01 / 主要项目 · GEO
品牌 AI 可见性研究
面向“品牌在用户的哪些问题中被推荐”这一运营问题，把泛泛的健康分，拆成可复查的观测记录。
设计问题集记录模型回答核对引用制定复测计划
可体验：生成研究计划、筛选样本、导入 CSV、查看原始证据、导出复盘报告。
GEO 研究 · AI 应用运营 · 电商数据
把业务问题，变成
可验证的 AI 工作流。
我是肖沐沂，拥有电商推广与消费者运营经验。关注品牌如何被 AI 看见，也关注怎样把反复做的分析，转成能够复用、检查和改进的工具。
求职方向：GEO 运营 / AI 应用运营
两项交互演示，可直接在浏览器中体验。
GEO OBSERVATORY虚构样例 / 禾序 CRM
品牌被提及之后，
还需要看清证据。
从问题集，到回答记录，再到下一步行动。
12计划观测
11有效回答
2示例引擎
1 次采集失败单列；每个结论都能回到回答记录。
从真实业务出发
以下为原简历自述的电商业绩，
不代表 GEO 项目成效。
+15 pt丸美 · 胶原产品线销售占比
80%+丸美 · 白盒定向人群占比
+18%青木 · 大促 ROI 同比提升
SELECTED WORK
先看解决什么问题，再操作工具。每个项目都说明输入、输出与验证边界。
02 / 支撑项目 · AI 应用运营
投放分析工作台
把重复的数据复盘转成标准流程。先算清指标，再给出有依据的运营建议和下一轮测试问题。
校验数据汇总指标识别差异导出结论
可体验：导入 CSV、渠道筛选、加权指标、素材排行、规则摘要与分析提示词导出。
当前为基于原项目的求职展示重构版。新增界面与离线功能由 AI 辅助制作；内置数据为合成样例，非客户实绩。原项目说明见“经历与方法”。
我希望展示的，
是完整的运营思路。
把工具放回业务场景，面试官才能判断它是否有用。
01
把目标拆成可观测问题
从用户决策场景出发设计问题；区分品牌提及、明确推荐和引用证据。
02
把 AI 输出放进校验流程
保留回答、来源与口径。缺失信息单列，异常结果先核查，再进入结论。
03
把分析接到下一步动作
明确优化对象、验收方式与复测条件。结果不仅是一张图，也是一份工作计划。
从电商业务走向 GEO 与 AI 应用运营
已有业务经验提供问题感，项目实践展示方法和工具化能力。
01 / GEO OBSERVATORY
先有证据，再有判断。
围绕用户问题观察品牌可见性，形成可复查的研究记录与优化计划。
离线演示：内置“禾序 CRM”为虚构品牌；本页不调用模型或搜索引擎。导入你实际采集的记录后，指标会据此重新计算。
按问题看覆盖
每个问题单独统计。一次命中不能代表整体排名。
下一步运营动作
回答记录与证据
点击“查看”展开原始回答与来源| 问题 | 引擎 / 轮次 | 品牌提及 | 明确推荐 | 推荐位 | 证据 |
|---|
统计口径与限制
有效回答 = status 为 ok 的记录。提及率 = mentioned=1 / 有效回答数；推荐率 = recommended=1 / 有效回答数；引用覆盖率 = 有至少一个 HTTP(S) 引用地址的有效回答 / 有效回答数。引用存在不代表来源真实、相关或可靠，仍需人工核查。
失败记录不进入以上分母，但单列展示；成功但未提及品牌的回答计入分母。推荐位只有在回答明确排序时记录；无排序留空，不推定第一名。不同模型、时间与问题的结果只代表当前样本，不能推断全网排名。本版不生成综合健康分。
采集与验收约定
固定问题文本；至少选择 2 个引擎、每题重复 2 轮，记录模型版本、采集时间、联网状态和原文。每次新建会话，避免历史上下文干扰。
无品牌问题用于可见性评估；带品牌问题用于核对事实，分开统计。保存原始链接并人工核查关联主体，缺失标记“未知”。优化前后使用相同条件复测，同时保留采集失败记录。
准备观测记录
先下载模板。每行对应一次独立回答；失败的采集也需要保留。
字段说明
brand, query, engine, model, run, captured_at, status, mentioned, recommended, rank, answer, source_url
status 只能为 ok / error；mentioned、recommended 为 0 / 1。推荐必须同时提及。rank 可空或正整数。source_url 多条时用竖线 | 分隔。日期使用 ISO 格式并包含时区（如 2026-10-20T10:00:00+08:00）。单文件只放同一品牌，同一问题+引擎+模型+轮次不得重复。
文件与粘贴文本仅在此页面内存中处理，不上传、不自动保存；刷新页面会恢复样例。建议只使用已获授权、脱敏后的数据。
02 / CAMPAIGN WORKBENCH
让每次复盘，都能继续行动。
从素材投放数据里找差异，把指标、判断与待验证问题放在一起。
内置数据为合成演示。指标由浏览器真实计算；摘要由公开规则生成，不是大模型输出。点击“导出 AI 分析提示词”可交给你自己的模型进一步分析。
同名素材跨日期与渠道先汇总，再计算比率。
这份分析如何使用 AI
- 确定性计算交给程序
用总量相除计算 CTR、CVR 和 ROAS，避免简单平均各行比率。
- 解释与假设交给模型辅助
把汇总结果和指标口径放进提示词，要求模型区分事实、推测与补充数据。
- 预算决策保留人工确认
不同素材可能面对不同人群；观察性差异不等同于随机 A/B 测试结论。
当前数据明细
可查看分母与原始总量| 日期 | 渠道 | 素材 | 曝光 | 点击 | 成交 | 花费 ¥ | 成交额 ¥ | CTR | ROAS |
|---|
指标定义与结论边界
CTR = 点击 / 曝光；CVR = 成交 / 点击；ROAS = 成交额 / 广告花费。分母为 0 时显示“—”。ROAS 不代表利润 ROI；未提供独立访客 UV，不计算 UV 价值。数据约定采用同一归因窗口；点击≤曝光，成交≤点击，单位为人民币，样例仅示意。
本页未进行随机分流、样本量规划或显著性检验，不标注“A/B 测试胜出”。规则摘要只给出描述性差异及下一步核查项。
导入自己的 CSV 数据
字段为 date, channel, creative, impressions, clicks, orders, cost, revenue。支持中文内容、带逗号的引号字段和 UTF-8 BOM。一次最多 2 MB / 5,000 行。
EXPERIENCE & APPROACH
业务经验，是做工具的起点。
求职方向：GEO / AI 应用运营。围绕品牌可见性、数据复盘与工作流落地继续积累实践。
广东丸美生物技术股份有限公司
2024.07 - 2026.04电商推广 · 电子商务部
- 负责胶原产品线推广，调整目标人群与投放结构；原简历记录销售占比提升 15 个百分点，花费同比增加 46%，ROI 提升 12%。
- 搭建新客认知与老客召回链路，白盒定向人群占比翻倍至 80%+。
- 落地大促小时级监控报表，使用 RPA 自动化取数，借助大模型开展人群及投放专项分析。
- 联动 MKT 团队，配合 Campaign、明星官宣及直播调整投放策略。
青木数字技术股份有限公司
2023.08 - 2024.05消费者运营专员 · 商业智能中心
- 服务 Thom Browne、LVMH 酩悦轩尼诗相关项目，参与 Tmall / JD 店铺推广与人群运营。
- 原简历记录大促 ROI 同比提升 18%、加购成本同比下降 26%。
- 使用 Power BI 搭建自动化数据看板，进行素材 A/B 测试及业务复盘。
- 对接商品团队与品牌客户，将业务需求转成投放调整和阶段汇报。
广州大学
2019.09 - 2023.07工商管理 · 本科 · 管理学院
项目说明与贡献边界
原 GEO 项目
原站提供企业信息录入、四维诊断和历史报告，并提供 Skill 分发包。可观察到诊断流程与报告产出；模型、采集方法、后端可靠性和具体个人代码贡献，本页不作未经验证的声明。查看原项目 ↗
原数据分析项目
原站提供素材库、表格数据、测试分组、预设分析与 AI 对话入口。本次检查已运行已有脱敏样例的素材效能分析。查看原项目 ↗
本次重构内容
重新组织求职叙事，新增离线可用的研究计划、CSV 校验、证据明细、透明指标和报告导出。界面与代码由 AI 辅助制作，应在本人理解、测试与验收后用于面试；这些功能不计作此前工作业绩。
真实上线仍需补齐
服务端采集与模型调用、任务队列、账号与权限、成本控制、日志及失败重试、数据存储与脱敏，以及固定问题集的重复评测。本单文件演示不含这些生产能力。
面试时，用一个完整案例来讲。
为什么做 → 输入什么 → 如何验证 → 发现什么 → 怎么改 → 怎样复测。