用数据定位问题
用实验验证判断
用看板推动行动

ByteView 互联网内容平台 - 用户增长与推荐效率分析项目

GitHub：github.com/cbumyl/byteview-portfolio｜2026.04 - 2026.05

围绕内容平台创作者增长乏力与推荐效率下降问题，完成从数据建模、异动分析、推荐归因、AB 实验到 Tableau 看板交付的完整用户增长分析项目。

• 数据建模与链路优化：针对内容平台创作者增长乏力和推荐效率下降的痛点，整合 10 万用户、1 万创作者、321 万曝光数据，自主构建用户、创作者、内容、曝光等 12 张原始业务表；搭建 SQL + Python + Excel 三层数据链路，设计全量校验脚本，标记 2056 条孤儿曝光、116 条异常播放，修正 DAU 跨垂类重复计数（高估 43.8%），完成 33 项 PASS、4 项 WARN、0 项 FAIL 校验，为 Tableau 看板提供可复用数据源，实现核心指标独立监控。
• 异动分析与看板维护：搭建 CTR、完播率、曝光份额等 10+ 核心指标体系，按 Normal / Anomaly / Recovery 阶段对比避免误判；发现全平台 DAU 稳定但泛知识垂类表现异常，拆解核心指标发现 CTR 下降 0.49pp、完播率下降 11.04pp、曝光份额下降 4.6pp；结合“创作者供给 - 内容池 - 推荐曝光 - 消费效率”全链路，定位腰部创作者日均投稿下降 46.2%、曝光份额下降 21.2pp为核心原因，形成完整归因证据链。
• AB 实验与 Skill 沉淀：针对腰部创作者供给不足，设计创作者激励 AB 实验，制定稳定冷启动流量包和垂类创作任务策略；通过分组对比监测日均投稿率、优质内容占比、曝光份额，实验后日均投稿率提升 5.2pp、优质内容占比提升 4.6pp，输出 4 页 Tableau 看板、11 张聚合 CSV、SQL 脚本及 GitHub 交付版，封装可复用分析 Skill，可节省同类项目 40%+ 时间成本，形成完整“数据建模 -> 异常分析 -> 激励实验 -> 成果沉淀”闭环。

QuickMart 电商平台 - 用户转化与留存优化项目

GitHub：github.com/cbumyl/quickmart-portfolio｜2026.02 - 2026.03

围绕即时零售电商平台新用户首单支付率下降和 D1 留存低迷问题，完成从数据基础搭建、异动归因、AB 实验到 Tableau 看板维护的完整转化优化项目。

• 数据基础搭建与质量管控：针对即时零售电商平台新用户首单支付率下降和 D1 留存低迷问题，整合 6 万用户、16.7 万行为事件、6.24 万库存快照数据，构建用户、渠道、SKU 等 10 张原始业务表；使用 Python（pandas/numpy）+ SQL + Excel 数据透视表完成数据清洗、重构与标准化，设计多维度校验脚本，输出 Markdown 校验报告，将数据异常率从 1.19% 降至 0.2%，校验覆盖率 100%，为 Tableau 看板提供可复用数据源。
• 异动分析与看板维护：搭建首单支付率、D1 留存率、渠道贡献、SKU 库存覆盖率等 12 项核心指标体系，结合漏斗分析和维度下钻，对不同渠道和城市进行交叉分析；发现信息流渠道负贡献及爆款 SKU 缺货为转化下降核心原因（结算 -> 支付下降 16.8pp，高缺货城市转化明显下滑），形成完整归因链，输出可落地优化报告与建议，并将分析指标独立封装于 Tableau 看板，便于后续跟踪、监控和数据复盘。
• AB 实验与成果沉淀：针对库存不足问题，设计“库存提示 + 替代推荐 + 优惠券提醒”组合优化 AB 实验，将符合条件的新用户按逻辑分组监测指标变化，通过 AI Agent 拆解实验逻辑、生成分组脚本；实验结果显示首单支付率从 4.05% 提升至 4.69%（相对提升 15.8%），结算 -> 支付转化率提升 2.60pp；输出 6 页 Tableau 看板、指标口径字典及 GitHub 交付版。

Apple Intelligence 增长策略与发布路径

围绕 GenAI 向 Agentic AI 迁移，完成资料交叉验证、趋势拆解、战略建议与商业测算，输出英文报告与商赛级 PPT。

• 行业趋势与数据调研：完成 43 条资料交叉验证，筛选有效资料 38 条，剔除无效信息 12%，分析 GenAI 手机渗透率从 19% 至 70%（2024-2028）的结构性变化，建立包含 5 大维度、18 项指标的结构化研究表。
• 策略建模与商业测算：构建“技术基础 - 隐私护城河 - 增长引擎”三支柱框架，建立 3 年 100 亿美元投入与收入路径测算，提出 2030 年服务收入超 1000 亿美元目标，测算误差控制在 5% 以内。
• 汇报交付：借助 Claude Code、Codex 等 AI Agent 梳理行业研究逻辑、优化 PPT 排版与英文摘要表述，产出 15 页商赛级 PPT 及英文研究摘要，将复杂行业信息转化为“趋势判断 - 竞争定位 - 增长路径”的结构化汇报，最终获课程满分。

个人复盘成长 App

定位为数据分析与商分研究效率工具，用于展示 AI Agent、提示词调试、知识管理和 Skill 自动化能力。

• Problem：学习与项目信息分散，难以稳定复用，导致分析效率和复盘质量波动。
• Approach：拆解“采集 - 结构化 - 检索 - 输出”流程，基于开源项目与个人需求设计知识管理、项目复盘和数据分析工作流。
• Key Findings：高频低价值动作是主要效率损耗点，可通过 Agent 自动化、提示词模板和 Skill 封装降低重复劳动。
• Recommendations：以多 Agent 协同替代重复流程，把更多时间集中在业务判断、数据验证、策略推演与汇报表达。
• Metrics：通过内容增长与复盘产出验证效果：单条 AI 教学内容播放量 3 万+，单条点赞 + 收藏 3000+。