代后，核心指标显著提升——学员完课率从55%升至78%，单学员平均学习时长增加40%；就业转化率（完成课程后3个月内找到对应岗位）从32%提升至58%，成为公司的核心获客产品。我主导了“数据打通”“个性化路径”“跨端联动”三大核心模块的开发，优化了12个关键业务流程，同时沉淀了“职业培训OMO数据闭环”的方法论，帮助公司拿下3个头部职业院校的合作项目。个人也实现了从“技术执行”到“产品技术负责人”的成长，学会从业务价值反推技术选型。

• 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。