字节跳动后端研发工程师-Growth-抖音激励-北京

团队介绍：国际化短视频用户增长（User Growth）团队负责字节跳动旗下产品的增长工作。我们帮助产品指定量身定做的增长方案，并利用各种营销、产品、数据分析手段达成业务增长目标。UG 团队维护和优化一系列类似付费广告、自然新增等成熟的产品增长方案，并熟练将其应用到各种不同的业务中，推动业务增长；同时当发现新的增长机会时，我们也构建新的解决方案，帮助业务实现突破。加入 UG 团队，可以负责亿级用户产品的增长工作，掌握业界先进、第一手的增长实践。 1、负责APAC地区的激励产品运营工作，为地区整体的核心增长指标负责，包括但不限于激励运营、增长营销、本地化、用户体验等； 2、负责线上各类产品运营工作，制定整体运营增长策略，协同产品、技术、数据等团队，利用产品能力、市场活动等多种增长手段完成目标； 3、负责制定APAC地区营销策略，推动各个推广项目落地（如达人营销、广告投放、地推、异业合作等），达成增长目标，并持续探寻和落地新的增长手段及增长渠道； 4、通过用户调研、用户反馈、本地化探索等手段深入了解用户需求，驱动激励产品在用户体验和本地化程度上的持续升级，为产品迭代提供有效的优化策略及方向； 5、与合规、设计、本地等合作团队密切合作，统筹管理项目，实现地区增长目标。

团队介绍：国际化短视频用户增长（User Growth）团队负责字节跳动旗下产品的增长工作。我们帮助产品制定量身定做的增长方案，并利用各种营销、产品、数据分析手段达成业务增长目标。UG 团队维护和优化一系列类似付费广告、自然新增等成熟的产品增长方案，并熟练将其应用到各种不同的业务中，推动业务增长；同时当发现新的增长机会时，我们也构建新的解决方案，帮助业务实现突破。加入 UG 团队，可以负责亿级用户产品的增长工作，掌握业界先进、第一手的增长实践。 1、负责国际化增长的自动化活动营销后台的产品规划和设计工作，以业务核心指标为驱动，完成前期调研及功能设计，跨部门推进需求及项目落地，并主动跟进上线收益复盘； 2、对接国内外各团队需求，挖掘服务于本地化活动、资源位管理、预算管理等业务痛点并提出完整解决方案，设计最佳实践； 3、与研发、设计、算法、运营等团队紧密协作，独立负责运营平台产品方向； 4、持续关注各功能模块的效率及逻辑优化，不断思考产品创新路径。

1、在国际商业化部门内负责制定和实施客户转化策略，帮助客户成长为有效活跃客户（eMAA）； 2、识别不同行业、全球不同地区的客户痛点和转化卡点，产出解决思路并判断优先级； 3、与产研团队协同，运用产品化的手段和AI工具优化转化漏斗，持续监控并优化产品效果。 1. Responsible for developing and implementing client conversion strategies within the Internationalized commercial products monetization department to help clients grow into effective monthly Proactive accounts (eMAA); 2. Identify customer pain points and conversion bottlenecks in different industries and regions around the world, generate solutions, and determine priorities; 3. Collaborate with the Product & RD team to optimize the conversion funnel using productization methods and AI tools, and continuously monitor and optimize product performance.

团队介绍：字节跳动用户增长（User Growth）负责抖音、今日头条、番茄小说、剪映等多个产品的用户增长业务，建立行业领先的增长和营销技术，打造极致的用户体验。加入我们，有机会参与亿级用户场景的开发与架构工作，也有机会从数据出发，利用策略和模型为业务带来更大的助力。 课题背景： 在用户增长、激励广告和广告投放的商业场景，精准的决策至关重要。随着业务的发展，传统先预测再决策决策的方式难以适应复杂多变的环境。基于RL的在线因果推断及决策技术应运而生。在这些场景中，需要深入理解不同操作与结果之间的因果关系，从而做出最优决策。例如在用户增长中，要明确何种激励措施能最大程度推动增长；在广告投放中，要知道怎样的投放策略能带来最佳效果。然而，目前在在线场景下，因果预测模型的效果提升面临瓶颈，同时激励探索成本和决策收益的平衡也难以把握，提升基于因果推断的决策能力是推动增长的重要手段。 课题挑战： 1. 平均处理效应ATE较小。线上平均处理效应（ATE）小意味着在实际线上环境中，因果关系的影响幅度微弱。这使得准确捕捉因果关系变得极为困难，模型难以从这种微弱的关系中学习到有效的因果模式，对基于RL的因果推断技术的敏感度和精度要求极高。 2. 预测指标周期长，收益难以归因到一次激励决策。这导致在评估因果关系时，很难确定是哪一次激励决策产生了何种影响。长周期使得数据的关联性变得模糊，干扰了因果推断模型的构建，也不利于RL算法根据准确的因果关系进行决策优化。 3. 线上观测数据波动大。线上观测数据波动较大，增加了数据的不确定性。这种波动可能掩盖真实的因果关系，使因果推断模型难以稳定地学习到有效的模式。同时，波动的观测数据也会影响运筹决策，导致决策的准确性和可靠性下降。 1、负责开发新一代的大规模因果模型，通过算法和工程优化，实现训练数据及干预决策在数量级上的提升；联合多场景的因果模型，松弛单场景约束，获取更优的决策和业务收益； 2、负责开发新一代的大规模运筹优化算法，与算法工程同学深度合作，提供灵活、鲁棒且高效的分布式运筹规划系统； 3、引入前沿的因果建模和强化学习技术，探索基于强化学习的世界模型仿真和一体化的因果决策算法，在探索和利用上获得更优的平衡，达成更好的成本效率。