负责K12个性化学习平台全链路数据体系建设，覆盖用户学习行为追踪、多源数据融合、学习效果归因及业务侧数据赋能，边界包括数据采集埋点校准、个性化策略模型支撑、教学端数据看板开发及产品功能迭代的数据验证

• 主导搭建平台用户学习行为数据仓库，基于Hive+Spark完成12个业务系统（如备课、授课、练习、测评）的数据整合，解决此前数据分散在8个孤立数据库、标签一致率仅65%的问题；通过定义「知识点掌握度」「学习专注度」「错题复发率」3类核心指标体系，支撑个性化推荐模型接入，上线3个月后平台推荐内容的点击率从18%提升至32%，学生日均学习时长增加25分钟
• 针对「个性化学习路径效果难量化」痛点，引入因果推断方法（PSM倾向得分匹配+DID双重差分），对比使用路径推荐与未使用学生的3个月成绩变化，修正传统转化漏斗分析的「相关性≠因果性」偏差；结果显示推荐组平均提分11.2分，较对照组高4.8分，推动该功能成为平台核心卖点，带动季度付费转化率提升19%
• 支撑教学团队「薄弱知识点精准推送」需求，基于XGBoost构建「学生知识点漏洞预测模型」，整合学生的作业错题、课堂互动、测评轨迹等150+维度特征，模型AUC值达0.89；上线后教学侧推送的知识点精准度从62%提升至81%，老师备课时间减少20%，学生针对性练习的完成率从45%升至73%
• 建立「数据-业务」双向赋能机制，为教研、运营、教学团队定制3类数据看板：教研端关注「知识点覆盖度与学生易错率关联」，运营端关注「活动触达与学习行为变化的联动」，教学端关注「学生实时学习状态与干预效果」；通过Tableau+SQL实现看板自动化更新，让非数据岗人员能独立提取关键指标，跨部门数据沟通成本下降40%

聚焦K12学科辅导产品的用户学习数据挖掘，支撑课程设计优化、运营活动效果评估及教学效果验证，边界包括用户分层模型构建、课程转化漏斗分析、教学成果数据归因及跨部门数据需求响应

• 构建「K12用户生命周期分层模型」，结合RFM（最近一次学习、学习频率、学习时长）与K-means聚类，将用户分为「潜在付费者」「活跃学习者」「流失预警者」「高价值复购者」5类；针对「流失预警者」设计「个性化补学任务+专属辅导提醒」策略，通过Python自动化触达，该群体30日留存率从28%提升至45%，年度运营成本下降15%
• 分析「试听课转正课」转化漏斗，用Hotjar热力图发现83%的流失用户卡在「试听课互动环节」（如未完成随堂练习或未提问）；推动产品优化互动设计（增加强制互动节点+实时反馈），转化率从12%提升至26%，单月新增正课用户增加320人
• 验证「线上线下混合式教学」效果，用倾向得分匹配（PSM）选取1000名同特征学生（成绩、年级、地域一致），对比纯线上个性化班与纯线下班的期末成绩；结果显示线上班数学平均分高11.5分，且「错题复盘效率」提升40%，支撑公司将线上业务占比从35%扩大至58%
• 搭建「课程质量监测指标体系」，整合「学生课堂参与度」「课后作业完成率」「单元测试通过率」3类数据，用时间序列分析识别出「第3周课程」是全年课程的「流失拐点」；推动教研团队优化第3周内容（增加案例式教学+降低难度梯度），全年课程完课率从68%提升至82%

协助K12教育产品的用户数据统计与基础分析，支撑运营活动效果跟踪、产品功能初步优化及跨部门数据沟通，边界包括日常数据报表搭建、用户行为初步洞察及基础数据问题排查

• 用SQL+Excel搭建「每日运营数据报表」，涵盖用户注册量、活跃率、付费转化率、活动响应率等12个核心指标，实现数据实时更新；此前运营团队需手动整合3个系统数据，耗时4小时/天，报表上线后耗时降至30分钟，活动响应率从15%提升至28%
• 分析用户流失原因，用Logistic回归模型筛选出「课程难度不匹配」「互动性不足」「学习反馈慢」3个核心变量（解释度达72%）；向产品团队提出「增加课程难度分级」「优化评论区互动功能」「设置作业24小时内反馈机制」建议，实施后月度流失率从11%降至7%
• 协助优化产品新手引导流程，用Google Analytics追踪用户注册-激活路径，发现45%的用户在「填写学习目标」环节流失；推动简化流程（从5步减至3步，预设常用目标选项），注册转化率从38%提升至56%
• 每周收集竞品数据（用Scrapy爬取竞品官网、App Store评价及社交媒体反馈），整理成「竞品功能与用户痛点报告」；支撑产品团队调整迭代方向，例如针对竞品「个性化练习推荐弱」的痛点，推动上线「错题同类题推送」功能，上线1个月后该功能使用率达63%

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。