Portfolio Presentation

Personal Introduction

Lorraine Lin’s Portfolio

港城研0 · AI产品学习中 · ENFJ · 雅思7

小红书：是树小姐

https://xhslink.com/m/tZ2qiZgIt4
针对 AI 下沉市场巨大的学习需求，持续输出“好用、善用的 AI 工具”内容，已积累 3500+ 粉丝。

AI Product Growth Full-stack Collaboration Content & Community

Lorraine ｜ 2026.03

Capabilities

核心能力 & 个人优势

个人优势

能借助 AI Coding 工具完成从 0 到 1 的 Web 应用部署，对前后端协同与全栈流程有整体理解。
兼具商业化运营与产品视角，能够在业务目标、用户需求与产研协作之间做平衡与推进。
雅思 7 分，性格外向，具备较好的跨部门沟通、需求对齐和方案推动能力。
有较强的数据思维，掌握 SQL 与 Python 基础数据清洗，能支撑分析、实验与策略复盘。

能力栈

语言

雅思 7.0，英语四六级通过，口语流利；本科期间学院采用全英授课。

常用 AI

GPT、Gemini、Cursor、豆包、Claude Code。

技能

Excel、SQL、Python（基础）、Figma 原型图设计、Tableau 可视化看板搭建、Google 搜索广告认证。

其他

机器学习基础（Google 高级数据分析证书）、A/B 测试、腾讯未来产品经理训练营项目认证与课题作业输出。

SQL Python Figma Tableau A/B Testing Prompting

Projects Overview

项目经历

围绕“搜索 × AI”与“浏览器 × AI”两个方向，分别完成了行业研究与业务课题交付，形成了从行业洞察、用户需求分析到功能设计与落地规划的完整项目经验。

搜索 × AI 业务调研

文档链接：搜索+AI 调研文档

系统梳理搜索与 AI 融合业务的主流产品形态、交互方式与体验差异，搭建行业认知框架。
从产品能力、用户体验、信息组织方式等多个维度进行横向对比，提炼当前同质化问题与关键机会点。
进一步提出对未来搜索产品范式演进的思考，关注从“信息匹配”走向“辅助判断与决策”的价值升级。

腾讯未来产品经理训练营：QQ 浏览器业务课题

文档链接：QQ 浏览器课题作业交付文档

基于浏览器场景分析用户在智能搜索、内容获取与任务处理中的核心需求与痛点，拆解产品增长方向。
结合 AI 技术趋势，围绕 QQ 浏览器探索创新功能设计，强调浏览器从“工具入口”向“智能助手”升级。
输出包含需求洞察、功能方案、优先级判断与实施思路的完整课题作业，体现产品策划与结构化表达能力。

2

核心项目文档
行业研究 + 业务课题

3层

输出结构
洞察 / 方案 / 规划

AI

聚焦方向
搜索体验与浏览器智能化

Core Project 01

AI 产品调研 Agent 设计

项目拆解

场景驱动设计：针对 AI 产品功能快速迭代背景，识别传统功能调研中“搜索—阅读—排版”的重复性低效链路，设计具备自主决策能力的调研 Agent。
全流程自动化：串联信息收集、特征提取、深度分析、结构化问答文档产出，形成可复用的研究工作流。
模型选型逻辑：基于“成本—效果”双维度进行模型筛选，并从内容真实性、分析完整性、排版规范性、语言专业度四个维度建立评测体系，最终确定 GLM4.7。
提示词工程：将任务拆解为信息获取、特征提取、多维分析、文档生成四步，采用 CoT + few-shot 构建“role-task-workflow-输出约束”提示词模板。
业务结果：从技术支撑、交互设计、产品功能逻辑三个维度输出深度分析与创新趋势总结，实现每周简报自动推送。

报告产出效率对比

4

模型评测维度
真实性 / 完整性 / 规范性 / 专业度

3

分析视角
技术支撑 / 交互设计 / 功能逻辑

周报

实现每周简报自动推送
提升研究输出稳定性

Core Project 02

雅思口语 Part 3 应用全栈开发（0-1 负责，项目迭代中）

项目亮点

产品链接：https://speakingbox.vercel.app/ ｜ http://xhslink.com/o/3jZpS2mEHzj（交互效果展示）
需求挖掘与策划：深度调研雅思口语备考市场，识别传统产品仅停留在模拟对话或题库展示层面，无法解决考生在 Part 3 中“逻辑断层、思路零散”的核心痛点；据此明确“即时转写—评分—逻辑链条可视化—闭环重练”的产品形态。
原型与研发提效：基于 AI Coding + 原型验证快速推进产品从概念到可交互 MVP，原型验证效率较传统前端开发提升约 60%。
提示词优化与评测集：围绕雅思官方四维评分标准，撰写 CoT + 1-shot 提示词；手动筛选并清洗 50 组覆盖 Band 5.0–9.0 的真题与范文作为评测集。
效果验证：通过评测集验收，模型评分结果与专家标注一致性达到 95%，显著提升反馈的可信度与可用性。
全栈落地补充：负责需求定义、交互方案、Prompt 设计、评测流程、前端页面迭代与功能验收；以真实学习场景为驱动持续迭代评分反馈、逻辑可视化和重练闭环。

核心指标表现

60%

原型验证效率提升
相较传统前端开发流程

95%

模型评分与专家标注
一致性率

50组

人工筛选清洗评测集
覆盖 Band 5.0–9.0

Internship

实习经历

百度

自有流量与日本广告组 | 商业化产品实习生

2025.03 - 2025.06

背景与目标：为整合日韩地区自有及第三方流量的 DSP 广告平台，上线初期处于冷启动阶段，核心任务是在控制买量成本的前提下高效积累关键样本数据，提升曝光、点击、转化等核心指标的预估效率。
出价逻辑优化：针对多价格流量版位并行导致的样本累积效率与采买成本之间的权衡问题，分析不同价格层级流量表现，提出三套差异化出价方案；通过多轮 A/B 实验评估不同 deal 价格对竞得率、买量成本及样本质量的影响，推动出价策略从“价格优先”转向“模型 eCPM 为核心 + 成本为约束”的召回逻辑；优化后 CTR +17%、CVR +8%，在控制成本的同时显著提升有效样本累积效率。
特征体系及模型优化：CVR 模型 AUC 达到 0.75 后，基于业务经验分析投放数据，提出 2 项关键特征指标协助算法团队优化模型精度，并协同运营团队推进 TCPA 出价方式 50% 灰度测试，验证模型在实际投放场景中的效果表现；推动 CVR 模型 AUC 稳定提升至 0.85。灰度测试取得 CPI 下降 62.07% 的显著成效后，推动 TCPA 出价方式全量上线，实现模型能力向业务收益的高效转化。

美团

点评事业部 | 商业化广告运营实习

2024.11 - 2025.02

背景与目标：品牌客户在美团点评平台投放广告时，面临拉新、到店、转化等多重生意目标，需深入理解客户需求并制定差异化投放策略。通过需求洞察、精细化运营与数据归因，提升广告投放效率与客户满意度。
用户调研与需求挖掘：通过历史数据复盘与销售访谈，梳理不同客户在拉新、到店、转化等场景下的核心痛点，总结不同生意目标下的最优投放组合策略，为销售团队提供行业定向建议，形成可复用的方法论赋能销售提案。
投放运营与效果优化：独立完成 H5 页面设计与测试，根据客户生意目标制定差异化投放方案并推动落地执行；监测投放效果，从出价、定向、素材等多维度进行数据驱动的广告调优，持续优化素材生命周期管理与投放计划，月度信息流项目 CTR 指标完成率达 209.4%。
数据归因与团队协同：输出对内及对外结案分析报告，为销售决策与客户复购提供数据支撑，增强客户信任度；完成部门项目月报、周报制作，为长期复盘 CTR、消耗、eCPM 等核心指标提供数据支持，对 eCPM 过高项目及时预警；协同设计、产品、销售等部门建立快速响应机制，将问题处理时效缩短 40%。

Thank You

感谢观看

联系方式：lmn20031103@163.com
小红书：是树小姐（链接）
公众号：无边树
期待交流

AI Product Growth Thinking Data-driven Communication

支持电脑与平板浏览，键盘左右方向键翻页。