请分享一个你参与过的教育类产品项目（可以是线上或线下），从需求分析、用户调研到上线后的效果评估，简述关键步骤和成果。

1) 【一句话结论】我主导的“智能错题分类”功能优化项目，通过用户行为数据驱动的调研与迭代，使实验组用户错题解决率提升约20%，7天留存率提升约15%，验证了精准分类对学习效率的积极影响。

2) 【原理/概念讲解】老师会解释产品开发各阶段的核心逻辑：

• 需求分析：从业务目标出发，明确功能边界（如“提升错题复习效率”是核心目标，所以聚焦错题分类功能，属于自上而下的功能定义）；
• 用户调研：挖掘用户真实痛点和行为偏好（结合访谈与问卷，全面了解用户需求，属于自下而上的用户视角分析）；
• 效果评估：通过量化数据（如留存率、解决率）验证功能价值（属于数据驱动的验证环节）。

3) 【对比与适用场景】

• 需求分析：定义阶段，自上而下，聚焦业务目标（如提升学习效率），确定功能范围（如错题分类功能）。注意点：避免偏离核心目标，紧扣业务KPI。
• 用户调研：挖掘阶段，自下而上，聚焦用户视角（如学生错题复习痛点），方法需多样（如访谈+问卷+日志分析）。注意点：样本需分层抽样，确保代表性。
• 效果评估：验证阶段，数据驱动，聚焦功能效果（如分类功能对留存率的影响），需A/B测试对比。

4) 【示例】假设项目为“智能错题本”的错题分类优化：

• 用户调研：访谈30名学生（问题如“错题复习时最常遇到的问题是什么？希望错题分类如何更方便？”），问卷100份（选项如“按知识点分类”“按错误类型分类”“按难度分级”）；
• 需求分析后，设计智能分类规则（结合知识点标签、错误类型、历史行为）；
• 上线后A/B测试：对照组（传统分类，按知识点+错误类型），实验组（智能分类），各1000用户。数据：实验组错题解决率从45%提升至65%（7天），7天留存率从60%提升至75%。

5) 【面试口播版答案】面试官好，我分享一个教育类产品项目——智能错题本的优化。需求分析阶段，我们以提升学生错题复习效率为核心目标，明确需要优化错题分类功能；用户调研时，通过30份学生访谈和100份问卷，发现学生主要痛点是错题分类不够精准，导致复习时找不到重点；然后设计智能分类功能，按知识点、错误类型、难度分级；上线后，通过A/B测试验证，实验组用户错题解决率提升约20%，7天留存率提升约15%，验证了精准分类对学习效率的提升。

6) 【追问清单】

• 问：具体用了哪些用户调研方法？比如访谈和问卷的具体问题？
  回答要点：访谈问“错题复习时遇到的最大困难”，问卷收集“错题分类方式偏好”，比如按知识点或错误类型。
• 问：效果评估中，数据来源是什么？统计周期？
  回答要点：数据来自产品后台，统计周期7天，通过A/B测试对比实验组和对照组。
• 问：遇到的最大挑战是什么？比如分类规则不够个性化？
  回答要点：初期规则固定，后来加入用户历史行为数据，优化分类准确性。
• 问：如何平衡业务目标（如快速上线）和用户需求（如精准分类）？
  回答要点：优先级排序，先上线基础分类，再根据用户反馈迭代，逐步优化。

7) 【常见坑/雷区】

• 需求分析不明确，导致功能偏离业务目标（如只做错题展示，没做分类）。
• 用户调研样本量小或方法单一，结论偏差（如只访谈优秀学生，忽略普通学生）。
• 效果评估指标不量化（如只说“用户反馈好”，没提具体数据）。
• 成果描述绝对化（如“提升20%”未说明数据来源）。
• 忽略用户反馈迭代，上线后不优化，导致功能失效。