关于我

你好，我是 huanle。8 年信息流广告经验，AM （客户经理）与增长操盘角色，主战场是巨量引擎和小红书聚光。

我长期处理的不是单一投放按钮，而是从业务目标、指标口径、内容与人群策略， 一直走到数据复盘和下一轮动作。近两年把这套经验继续沉淀为 AI 工作流、 本地知识库与小型产品实验。

我的工作方法

1. 数据：先锁事实源、时间窗口和指标口径，不用旧快照替代当前状态。
2. 洞察：把总体波动拆到渠道、内容、人群、关键词和承接环节，区分事实、推断与待确认项。
3. 行动：一次只改变少数关键变量，为每个动作写清负责人、观察周期和停止条件。
4. 结果：回读数据和真实交付状态，把有效判断沉淀为 SOP、Skill、模板或产品能力。

我相信什么

反对纯人肉交付。 每一次诊断、复盘和交付都应该留下可复用资产。真正可持续的价值， 是让账户、内容和团队决策变得可复盘、可复制。

反对把 AI 当魔法。 AI 不是替代业务判断的工具，而是放大结构化思考和机械执行的杠杆。 先定义事实边界、输入输出与验收标准，再让模型、脚本或自动化去跑。

反对脱离数据的方法论。 写在 方法论库 里的内容都会尽量标明使用前提、判断标准和风险边界；外部案例与亲自验证的经验明确分开。

能力地图

• 互联网营销与广告投放：账户诊断、KFS/BKFS、搜索与信息流、达人与内容、A3/5A 人群经营，以及 GEO 基线、内容与验收。
• 数据分析与管理：数据清洗、指标树、日报/周报、异常定位、实验与复盘、管理动作回流。
• AI 与自动化：任务拆解、Skills/Agent、人工闸门、回归测试，以及 n8n 等编排工具的边界设计。
• 知识库与 RAG：Obsidian 事实源、分层摄入、检索与引用、记忆仲裁、发布前脱敏。
• 本地 LLM：围绕隐私、成本、延迟与任务难度做模型路由，用抽样和对照集验收输出。
• 独立产品：ChatOCR、AI 视频工具和垂直工作流产品化等小步验证。

本站只公开经过脱敏的结构、方法和复盘结论，不公开客户身份、原始数据、账号权限、内部路径和个人隐私。

聊聊

如果你是品牌方 / 代理团队 / 同行，需要：

• 账户诊断 / 投放陪跑 / 竞标方案共创
• AI 工作流定制（竞品分析、类目洞察、话术拆解）
• 个人知识库 / AIOS 落地咨询

欢迎邮件 me@huanworks.com，或 GitHub @li-huanle。