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
你好，我是陈斯佳 一名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
运营/策略能力：用户增长、活动策略、转化漏斗、指标拆解
数据能力：SQL、A/B Test、可视化周报、指标分析
AI 应用能力：RAG 评测、Prompt 工程、Agent 工作流、Badcase 归因
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。
众安保险｜健康险事业部｜AI产品实习生（暑期实习项目）
围绕直播私域保险销售 Agent，推进 RAG 评测、模型选型与 Prompt 工程化建设
项目背景
参与直播私域保险销售 Agent 迭代，针对 RAG 评测依赖人工、模型选型口径不统一、单体 Prompt 维护成本高等问题，推进知识库评测、模型选型及 Prompt 工程化建设。
核心动作
RAG 评测与模型选型
搭建保险产品 RAG 评测集生成功能 MVP，基于 RAGAS 搭建模型评测体系，围绕 5 个核心指标评估模型 RAG 能力，建立的模型选型流程。
查看RAG评测集生成功能链接
Agent 产品设计与 Prompt 工程化
梳理保险销售业务流程，设计一期 Single Prompt Agent，定义路由、Skill 及输出 JSON；基于线上 Badcase 建立评测集，推动，拆分 System、Routing、Knowledge 等核心模块，引入 Validator 与分层归因机制。
数据分析与 Badcase 迭代
基于转化率、AI直接保费等核心指标开展业务分析，结合线上 Badcase 进行分类归因，定位知识库、Prompt、路由及 Skill 等问题，持续推动 Agent 回复质量与业务转化优化。
结果指标
服务用户
900+
运营期间累计承接用户数
AI直接转化率
+17%
相对提升 17%
人机保费
20w+
运营期间人机保费规模
美团｜体验管理和治理部｜AI策略产品实习生（Agent方向）
围绕口径差异、长尾事件识别与报告提效，推动 VoC 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，项目重点解决口径差异、长尾事件识别及 VoC 推广阶段异动分析报告依赖人工取数与经验判断的问题。
三个业务痛点
痛点一｜FAQ 与事件趋势逆向
同一类问题在 FAQ 标签与 LLM 事件口径下可能呈现相反趋势，影响问题识别与迭代判断。围绕该痛点，负责 FAQ 和事件趋势的差异功能设计，撰写 PRD 并梳理产品逻辑，结合 Prompt 迭代及 Badcase 分析持续优化功能分析效果，推动 MVP 上线。
痛点二｜长尾事件样本少但成本高
针对“外卖柜用户体验损伤”等样本少但业务成本高的长尾事件，联合产品运营明确事件定义及业务边界，对接数据标注团队制定标注规范，结合业务反馈持续优化事件定义并构建“选择题召回 + Few-shot + CoT”Prompt，最终事件准确率由 45% 提升至 80%+。
痛点三｜异动分析Agent 落地
VoC 推广阶段异动分析报告依赖人工取数与经验判断。围绕该痛点，完成业务流程拆解、Agent 工作流及 Skill 策略设计，基于 MCP 编排取数、报告分发等 Tool 功能，搭建 Agentic Workflow，构建多业务 2400+ 样本场景化评测集，基于 Badcase 分析迭代；最终到餐渠道准确率达 95%，报告产出时间从 4h 缩短至 5min。
结果指标
事件准确率
45% → 80%+
长尾事件识别与定义能力提升
准确率
95%
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
快手｜食品生鲜行业｜行业产品实习生
用增长策略、A/B Test、直播溯源与新人复购链路，驱动生鲜土产大促增长
项目背景
618 大促期间，食品生鲜行业需要推动土产频道 GMV 增长。生鲜食品具备冲动性与高即时性消费特征，核心问题是如何在有限窗口内激发购买欲、提升转化，并承接新客复购。
核心动作
跨频道精准拉新
选择“返金币”频道做流量交叉渗透，面向潜在生鲜用户包进行 A/B 测试，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，并完善直播溯源下“曝光—点击—下单”漏斗，优化流量分配和内容策略。
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与经纪人真实作业需求匹配度不足，CTR 仅 4.2%。项目目标是通过首页产品迭代，提高核心功能触达效率，增强经纪人作业活跃度与房源推广转化。
核心动作
需求挖掘
通过 9 大区域问卷调研定位“房源推广”和“房源匹配”需求，参与撰写 7 份 PRD，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。
