负责职业教育用户全生命周期数据资产建设，主导学习行为分析与预测模型开发，驱动课程产品设计优化、运营策略迭代及B端客户ROI提升。

• 主导搭建职业教育多源数据融合平台，整合CRM系统（用户属性）、LMS平台（学习轨迹）、支付网关（交易数据）及第三方测评数据，通过Apache Airflow设计ETL调度流程，解决跨系统数据口径不一致问题，数据覆盖度从82%提升至98%，支撑后续精细化分析需求。
• 核心参与‘职业技能课程高潜用户预测模型’开发，基于XGBoost算法融合用户基础画像（年龄/职业）、行为特征（每日学习时长/章节停留率）、交互数据（问答区活跃度/资料下载量）等23维特征，通过网格搜索优化超参数，模型AUC值达0.89，较原逻辑回归模型提升15%；模型上线后辅助运营团队精准触达高潜用户，对应课程转化率从12%提升至34%，年增营收约800万元。
• 重构用户留存分析体系，创新性结合Cohort分组与生存分析（Kaplan-Meier曲线），识别‘项目实操课完成率<60%’为核心流失节点（流失率较完成组高41%）；推动产品侧优化实操课互动设计（增加实时代码纠错、小组协作任务），3个月内新用户30日留存率从28%提升至45%，对应LTV（用户生命周期价值）增长27%。
• 搭建B端职业教育机构客户ROI分析模型，通过归因分析定位渠道转化瓶颈——发现‘企业合作引流’渠道虽获客量大但完课率仅38%（低于均值15pct）；输出《企业端客户运营优化报告》，建议增加企业内训师跟学机制，推动市场部调整资源分配后，该渠道客户续费率从52%提升至68%，年度ARPU（客均收入）增长22%。

聚焦K12学科辅导业务，构建学生学习数据标签体系与效果评估模型，支持个性化学习产品设计及教学效果优化。

• 独立完成K12学生千万级作业数据清洗与标签化，使用Python Pandas结合正则表达式定义‘知识点掌握度’（基于错题关联考点）、‘学习韧性’（连续未交作业天数）等18个核心标签，标签准确率经人工抽样验证达92%；标签体系上线后，为智能学习推荐系统提供关键输入，周均个性化练习推送量提升4倍。
• 参与开发‘分层教学效果评估模型’，采用双重差分法（DID）对比实验班（使用分层作业）与对照班（统一作业）的成绩变化，控制学生初始水平、教师差异等混淆变量后，发现实验班单元测试平均分高9.2分（p<0.01）；结论推动公司全面推广分层作业功能，覆盖80%以上校区。
• 搭建教学质量动态监控看板，整合教师授课时长、学生互动率（弹幕提问/答题正确率）、作业批改及时率等12项指标，通过Tableau实现分钟级更新；看板上线后，教学管理部门定位低效教师效率提升70%，季度内教师平均授课评分从4.1分（满分5分）提升至4.4分，家长投诉率下降35%。
• 分析暑期直播课用户流失原因，通过漏斗模型发现‘课中互动断层’环节流失率达25%（即每4个进入直播间的学生有1个在开播30分钟内退出）；建议增加‘实时答题抽奖’‘连麦答疑’等互动机制，优化后暑期课完课率从61%提升至78%，续费率提升19个百分点。

协助完成用户行为数据统计、基础指标监控及简单归因分析，为业务团队提供数据支持。

• 负责用户核心行为数据日报/周报自动化，使用SQL编写取数脚本（涉及用户注册、课程观看、资料下载等10+事件），替代人工导出Excel的原始方式，数据处理时效从4小时缩短至20分钟，运营团队数据获取满意度从75%提升至95%。
• 分析‘国庆促销活动’用户参与路径，通过Google Analytics漏斗模型发现‘分享得优惠券’环节转化率仅4.3%（行业均值8%-10%）；建议调整分享激励规则（从‘分享后得券’改为‘好友报名双方得券’），活动期间新增用户环比增长52%，裂变系数从1.2提升至1.8。
• 协助搭建课程满意度预测模型，基于NPS评分与用户评论文本，使用SnowNLP进行情感分析并提取高频关键词（如‘进度太快’‘老师响应慢’）；输出《课程体验优化建议》后，产品侧调整章节时长（单节从45分钟缩短至30分钟）、增加讲师12小时内答疑承诺，课程满意度从82%提升至88%，退费率下降11%。

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。