小红书交易算法工程师-流量策略方向(推荐/搜索)
任职要求
- 计算机、数学、统计学等相关专业本科及以上学历。 - 熟悉 C++/Python，具备扎实的数据结构与算法功底，熟练掌握 TensorFlow/PyTorch 等主流深度学习框架。 - 在搜索、推荐、广告（搜广推）某一领域有深入的实践经…
工作职责
作为小红书电商算法团队的核心成员，你将深入参与“种草到拔草”的闭环建设，负责电商搜索、信息流推荐及流量分发机制的算法迭代。利用前沿的 AI 技术，在亿级流量场景下解决复杂的业务挑战，平衡用户体验与商业价值。 岗位职责： 1. 核心场景优化：负责电商搜索（Search）或信息流推荐（Feed）场景的算法研发，通过优化召回、粗排、精排及重排策略，提升 CTR、CVR 及 GMV 等核心业务指标。 2. 模型技术攻坚：深入研究和应用大规模稀疏模型、多任务学习（MTL）、序列建模、图神经网络（GNN）等深度学习技术；探索 LLM（大语言模型）在电商导购、意图理解及多模态内容生成中的落地应用。 3. 机制策略设计：基于运筹优化和博弈论思想，设计多目标融合排序机制，动态权衡用户体验（留存/互动）、商家生态（流量扶持/ROI）与平台收益，实现流量的最优配置。 4. 全链路提升：深入理解电商业务，从商品理解、用户画像构建到最终的交易转化，全链路优化“内容-商品-用户”的匹配效率。
社区推荐： 1、负责推荐技术的落地；实现个性化推荐，分发策略，用户理解，内容理解等方向的技术突破； 2、沉淀社区推荐技术，并探索业务的边界。能够从复杂的业务环境中抽象出清晰具体的技术问题，并将机器学习等推荐技术有效应用于小红书App社区图文及视频推荐，提升海量用户体验，Inspire Life； 3、与各部门（包括并不限于产品，基础技术等）的同事一起深入交流合作，共同迭代和优化社区信息流推荐产品。 广告推荐： 1、负责广告系统核心算法研发，包括展示&搜索CTR/CVR模型、流量策略、出价策略、广告主自动化投放算法； 2、优化商家投放体验，包括冷启动、投放稳定性、新客留存等方向，不断引入更多商家预算； 3、优化广告召回、出价策略、排序模型等算法模块，增强电商广告流量匹配效率。 电商推荐： 1、参与交易个性化推荐技术的优化，通过深度学习、迁移学习、跨域表征、多任务学习等技术提升分发匹配的效率，让每个用户可以快速准确的发现好货； 2、能够从复杂的业务环境中抽象出清晰具体的技术问题，将机器学习等推荐技术有效应用于小红书App社区图文及视频推荐，提升海量用户的交易与浏览体验； 3、基于电商交易业务，进行模型和算法创新，与各部门（包括并不限于产品，业务中台等）的同事一起深入交流合作，打造业界领先的推荐算法。 增长推荐： 1、负责用户增长各环节的算法策略研发，通过算法策略优化提升个性化触达、外投广告、个性化内容分发、用户画像等效果； 2、负责个性化推荐业务召回、排序等算法研发，持续优化用户拉新和拉活各个环节的算法效率； 3、负责广告投放算法工作，通过个性化预估模型和运筹优化等算法，实现对用户的精准触达和出价，提升广告投放效率； 4、负责用户消息触达等相关算法工作，通过推送等触达提升用户规模。
社区推荐： 1、负责推荐技术的落地；实现个性化推荐，分发策略，用户理解，内容理解等方向的技术突破； 2、沉淀社区推荐技术，并探索业务的边界。能够从复杂的业务环境中抽象出清晰具体的技术问题，并将机器学习等推荐技术有效应用于小红书App社区图文及视频推荐，提升海量用户体验，Inspire Life； 3、与各部门（包括并不限于产品，基础技术等）的同事一起深入交流合作，共同迭代和优化社区信息流推荐产品。 广告推荐： 1、负责广告系统核心算法研发，包括展示&搜索CTR/CVR模型、流量策略、出价策略、广告主自动化投放算法； 2、优化商家投放体验，包括冷启动、投放稳定性、新客留存等方向，不断引入更多商家预算； 3、优化广告召回、出价策略、排序模型等算法模块，增强电商广告流量匹配效率。 电商推荐： 1、参与交易个性化推荐技术的优化，通过深度学习、迁移学习、跨域表征、多任务学习等技术提升分发匹配的效率，让每个用户可以快速准确的发现好货； 2、能够从复杂的业务环境中抽象出清晰具体的技术问题，将机器学习等推荐技术有效应用于小红书App社区图文及视频推荐，提升海量用户的交易与浏览体验； 3、基于电商交易业务，进行模型和算法创新，与各部门（包括并不限于产品，业务中台等）的同事一起深入交流合作，打造业界领先的推荐算法。 增长推荐： 1、负责用户增长各环节的算法策略研发，通过算法策略优化提升个性化触达、外投广告、个性化内容分发、用户画像等效果； 2、负责个性化推荐业务召回、排序等算法研发，持续优化用户拉新和拉活各个环节的算法效率； 3、负责广告投放算法工作，通过个性化预估模型和运筹优化等算法，实现对用户的精准触达和出价，提升广告投放效率； 4、负责用户消息触达等相关算法工作，通过推送等触达提升用户规模。
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。
1.负责优化网约车需求引导策略，深入理解并引导用户的打车需求，通过模型算法提高车型推荐效果，帮助用户更好更容易打到车，满足用户个性化用车需求; 2.负责优化网约车分单策略，制定和完善订单分配机制，通过模型算法将订单高效分配给合适的司机，提高分单效率和效果; 3.负责优化网约车定价、营销补贴策略，通过机器学习和运筹优化等技术合理分配补贴资源、促进业务增长; 4.负责优化网约车用户增长策略，包括站内流量拉新、老用户的促活、流失预警、留存等用户生命周期运营，促进业务增长;