logo of baidu

百度高级产品专家(AI医疗方向)(J98647)

社招全职5年以上MEG地点:北京状态:招聘

任职要求


-经验与认知:5年以上AI产品、C端用户产品/功能产品或服务交易产品经验,深刻理解大模型等技术原理、应用边界与演进趋势,有医疗、保险、专业服务等领域经验者优先
-能力与思维:具备极强的抽象、逻辑与系统思维能力,能将模糊的行业需求转化为清晰、可落地的产品架构与实施路径。…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


-产品顶层设计:负责健康管家产品的整体框架设计、信息架构与核心交互体验的定义与长期迭代,是产品体验的最终责任人
-前瞻需求洞察与方案落地:深度洞察用户健康需求与行业趋势,制定前瞻性产品蓝图与差异化策略,并主导推动复杂方案的落地实现
-体验度量与数据驱动:建立并持续优化产品核心体验度量体系(如NPS),通过数据追踪与深度洞察,驱动产品体验与用户价值的持续提升
-产品战略与行业竞争:制定所负责产品的阶段发展路径与关键策略,持续进行市场与竞品分析,确保产品在体验与核心能力上的行业竞争力
包括英文材料
大模型+
相关职位

logo of aligenie
社招5年以上产品类-商业型

1. 产品规划与体系搭建:主导医疗AI产品的全生命周期管理,构建从技术研发到商业落地的产品体系,覆盖疾病筛查、辅助诊疗、影像分析等核心场景。 2. 需求洞察与转化:深入分析医疗行业需求(医院、医生、患者、支付方等),提炼产品核心价值点,推动AI技术与临床场景深度融合。 3. 跨团队协同:联动技术及商务团队,确保产品开发方向贴合实际医疗需求,并符合法规与商业化路径。 4. 行业标杆打造:主导1-2项核心产品的商业化闭环设计,沉淀可复用的医疗AI产品方法论,推动行业标准建立。

更新于 2026-04-07北京|杭州
logo of aliyun
社招8年以上云智能集团

1. 技术前瞻与需求洞察:深度跟踪容器、云原生技术前沿(如 Kubernetes 新特性、Serverless 演进、AI 训练/推理、AI Agent 架构、微服务治理等),精准识别内/外客户在不同场景中的核心需求,驱动产品创新方向与技术战略落地; 2. 竞品与市场分析:持续分析主流云厂商在容器编排、Serverless 算力、AI 训推方案、AI Agent 等领域的竞品动态,输出深度市场洞察报告,支撑产品差异化设计与战略决策,不断增强产品竞争力; 3. 产品全生命周期管理:主导核心容器产品( ACK、ACS、ACR 等)在 AI Infra 方向的功能规划、需求定义、设计及商业化运营,从需求挖掘到规模化落地,推动市场份额与用户满意度提升; 4. 端到端解决方案设计:针对企业客户复杂业务场景(如 AI 训练/推理、AI Agent 应用、大数据应用等),设计端到端的容器解决方案,平衡调度性能、弹性容量、安全合规与成本优化等关键维度; 5. 跨职能协同:联动容器产品 PDSA、运营、研发、运维及 SA 架构师团队,高效推进产品从需求到上线的全流程交付,确保技术方案与客户业务目标精准匹配,提升交付质量与客户体验; 6. 产品运营与持续迭代:负责产品上线后的运营闭环,包括客户反馈深度分析、用户培训、市场活动支持及数据驱动的体验优化,通过持续迭代巩固产品市场地位与客户成功。

更新于 2026-07-09北京|杭州
logo of fliggy
社招5年以上

1、面向跨国酒店集团、基于飞猪平台运营的业务以及酒店行业现有产品链路的理解,进行AI、数字化营销等围绕酒店行业的相关产品设计,包括调研商家及运营需求、产品设计、负责项目实施落地、帮助项目及公司业务目标完成; 2、掌握酒店集团商家的经营模式、发展趋势,负责基于飞猪及阿里平台的商品搜索、店铺体系、库存体系、会员体系、数字营销、数据交互、财务结算等任一或多模块组合的产品业务域; 3、具备独立设计某业务域产品架构并主导实现的能力,定性、定量评估产品效率、价值,且能探索行业数字化新技术,运用到业务及用户场景,沉淀对应产品或工具能力。

更新于 2026-07-10杭州
logo of amap
社招5年以上产品类-用户型

我们正在寻找一位拥有AI Native思维的生成式推荐策略专家,深度参与并主导出行决策场景的创新与重构。你将以“行程总设计师”的身份,聚焦于行程推荐领域,实现路径规划的范式革新,定义及引领出行决策 核心职责: 1、AI Native思维重构行程推荐:深入研究并设计基于生成式AI、大语言模型、强化学习等前沿AI技术的策略框架和算法逻辑,实现对用户模糊、复合出行意图的深度理解和精准捕捉 2、行程总设计师:从路线计算到意图编排。负责定义和优化用户“意图编排”的各个环节和交互体验,实现从用户初步意向到最终行程方案的顺畅转化。 3、践行敏捷开发和快速迭代原则,将复杂的生成式推荐策略和行程编排系统拆解为可控的“更短步长”任务,实现快速设计、验证和部署,与算法、产品、研发、数据科学团队紧密协作,并持续优化推荐效果 4、制定并推动生成式推荐策略的评估标准、优化机制和风险控制体系。探索生成式AI在出行推荐领域的创新应用

更新于 2025-12-26北京