百度搜索场景及增长组_用户运营专家(J57900)

1. 大盘用户增长： ■ 制定并执行增量用户增长策略，为全城代用户大盘增长负责，根据年度目标规划用户增长目标、策略、抓手、补贴与收 入 ■ 负责用户结构调优与粘性提升：持续引入新客、召回流失，扩大用户进水口且留存负责；同时维系老客，提升留存与月频、扩大中高价值用户 2. 用户活跃与留存 ■ 设计分层运营体系，基于用户行为（如点餐频次、品类偏好、客单价）进行精准分群 ■ 搭建用户生命周期模型，针对沉默用户制定召回策略（如流失预警、定向发券） ■ 通过积分等形式牵引用户成长、留存、防流失，扩大规模提升频次 ■ 数据驱动运营与策略优化 3. 监控核心指标：DAU/MAU、登转率、MAC、留存率、复购率、单均成本、钱效等，通过AB测试优化策略 4. 跨部门协作 ■ 与大区等前线讲解配合解疑，推动策略快速、持续、稳定落地，并形成PDCA闭环 ■ 联动用户增长&大促组策划用户增长活动，如各类节日营销，整合资源提升活动ROI ■ 与产品研发团队推动功能优化，落地完成各类用增需求

1.从用户全生命周期角度，构建业务增长算法策略体系； 2.智能营销系统相关的算法实现和分析，跟进具体营销场景的策略方案的设计以及落地，提升营销ROI，对效果负责； 3.负责智能营销算法体系的完善和优化，打造业界一流的算法团队，与业务团队密切配合，通过算法不断提升营销效率。

【团队介绍】 得物社区推荐算法团队负责得物app中得物推荐页的内容推荐业务，直接优化得物社区流量的推荐算法策略和模型效果。我们的工作内容包含推荐漏斗的大规模推荐算法优化，包括但不限于召回、粗排、精排、重排算法和模型优化以及多模态、生成式推荐技术优化。 团队由来自不同背景的优秀同学组成，具备深厚理论基础和丰富行业实践经验。 (包括来自国内外知名大厂的前员工、推荐/广告/搜索算法领域的的专家等)，也有许多年轻高潜、成长迅速的superstar(清北复交等top学校的候选人)。团队技术氛围良好，既有充分的自由度进行前沿技术探索，又有大规模的业务场景进行落地验证，团队近年已有一些成果发表在SIGIR、AAAI、ACM MM、CIKM等顶会上。 团队整体核心业务稳定，创新场景丰富，成长空间巨大，亟待更多优秀的同学加入做更多有挑战的事！ 职位描述 1. 负责信息流推荐的业务推荐算法工作，深入理解社区推荐业务形态。和产品运营一起制定业务目标和推荐策略，推进业务增长和前沿技术落地，完成整体业务目标； 2. 研究方向包括信息流推荐的召回、粗排、精排、重排等算法方向的算法优化，包括不限于图神经网络学习、多模态/大模型推荐技术、多目标优化、生成式推荐等方向的研究； 3. 深入参与深度学习技术研究方向，解决具体业务问题的同时，形成完整的方法论和创新的idea； 4. 组织推进组内以及跨部门合作项目，帮助团队进步和新人成长。

（一）C 侧导购标签体系的顶层设计与规划 1. 基于 C 端用户（消费者）需求深度洞察，结合业务目标（如提升转化、优化用户决策效率、增强商品匹配精准度等），主导设计系统化的导购标签体系框架，明确标签的核心维度（如用户场景、商品属性、需求痛点、人群特征等）、层级关系（如一级标签、二级标签的逻辑关联）及应用边界。 2. 联动产品团队，梳理 C 端用户在消费决策中的核心痛点（如 “不知道选什么”“担心不符合需求” 等），将抽象需求转化为可落地的标签载体（例如：将 “用户不放心车辆卫生” 转化为 上线“车辆实拍图” ，将 “用户无法比较商品” 转化为 “点评” 标签）。 3. 制定标签体系的迭代策略，根据用户行为变化、业务拓展（如新增品类、场景）及市场趋势，定期优化标签维度与覆盖范围，确保标签体系的时效性与扩展性。 （二）导购标签的精细化设计与落地 1. 负责标签的具体规则设计，包括标签的命名逻辑（需符合 C 端用户语言习惯，如 “性价比高” 优于 “低价优质”）、判断标准（如 “热销” 标签需明确基于销量、增速还是好评率）、权重分配（如多标签叠加时的优先级）等，确保标签易懂、精准、无歧义。 2. 针对不同用户场景（如搜索、推荐、详情页、活动页）设计标签的差异化应用形式，例如：搜索场景侧重 “筛选型标签”（帮助用户快速缩小范围），推荐场景侧重 “引导型标签”（突出商品核心卖点），确保标签与用户决策路径匹配。 3. 输出标签设计规范与手册，指导团队或协作方（如产品、数据）落地标签的前端展示、后端逻辑开发，确保设计意图准确实现。 （三）标签有效性的科学验证与迭代优化 1. 建立标签有效性评估体系，明确核心指标（如标签点击率、标签引导的转化率、用户对标签的满意度、标签与商品的匹配准确率等），通过数据量化标签对用户决策及业务目标的影响。 2. 主导标签效果的A/B 测试设计与执行：针对新标签、标签规则调整或应用场景变化，设计对照组与实验组，通过对比数据（如标签点击后的转化漏斗、用户停留时长）验证标签的实际价值，例如：测试 “正品保障” 标签是否能提升用户下单率。 3. 深度分析标签相关数据，挖掘无效标签的根因（如标签定义模糊导致用户误点、标签与商品不匹配导致转化低），输出优化方案并推动落地（如调整标签规则、下线无效标签、补充高价值标签）。 4. 结合用户反馈（如问卷、评论、客服咨询）验证标签的 “用户感知度”，例如：通过用户访谈确认 “轻奢” 标签是否被正确理解，避免标签与用户认知偏差。 （四）跨部门协作 1. 信息覆盖方向POC，制定团队目标与分工，推动标签设计、验证、优化等工作高效执行，有管理机会； 2. 与数据团队协作，推动标签数据的采集、计算与可视化（如标签效果看板），确保评估指标可追踪、可分析；与产品团队配合，推动标签在前端产品形态中的合理呈现（如标签位置、样式对用户注意力的影响）。 3. 与产品团队联动，收集各业务线对标签的需求（如新品类需新增特色标签），平衡用户价值与业务目标，确保标签体系对全业务场景的支撑。 （五）商业分析与业绩预测 1. 搭建包车游业务核心指标体系，涵盖 GMV、毛利、订单转化率、客单价等关键数据，建立常态化数据监控与复盘机制。2. 深度分析境内外包车业务业绩表现，拆解流量、供给、定价等维度影响因素，定位未达标环节并输出可落地的优化建议。3. 开展市场与竞品调研，追踪 OTA 行业包车细分领域趋势，分析用户需求变化与竞品策略，为业务差异化布局提供依据。4. 结合行业数据、供需变化及节假日等场景，构建业绩预测模型，精准预判业务增长潜力与风险点。5. 联动产品、运营、供应链等团队，将分析洞察转化为具体策略（如定价优化、流量分配、产品组合），并追踪落地效果。