张逸轩 · AI Product Manager

负责零代码AI训练平台的用户需求调研，深度访谈15家种子客户的模型训练师与业务负责人，提炼30余项核心需求与痛点，输出分级PRD，推动MVP聚焦“拖拽式训练流”与“模板化配置”等关键功能。

系统梳理国内外5款主流零代码/低代码AI平台的功能矩阵与定价策略，形成竞品分析报告，为产品确立“模型训练模板化、面向非技术用户”的差异化定位提供决策支撑。

独立完成训练任务配置、数据集管理及模型评估可视化等模块的Figma高保真原型设计，通过3轮可用性测试优化信息架构与操作路径，减少前端返工约20%。

作为产品助理嵌入7人敏捷团队，管理Sprint需求池并主导验收，建立“用户反馈-优先级-迭代上线”闭环，推动6个双周版本按时交付，平台周均活跃训练任务数提升35%。

建立训练任务全流程数据观测体系，定义“任务创建→数据上传→训练完成”漏斗指标并推动埋点落地，据此优化引导流程，将新用户首次训练成功率由62%提升至78%（+16个百分点）。

负责某事业部智能客服与推荐策略双产品线的版本规划与迭代管理，协同算法、工程、运营制定季度路线图，5个关键迭代按期落地，功能延迟率控制在3%以内。

深度分析会话日志与用户满意度问卷，定位多轮对话中意图漂移与长尾识别不足等瓶颈，优化澄清话术与槽位抽取策略，将客服自助解决率从61%提升至78%，转人工率下降22%。

针对推荐场景冷启动效率低与效果衰退，设计并落地用户兴趣试探与针对性退避机制，通过多轮A/B实验验证，新用户次日留存率提升6个百分点，整体推荐CTR提升12%。

整合关键行为事件与策略生效数据，构建产品数据监控仪表盘，将迭代复盘周期从天级压缩至小时级，策略调优响应速度提升约30%。

面对内部IT人力资源紧张、重复咨询占比高的问题，调研200余份历史工单与员工行为，确立“自助解决率”为北极星指标，主导基于大语言模型的从0到1立项。

设计对话机器人整体产品方案，搭建检索增强生成（RAG）链路与多轮对话控制，编写并持续迭代多层Prompt指令与安全护栏，将碎片化内部知识转化为可控、可检索的对话服务。

构建自动规则与人工抽检相结合的分层评测体系，通过周级badcase复盘驱动检索切片与Prompt策略快速迭代，将回答可用率从68%优化至88%、幻觉率控制在5%以下。

推动产品内部全员上线并协同IT团队落地运营，问题自助解决率相较上线前提升40%，月均转人工会话量下降35%，有效释放IT支持人力。

负责电商业务线推荐策略后台重构，针对运营变更依赖开发硬编码、平均上线周期达3天的痛点，设计可视化策略编排工具，支持算法模型、用户分层与物料规则的灵活组合配置。

利用SQL提取用户画像与行为事件数据，搭建推荐场景核心指标监控看板，实时映射推荐点击率、转化率等关键指标到策略效果评估中。

落地全流程A/B实验机制，将策略实验从需求提出到全量上线压缩至0.5个工作日，运营自主配置覆盖率达85%，月度策略迭代数量提升3倍。

基于人群细分与多组A/B测试持续调优策略组合，使首页“猜你喜欢”场景的点击率（CTR）相对提升7%，人均商品浏览数提高12%。

针对平台用户行为数据缺失，主导设计零代码AI训练平台核心路径埋点方案，覆盖模型创建、数据标注、训练触发等12个关键事件，为功能迭代奠定量化数据基础。

利用Tableau搭建产品核心行为事件分析看板，整合前后端埋点与业务数据，实现活跃度、功能渗透率及留存曲线的实时可视化，将迭代决策数据获取时间从平均3天缩短至半天。

搭建用户从“上传数据”到“完成训练”的漏斗分析模型，精准定位数据预处理环节流失率高达55%，推动优化交互引导与示例模板，使该环节转化率提升19个百分点，带动整体训练完成率提升13%。

产出双周产品健康度数据报告，基于看板洞察排定功能优化优先级，协助团队将资源聚焦于关键流失节点，累计推动4项重点功能改进进入迭代排期。