竞赛 1
挑战杯黑科技赛道创新国家级二等奖（2/10）
分工：参与数据分析，采用 XGBoost 预测保鲜效果，CNN 识别菌落腐败。
PRODUCT / OPERATION / STRATEGY / AI
陈斯佳
AI、策略、数据驱动的产品/运营候选人
我关注产品设计、用户增长、策略分析与 AI 应用，擅长从真实业务问题出发，完成需求拆解、数据分析、方案设计、实验验证与落地复盘。
04
段产品/运营实习
DATA
数据分析与策略判断
PM
需求拆解到落地验证
BASIC INFORMATION
基本信息
姓名
陈斯佳
联系方式
15167370012
邮箱
csj15167370012@163.com
教育经历
本科：浙江工商大学 / 经济学创新班 / 2021.09 - 2025.06
研究生：西南财经大学 / 应用统计 / 2025.09 - 2027.06
应用统计实践：通过 Coze 搭建
可视化报告产出 Agent
agent的工作流
交互界面
output页面
，用于辅助数据分析结果整理与报告生成。
能力概览
产品能力：需求调研、PRD、产品流程设计、功能验收、模块化架构设计
运营/策略能力：用户增长、活动策略、转化漏斗、指标拆解、KPI 监控体系
数据能力：SQL、A/B Test、可视化周报、指标分析、用户分层
AI 应用能力：RAG 评测、Prompt 工程、Agent 0→1 设计、模块化改造、Badcase 归因、评测体系建设
竞赛经历
竞赛 2
国家级大学生创新创业项目立项（1/5）
分工：作为项目负责人，统筹用户需求调研、竞品与市场分析、产品方案设计。
竞赛 3
浙江省挑战杯创业银奖（7/13）
分工：参与市场调研，采用 K-means 聚类划分目标客户群，AHP 评估市场需求。
INTERNSHIP EXPERIENCE
实习经历
众安保险、美团、快手、绿城中国 4段产品/运营实习经历（AI产品 + 策略产品 + 用户增长 + 营销增长）。
众安保险｜健康险事业部｜AI产品实习生（暑期实习项目）
参与两款 AI Agent 建设（众小保 + C端智能客服），负责 RAG 评测体系建设、产品架构迭代与评测体系搭建
项目背景
参与两款 AI Agent 建设：代理人端 RAG 问答（众小保）保险 RAG 评测依赖人工（单产品 2-3 人天），模型选型口径不统一；C 端智能客服 Agent 转化漏斗断崖（推荐→投保仅 13.5%），单体 Prompt 维护难、Badcase 归因慢。
核心动作
小程序搭建与 RAG 评测体系建设（众小保）
主导落地评测集生成 Bot（7 模块 Pipeline），实现保险产品评测集分钟级生成；基于 RAGAS 搭建 5 指标评测体系并设阈值，建立
RAGAS 评测指标体系的分层选型流程。
参与众小保小程序设计，从 4 个维度进行竞品分析，指导小程序页面设计与功能规划；负责数据埋点体系搭建、AI 客服页面建设及保费测算、优惠等核心功能。
查看RAG评测集生成功能链接
产品设计与架构迭代（智能客服）
负责智能客服 Agent 从 0→1 的产品设计，定义需求挖掘、存量激活等 12 个业务 Skill，并设计 Tool 机制，将 Skill 与后台系统 API 深度集成；主持
一期到二期架构演进，将单 Prompt 拆为 6 独立模块，实现变更隔离、检索硬约束与合规物理隔离，建立 
用户感知维度评分体系使 Badcase 归因从小时级缩短至分钟级。
Prompt 评测体系与数据驱动迭代
建立 
3 层标准评测集与 
5 维评分体系，设定 
15 项硬门槛标准，产出完整智能客服 Agent Prompt 评测 SOP；搭建 22 项 KPI 漏斗监控体系，形成"分析→优化→灰度→全量"迭代数据飞盘，持续推动 Agent 回复质量与业务转化优化。
结果指标
AI 承接率
91.51%
智能客服 AI 承接率
AI直接转化率
1.93% → 3.57%
剔除 T0 退保，相对提升约 85%
人机总保费
40w+
运营期间人机总保费规模
美团｜体验管理和治理部｜AI策略产品实习生（Agent方向）
围绕长尾事件识别与报告提效，推动 VoC 事件体系建设与 Agent 落地
项目背景
回声VoC平台从 FAQ 标签向 LLM 事件体系迁移。长尾事件（如外卖柜体验损伤）F1 不足 45%，依赖人工筛查；VoC 推广阶段异动分析依赖人工取数与经验判断，单份报告耗时 2.5-3.5h。
核心动作
长尾事件体系建设
拆解事件定义为正/负样本及边界 Case，联合算法与标注团队构建 RAG 知识库与候选事件召回链路，设计"选择题召回 + Few-shot + CoT"Prompt，建立分层评测集驱动 Badcase 归因迭代。
方案选型与架构设计
对比 SQL 看板、BI 报表等 4 种方案后选定 Agent 路径，设计 LLM 与确定性工作流分离的四层架构——LLM 负责意图识别与异常沟通，后端工作流执行取数→计算→报告→分发，核心数值可复算。
Agent 落地与评测闭环
完成业务流程拆解与 Skill 策略设计，基于 MCP 编排取数、报告分发、定时触发等 Tool，搭建端到端 Agentic Workflow，构建场景化评测集并建立 6 维评分体系，形成端到端自动化链路。
结果指标
体验问题 F1
45% → 85%+
体验问题识别 F1 score 显著提升
到餐准确率
95%
异动分析 Agent 到餐渠道准确率
报告产出时间
4h → 5min
异动分析报告产出时间缩短
快手｜食品生鲜行业｜行业产品实习生（用户增长方向）
以北极星指标 GMV 与用户 LTV为锚， 用 AARRR 模型框架， 数据驱动食品生鲜频道用户增长
项目背景
围绕食品生鲜频道北极星指标 GMV、用户 LTV，以 AARRR 模型为框架，通过数据驱动用户增长。生鲜食品具备冲动性与高即时性消费特征，重点在于低成本获客、复购承接与直播转化。
核心动作
跨频道精准拉新
通过 SQL 提取用户行为数据识别食品生鲜高潜用户，通过跨频道交叉拉新实现低成本获客及流量渗透，设计 A/B 测试验证引流效果，15 天内实验组较基准组转化率提升近 8%。
复购与直播转化
设计"新人三单礼"与 Push + 优惠券复购链路，完善直播溯源下"曝光—点击—下单"漏斗，优化流量分配与内容策略，通过用户行为与归因分析落地增长策略 SOP。
可视化复盘
1 / 5
结果指标
转化率
+8%
15 天内实验组较基准组提升近 8%
GMV
20%+
频道 GMV 同比增长
新客购物频次
50%+
新客月均购物频次显著提升
人均停留时长
40%+
人均停留时长提升
绿城中国｜数字营销部门｜产品实习生（营销增长方向）
从产品调研出发，完成首页迭代、SQL 周报与策略复盘
项目背景
绿城云小程序首页功能以信息浏览为主，与经纪人房源推广需求匹配度不足，CTR 仅 4.2%。项目目标是通过首页产品迭代，推动首页向经纪人工具转型，提高核心功能触达效率与房源推广转化。
核心动作
需求挖掘
分析购房者与经纪人需求差异，通过 9 大区域问卷调研定位推广痛点，7 份 PRD 推动首页向经纪人工具转型，将经纪人反馈转化为首页迭代方向。
首页策略迭代
设计内容推荐权重与核心入口布局 2 组 A/B 测试，使用 SQL 输出 10+ 份可视化周报，支撑策略复盘。
结果指标
CTR
4.2% → 6.8%
首页点击渗透率提升
业务结果
+35% / +22%
房源推广率增长，经纪人活跃度同比提升
SELECTED WORK
项目经历
1 / 5
01
异动分析 Agent
- 项目背景
-
过去体验团队每周做万服异动分析时，需要人工跑 SQL 查数、导出数据、对比两期指标、撰写分析结论并分发报告，全流程通常耗时 4-5 小时，且结论高度依赖运营经验。
为提升体验分析效率，我参与设计“AI Agent + Skill”链路，将一次需求触发后的“取数-口径校验-异动拆解-HTML 报告生成-多人分发”串联起来，核心目标是把被动人工分析转为可复用、可评测的自动化分析流程。
- 我的角色
-
我主要负责异动分析 Agent 的产品侧拆解与 Skill 策略设计：
1、梳理从“产品/运营提出需求”到“相关人收到报告”的完整流程，拆分friday-mcp 数据获取、魔数 MCP 两期数据查询、experience-anomaly-report 多维拆解、s3plus-upload 报告上传、大象机器人分发、定时触发、学城文档同步等能力模块；
2、定义万服、WoW/YoY、服务量变化占比、7 维度拆解和异常口径校验规则；
3、搭建多业务场景化评测集，基于 Badcase 持续优化分析准确性。
- 结果 / 产出
-
用户输入查询意图后，Agent 可完成意图识别、数据查询、异动计算和 HTML 报告展示，支持用 Skill 生成分析报告。
到餐场景中，异动分析准确率验证达到 95%，报告生成时间从人工 4-5 小时压缩到约 5 分钟。
当前版本仍是作品集 Demo / 主链路验证阶段，S3 上传、大象分发、定时任务、权限隔离和学城同步尚未完全生产化落地。
