Background
Work Thesis工作核心

把WPS卖给用WPS的人

让低活转高活,高活变付费

Scroll for Projects

项目名称

用户积分体系从 0 到 1 搭建

项目背景 / 为什么做

一句话总结BBS 社区端外登录率较端内少 41%,流量缺口较大。通过搭建 BBS 社区用户积分体系,优化社区端外登录率、用户活跃度,从而进一步扩大可商业化的真实用户流量池。

我的行动

  • 1.「任务-积分」发放链路设计:奖励机制分层设计,将积分奖励向“高商业价值行为”倾斜。设计“在 WPS 知识库互动 / 登录 BBS 发帖 → 实时获得高额积分 → 积分兑换特权”的链路。用积分作为利益驱动,引导端外用户登录后产生更多活跃行为。
  • 2.成本与收益测算(ROI 管控):建立成本测算模型。测算“单个用户可获得最大积分数对应兑换奖励成本”以及“预期能够带来用户登录数”,实现较低的成本撬动高活跃。
  • 3.数据沉淀与分层运营:将积分获取与消耗能力作为用户标签,构建「高价值用户识别模型」。为后续定向商业化活动提供精细化人群支持。

执行与迭代 / 怎么做 & 效果如何

结果 / 带来了什么效果

  • 上线 1 周后,在严格控制发分成本的前提下,BBS 社区登录率提升 10%。

项目名称

会员订阅业务 - 增值组合产品设计与商业化变现

项目背景 / 为什么做

业务挑战在会员渗透率趋于饱和、纯订阅收入增速放缓的背景下,亟需寻找新的商业化增长第二曲线。

用户痛点存量高净值用户的单一软件 / 平台内权益已无法满足其多元化数字消费需求,续费动力不足;新用户对“纯虚拟权益”的价值感知较弱,首购决策门槛高。

整体策略 / 为什么用这个策略

  • 1.确立以「提升客单价与增强价值感知」为核心的增长策略。
  • 2.将大盘拆解为双线目标:针对存量在期用户做「跨界捆绑」提升续费客单价;针对新客做「低门槛高感知」的优惠组合促首购。
  • 3.主导从 0 到 1 设计并落地「组合商品专题」及「新人优惠页」,并成功复用于双 11、618 等大促节点。

执行与迭代 / 怎么做 & 效果如何

Phase 1:MVP 跑通与价值验证(1+1 固定组合)

  • 深度拆解 26 个竞品商业化页面,提炼出「普适性 × 高感知 × 营销包装」的选品模型。
  • 精选高频三方商品构建差异化捆绑方案,并制定严格的毛利测算与定价逻辑。
  • 活动支付率达 1.4%(大盘持平),单期创收 335.2 万,eCPM 同比 +9.8%。在未牺牲转化率的前提下,整体客单价由 214 元提升至 236 元(+10%),完成组合售卖商业模式的 MVP 验证。

Phase 2:数据驱动的策略迭代(N 选多动态组合)

  • 通过漏斗数据分析与调研,发现「1+1」固定捆绑模式缺乏灵活性,用户常因不需要其中某一项而放弃购买,成为支付转化瓶颈。
  • 推动策略向产品化升级,联合产研团队将固定组合迭代为「N 选多」自由组合模式,降低用户决策阻力。
  • 大促期间对超会 / 大会等核心高净值人群进行精准定向投放,较传统固定组合方式支付转化率提升 51%,实现客单价与转化率的双重提升。

项目名称

AI 运营提效探索

项目背景 / 为什么做

一句话总结运营侧长期面临需求排期积压、多源数据手工处理、成本核算效率低三大痛点,主动探索 AI 在协助页面交互视觉、数据、运营成本管控等方面的提效方式,系统性释放运营人力。

我的行动

  • 1.AI 生成可交互活动页视觉稿:传统静态稿沟通成本高、评审返工多。通过 AI 生成可交互 HTML 原型稿替代静态切图,需求方可进行点击交互预览,将模糊需求转化为可验证的视觉交互,成功实现一次定稿。
  • 2.NLP2SQL 与埋点数据分析:数据需求排期周期长,运营决策严重依赖数据团队。集成 Delper-OLAP 等数据 Skill,跑通运营侧自助取数链路,取数等待从数天压缩至分钟级。
  • 3.AI 协助积分运营成本智能监控:预算严控背景下,成本数据源分散、人工汇总每周耗时数小时且易出错。基于 Cursor Agent + Skill 搭建智能成本分析助手,将周度核算人力从数小时压缩至分钟级,已沉淀为可复用 SOP。

实习经历概述

2024年在WPS灵犀进行实习(六个月)、先前在滴滴出行担任产品运营岗的实习(五个月)。实习内容如下

1. 大模型效果评测与 Badcase 治理

  • 基于 3000+ 条真实用户 Query 进行标注与意图分类,明确核心用户需求;
  • 建立周常 Badcase 分析机制(单周处理约 250 条),按功能维度拆解问题,为产品优化提供明确方向。

2. 核心场景 Prompt 调优与竞品对比

  • 独立负责“学术改写”、“文本结构化”等高频场景的 Prompt 逻辑重构与参数调优;
  • 设计测试用例,与豆包、Kimi 等竞品进行多轮横向对比评测,验证并提升模型输出稳定性;
  • 优化后,核心功能的任务完成度提升 50%+,功能采纳率提升 5%。

3. 智能数据分析助手(0-1落地)

  • 负责数字员工的数据分析助手落地。针对当时大模型易混淆“日期”、“均值”等数据的痛点,制定数据预处理策略;
  • 在 Prompt 中补充“助理定义”与“指标定义”等业务逻辑,有效减少幻觉,使该场景任务完成率达 97%。
Contact