腾讯腾讯云 IM-高级产品经理-智能对话（企业客服、营销方向）
任职要求
1.计算机、人工智能或相关专业本科及以上学历，3年以上TO B产品管理经验，有智能客服/营销领域产品经验优先； 2.熟悉大语言模型、智能体、检索增强生成等AI技术原理，具备将技术方案转化为产品功能的能力； 3.对AI在客户服务、精准营销等企业服务场景的应用有深刻理解，能独立完成产品需求分析和商业化路径设计； 4.具备优秀的数据分析能力，能通过数据驱动产品优化和决策； 5.出色的跨部门沟通协调…
工作职责
1.深度研究LLM、Agent、RAG等前沿技术发展趋势，结合市场需求和产品方向，识别智能对话产品的发展机会点； 2.制定智能对话产品（企业客服/营销方向）的中长期发展规划和阶段性迭代策略，明确产品核心功能和差异化竞争优势； 3.主导智能对话产品的全流程设计，包括需求分析、功能架构搭建、原型设计、开发跟进及上线后的效果评估与优化； 4.构建科学的产品评估体系，通过数据分析持续监控关键业务指标，为产品迭代和商业化决策提供数据支撑； 5.协调研发、算法、测试、运营等多部门资源，推动跨团队高效协作，确保产品按时高质量交付并达成商业化目标； 6.跟踪行业标杆产品动态，与行业客户交流，定期进行赛道洞察与分析，持续优化产品用户体验和商业价值。
负责知识库管理、AI 问答等业务赋能类产品规划，推动业务侧的真实场景落地。 建设企业内部知识库与检索/问答能力，协同业务与平台团队优化图文、语音等问答交互体验与知识覆盖率。 推动对话式培训、智能话术等场景的产品化与迭代，跟踪使用率、满意度及业务效果指标。 管理需求池与版本节奏，协调研发、数据、业务方，完成评审、验收与上线复盘。 关注大模型 / RAG、提示词与内部知识治理及数据安全合规，沉淀可复用的 AI 产品规范与运营机制。
1、负责直播间多维信号的实时识别与建模，包括评论意图分类（问询/留资意向/负向情绪/闲聊）、用户行为信号（停留时长、互动频次、转化节点）等，构建高质量的间内信号体系，为互动策略提供决策依据； 2、基于NLP与大模型能力，设计用户意图识别链路，准确区分不同行业用户的核心诉求（如教育咨询、金融产品了解、本地服务预约等），实现差异化的互动响应； 3、负责评论区互动Bot的核心策略设计与Agent构建，涵盖多轮对话管理、意图驱动的话术路由、主动引导转化的时机判断等，确保互动策略与广告消耗目标深度绑定； 4、推动直播间互动能力的系统化建设，包括文字评论自动回复、主播口播内容辅助（关键信息提示、话术建议）、间内工具（发券、商品卡、留资组件）的智能调用策略，形成"评论+口播+工具"协同的转化闭环； 5、以广告消耗为核心业务目标，建立覆盖留资率、商业转化率、互动覆盖率的效果评估体系，通过Badcase分析、A/B实验持续优化策略，对最终业务结果负责。
职位简介我们正在建设一套用户全生命周期管理系统，以支撑智能营销与用户运营。该岗位将负责核心数据模块的产品工作，构建统一的数据、标签与服务体系，驱动业务增长。1.数据与标签体系构建：负责用户、行为、触点等多源数据管理，主导用户画像与标签体系的规划、设计与落地。2.数据服务与权限设计：设计面向营销场景的数据服务能力，并完成从0到1的数据权限管理体系设计，保障数据安全与应用。3.支撑营销自动化与效果分析：为营销自动化流程提供数据支持，并负责效果分析、归因与AB实验等数据应用的产品设计。4.技术架构协同：协同数据研发团队，针对实时、批量等场景进行技术选型，推动数据能力（如实时数仓）落地。
团队介绍： 平台技术是阿里国际集团技术创新和业务支撑的核心团队，以构建全球领先的数据+智能+跨云一体化数字化技术基础设施为目标，倾力打造合规、稳定、高效且用户体验卓越的技术服务平台。 我们基于全球化架构与数字智能技术，构建坚实合规的全球化商业底座。采用先进的微服务架构、混合云最佳实践以及智能模块化设计，有效提升业务响应速度和灵活性。通过技术创新驱动研发模式的代际演进，聚焦敏捷开发、先进生产工具、自动化运维流程，践行AI和云原生时代的DevOps文化。打造技术产品和研发规范，构筑起全方位的安全防护屏障。依托数据平台，基于大数据分析、机器学习等先进技术手段，构建强大的数据中台和智能决策支持系统。我们的终端技术专注于提升用户的数字化交互体验，结合智能时代的人机交互范式和网络技术，为全球用户提供极致流畅、个性智能的产品体验 职位描述 1. 产品规划与落地： 负责基于海量电商数据，规划并设计数据智能 Agent 产品（如：商机挖掘，用户洞察，智能取数助手、Text-to-SQL 工具、自动化数据分析报告）。 2. 技术转化与应用： 深入最新AI领域的技术最新在数据分析领域的应用（如 Agent 框架、RAG 检索增强、Text-to-SQL 准确率优化、Code Interpreter 等），将前沿技术转化为可落地的产品功能，解决传统的痛点。 3. 跨部门协作： 与 ETL 工程师、数据分析师、算法团队紧密配合，业务 多部门合作，梳理电商业务“语义层”或“知识库”和工作流程。 4. 场景挖掘与运营： 深入业务一线，挖掘运营、采销、管理层的数据使用场景，推广 AI 数据工具。通过用户行为数据分析，优化 Agent 的交互体验，提升内部或外部客户的数据获取效率。