快手推荐算法工程师-【海外用户增长】
任职要求
1、本科及以上学历，计算机、数学或统计学相关专业； 2、熟悉Linux、C++、Java或Python，优秀的编码能力，扎实的数据结构和算法功底； 3、具有推荐系统、机器学习、数据挖掘或者自然语言处理等相关领域知识； 4、善于阅读文献，快速学习，具备优秀的分析和解决问题的能力，良好的沟通协作能力。 加分项： 1、有推荐系统、机器学习、信息检索、…
工作职责
1、开发和迭代CTR预估模型和竞价策略，提升用户增长广告投放点击率、转化率、ROI等核心指标； 2、通过深度学习领域的研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等算法和系统提升预估效果； 3、通过召回排序等推荐算法，改善增长广告用户在快手海外版的产品体验。
用户方向 1.通过数据分析构建用户画像，分析用户交易行为及用户旅程，挖掘trade-in, trade-across, trade-up的驱动因素及转化路径； 2.设计因果推断实验（如A/B测试、双重差分法），量化促销活动、定价策略对用户消费、用户增长的影响，评估广告渠道ROI优化投放策略； 3.构建用户分层模型，识别高价值消费人群，输出定向运营策略（如精准发券、商品推荐），制定留存策略； 4.研究用户生命周期内的消费习惯，结合消费者心理学理论，优化“人-货”匹配效率，提升用户ARPU值。
参与快手海外业务的模型策略的迭代与开发： 1、有机会参与到推荐系统各个方向的工作，以及短视频、直播、电商、投稿、增长等多个业务场景，了解系统全貌； 2、分析、理解海外用户数据和业务场景，设计适合业务发展的推荐算法和机器学习模型； 3、调研业内前沿推荐算法，落地到业务场景中，并根据业务场景做适配和创新。
1、负责快手国际化Push相关的算法研发、优化工作，运用策略和算法手段促进用户增长； 2、负责Push推荐系统的搭建以及相关算法落地，面对亿级别的用户群体情况下实现Push的个性化匹配，做到千人千面； 3、负责Push的算法、策略的设计，并直接参与Push场景下推荐系统的全链路开发与优化，包括但不局限于触发、召回、粗排、精排、下发策略等阶段； 4、从海量数据中挖掘用户消费行为、社交关系网以及运营热点实现Push内容池的搭建。
团队介绍 AE搜索算法团队，负责AIDC AliExpress（AE）、JP- AO和天猫淘宝海外等国际化电商搜索业务优化，为全球100多个国家使用不用语言的用户持续电商搜索体验与效率，并结合大模型升级技术与产品体验创新。 多年来团队紧跟工业界和学术界前沿，在多语言Query理解与相关性、国家差异化召回与排序模型、多语言Query导购与大模型在多语言搜索中应用等技术方向持续探索创新，带来业务快速增长同时发表⾼⽔平学术论⽂20+篇（如AAAI、 IJCAI、TKDE、TMM、RecSys、CIKM和ICDM），申请专利15+项。 职位描述 1. 多语言 Query 理解、商品理解和相关性，包括：Query和商品NER、Query类目预测、Query改写与扩展、多语言&跨语言语义相关性等；LLM在多语言电商搜索领域应用，包括：大模型 CT 和 SFT，以及在Query理解、语义相关性、商品理解上的应用； 2. 个性化召回与排序相关技术：基于大规模深度模型的CTR/CVR预估模型及个性化召回模型，包括用户行为序列建模、多目标建模、多模态跨场景迁移建模、国家差异化建模体系建设等； 3. 个性化多语言Query推荐，包括：下拉、底纹、风向标等场域，基于异构行为序列建模、多场景建模的多语言Query推荐技术研究与应用；