小红书用户理解算法工程师-电商BK撮合方向
任职要求
1、计算机或相关专业本科以上学历，具备扎实的数学、统计学及计算机基础； 2、熟悉常见机器学习、深度学习方法，能熟练使用至少一种深度学习框架（TensorFlow、PyTorch 等）； 3、至少精通一门编程语言（Python / C++ / Java / Scala 等）； 4…
工作职责
1、达人-商品撮合建模：构建达人与商品之间的双边匹配模型，基于达人粉丝画像、内容风格、历史转化数据及商品属性，实现精准选品推荐，优化 BK 撮合成单量和 DGMV； 2、AI 选品能力建设：利用 LLM 对商品和达人进行语义理解，推动选品从规则驱动向智能化演进，探索生成式选品、冷启动破局等前沿方向； 3、场景落地：推动选品排序能力在直播带货、商品推广等核心场景落地，与运营、BD 紧密配合，结合人工经验和算法能力共同提升撮合效率。
1. 用户兴趣/价值建模：基于小红书社区用户海量的行为数据，利用迁移学习、多场景多目标、序列建模、LLM等方式构建广告2. 用户表征、商业转化价值、可解释用户兴趣等； 3. 人群定向：构建小红书广告货找人模型，挖掘广告各行业/品牌的种草、购买决策人群，优化灵犀、聚光等平台人群定向效率； 4. 核心场景落地：推动用户理解能力在广告召回、排序、定向扶持、出价扰动等环节落地，优化用户的广告体验，助力广告主高效起量。
1、用户质量建模：基于多端行为数据（APP、H5、站外投放链路），构建用户质量预估模型，识别增长全链路中的高价值用户和低质流量，支撑获客决策； 2、增长链路优化：深度参与投放质量控制、渠道归因、LTV 预估等核心增长场景，推动用户质量信号在 RTA、出价策略等环节落地； 3、站外数据挖掘：整合站外行为数据与站内画像，建立跨端用户理解能力，提升新用户冷启动质量和增长 ROI。
1. 用户兴趣/意图建模：基于小红书社区用户海量的行为数据，利用迁移学习、多场景多目标、序列建模、LLM等方式构建电商用户表征、可解释用户兴趣、用户购买意图等； 2. 人群定向：构建小红书电商货找人模型，挖掘商品高价值潜客，优化商品、直播间货品扶持、冷启投放效率； 3. 核心场景落地：推动用户理解能力在电商直播、笔记、搜索等场域的召回、排序、定向扶持、营销发券等场景落地，优化用户的购物体验，助力商家成长。
1、用户兴趣建模：基于小红书社区用户海量的行为数据，利用迁移学习、多场景多目标、序列建模等方式构建统一用户表征、人群圈层和可解释用户兴趣； 2、核心场景落地：推动用户理解能力在多场域的召回、排序、人群定向等场景落地，优化用户推荐、搜索、广告、电商等核心场景的体验； 3、技术前瞻探索：推动LLM、Agent 等前沿技术在小红书落地，共同构建覆盖全站用户&人群兴趣变迁和消费意图的知识基座。