快手策略产品实习生（增长）-【主站】

1、负责快手用增的激励策略需求收集、分析及推动落地，帮助团队达成目标； 2、根据不同的玩法应用场景，联动算法、数分等团队提出可行的策略方案并推动落地； 3、有一定的创新思维，协助处理需求上线后的数据分析及一定的项目管理工作。

1、以用户规模增长和留存目标为导向，通过数据分析，策略拆解，明确产品增长核心方向和手段； 2、对用户生命周期负责，参与用户获取，承接转化，用户留存等核心指标优化； 3、结合推荐系统，根据不同场景优化流量推荐策略，提升用户消费深度和时长，进而提升用户留存和活跃度； 4、收集内外部需求，跟踪行业竞品动态，结合数据分析等，探索新的增长点，对用户体验追求极致。

1、深度参与快手直播、游戏电竞、用户增长与产品等业务团队的市场推广工作，参与并规划重点营销项目，支持团队推动项目实施； 2、良好的业务理解能力，良好的逻辑框架，根据业务目标分解市场目标及策略，深度参与方案策划、案例研究、策略推导、数据分析、项目落地等工作； 3、辅助团队承担部分支持型工作。

团队介绍：国际商业化产品与技术团队支持字节跳动国际产品的广告产品与变现技术。我们负责end2end的大型广告系统建设，为客户提供商业推广方式与方案。我们的团队遍布北京、上海、美国、新加坡等地，在这里你将有机会开阔自己的国际化视野，接触到全球领先的商业产品架构、模型和算法，并有机会参与并推动互联网广告行业的创新和变革。 课题背景： 随着全球化业务的快速增长，广告场景面临千亿级数据训练、毫秒级实时响应、多模态内容理解与生成的综合挑战。传统广告模型（如CTR/CVR预估）在分布式训练效率、长序列用户行为建模、长尾泛化能力等方面逐渐面临瓶颈。与此同时，LLM技术为广告系统带来了革新机遇——从基于AIGC的广告素材生成、大规模超长序列建模、多模态视频内容理解，到隐私安全增强的联邦学习框架，以及通过大语言模型重构用户意图挖掘与定向策略等，均成为行业前沿探索方向。 课题挑战： 在广告业务场景中，探索LLM技术突破传统模型能力边界：一方面需重构广告召回与排序机制，通过长周期用户兴趣建模解决短行为序列的局限性，同时满足广告系统高实时响应要求，实现LLM增强的全域流量效率提升；另一方面需实现AIGC广告素材的规模化生产与精准控制，平衡品牌规范约束与创意多样性，适配全球化场景下的多语言与文化合规需求。此外，如何从非结构化行为数据中挖掘用户隐式意图，突破冷启动、泛化性等业务瓶颈，成为提升广告效果的关键技术创新方向。 另外广告生态特有的复杂约束对LLM技术提出更高要求：在海量站内站外信号的背景下，解决超大规模稀疏数据下的模型迭代效率问题；同时需构建隐私安全的LLM协同计算框架，在保障数据合规的前提下实现广告主专属数据与平台模型的深度协同。这些挑战要求技术方案兼具算法创新与系统工程能力，以应对广告场景中特有的实时性、规模化和合规性等多重挑战。