快手用户研究分析师-【商业化】

1. 搭建数据指标体系和分析体系，完成住宿行业常规商业数据分析； 2. 结合自身研究经验通过专题分析，提出合理的数据解决方案和意见，提升数据价值，为公司商业决策、产品方向、运营策略、用户增长等提供数据支持； 3. 有产品意识，主动总结沉淀分析思路，通过工具化产品化的方式赋能团队。 4. 根据业务场景需要，利用合适的机器学习模型，解决业务问题，提升效率。 5. 以英文为工作语言与各国合作伙伴沟通交流，助力海外业务发展。

团队背景：淘宝文本搜索算法团队是淘天集团内专注于创新和优化搜索技术的核心团队。我们的任务是通过持续研发高效、精准的搜索算法，以提升用户的在线购物体验和满意度，进而推动电商平台的商业成功。 工作职责 1. 和淘宝电商搜索业务紧密结合，设计和改进机器学习模型的架构，实现高效的搜索大型模型训练和推理系统（特别是大规模语言模型，GPT、LLaMA、通义千问等），确保其高效性和准确性，以提高计算性能和加速模型收敛 2. 进行搜索在线模型的性能分析和调优，识别和解决瓶颈问题，提高模型的训练和推理速度，以适应并充分利用硬件资源，确保在高效计算资源利用的前提下，提供快速响应的搜索业务体验 3. 应用不限于剪枝、量化、知识蒸馏、分布式计算（数据并行、模型并行、混合并行）等技术来优化模型的复杂度和运行速度，同时探索模型在样本、训练、存储和推理的极致性能 4. 和工程团队协同，实施并维护自动化工具和流程，以简化和加速模型训练和推理的部署过程 5. 研究最新的机器学习和深度学习技术，跟踪最新的研究进展和技术趋势，提出改进和创新的想法，推动团队的技术发展，并将其应用到淘宝搜索生产环境中 6. 参与设计和优化淘宝整体搜索系统，包括多阶段漏斗设计和整体链路设计，确保系统的稳定性和高效性

1. 搜索召回算法：基于多模态&LLM大模型等能力，设计和优化1688搜索召回模块；负责文本query理解和改写；设计和优化分人群的多路召回差异化协同机制，并建立召回迭代的评价指标； 2. 搜索排序算法：设计和优化1688搜索排序下的转化率精准预估任务；深入研究全域用户行为建模、全域迁移学习任务、多模态技术方向在排序的应用；设计和优化1688搜索排序框架，围绕长期用户价值对1688排序模型的目标进行设计和优化； 3. 搜索流量机制：负责1688搜索机制策略创新和优化，包括商业化机制策略和用户增长策略的方案设计和落地，分渠道精细化优化用户的留存和活跃； 4. 搜索基础算法：在1688搜索样本和数据特征上进行精细化处理，提升模型效果的上限，通过召回/粗排/排序的模型优化和一致性提升等方式对搜索全链路进行迭代。

1、支持国际化电商业务快速发展，服务数百万达人商家，探索更高效的商业模式，满足用户最好的购物体验，促进生态良性发展； 2、超大规模的推荐模型优化，利用深度学习、迁移学习、多任务学习、表征学习、强化学习等多种方法提升信息匹配的效率； 3、通过挖掘达人/商家在用户群长短期兴趣建模和特征交互方式上持续研究探索，不断提高达人-商家-用户兴趣的匹配精度； 4、对达人、商家的行为做深入的理解和分析，制定针对的算法策略赋能供需两端，提升商家变现效率，助推产业升级； 5、结合内容电商的业务特性，进行模型和算法创新，打造业界领先的推荐算法和系统。