字节跳动产品营销实习生（AI方向）-飞书
任职要求
1、本科及以上学历在读；
2、有较高的自驱力和敬业度，具备较强的责任心、执行力，对工作能保持较高强度的投入，热爱产品或营销工作，对工作产出追求极致；
3、有一定的有PPT设计能力、内容创作能力；有ToB内容营销经验…工作职责
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：飞书是字节跳动旗下先进企业与协作平台，是字节跳动在B端与企业服务领域的重要布局。飞书整合即时沟通、日历、视频会议、云文档、企业邮箱、服务台功能于一体，助力团队高效协同，彻底告别零散的多套系统和割裂的协作体验。在组织管理层面，飞书还打造了飞书OKR、飞书招聘、飞书绩效等多款产品，助力组织成长。目前，飞书已成为众多先进团队的第一选择，服务了小米、“蔚小理”、华润、元气森林、三一重工等各行各业的先进企业。 1、挖掘客户使用飞书的最佳实践，提炼产品对客户的价值； 2、对飞书和飞书AI产品做市场化包装，体现对客户价值，以PPT、文章、视频等形式输出营销材料，帮助商业化团队获取客户； 3、对输出内容进行整理、归档和推广。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：飞书商业化团队（Go to Market）负责将飞书先进产品和服务全面推向中国和国际市场，通过制定精准的业务战略，进行破圈的市场营销，深入理解不同行业的趋势和特点，传递飞书的理念和价值给不同行业的企业客户并达成业务合作，帮助客户加强使用深度和广度，最终让飞书成为各行各业先进企业的首选、持续助力企业组织升级。目前已在中国、新加坡、美国、日本等国家和地区建立了商业化团队，开启了为全球各行各业组织和个人提升创造力和效率的历程。 1、负责飞书生态应用解决方案的策划及线上渠道的推广运营； 2、结合数据反馈和市场调研进行分析，对推广内容、策略进行迭代验证，提升渠道的转化率； 3、梳理、优化飞书应用市场的运营相关工作流程，提升应用开发者体验和运营效率； 4、结合运营的工作场景，搭建AI应用提升工作效率。
创意内容生产 协助撰写新媒体推广文案（企业内部订阅号/短视频/公告等），提升企业内部AI产品使用率 参与私域社群运营，策划运营方案，提升用户活跃度与核心功能复用率 活动全链路支持 协助完成用户调研（访谈调研/线下调研等），输出活动复盘报告，提出活动优化建议 配合落地线上线下活动，包括但不限于活动策划、宣传物料制作、执行进度追踪 数字化运营实践 协助监控内部系统使用数据（日活/复用/痛点反馈），输出可视化周报，挖掘可复用的提效场景案例 市面AI软件调研分析，结合企业内部员工需求，提出功能优化建议
1. 调研全流程执行与独立访谈（定性+定量）： - 负责内部用户调研的闭环项目管理：包含需求拆解、问卷设计、访谈大纲准备、精准用户甄别等； - 专项调研项目，参与从初期选品到产品研发-生产-上市全流程的洞察调研工作，负责产品全生命周期的设计、功能和定位方向； （核心成长路径：入职前期跟随导师深度参与访谈观摩与复盘；熟练后需具备独立主持1v1或FGD用户访谈的能力，并能独立产出洞察结论） 2. AI工作流共建与数据看板搭建（数字化方向）： - 深度参与“AI+用研”的工作流建设：探索如何利用 AI 工具进行大批量访谈文本的深度清洗、聚类分析和Prompt调教； - 协助从0到1搭建团队内部的洞察数据看板（飞书多维表/BI等），并参与用研精细化SOP的编写与沉淀。 3. 供应商协同与即时需求响应： - 参与用研/洞察项目的内外部管理与沟通，从初期开始沉淀跨部门协作与项目管理能力； - 响应团队的即时性需求（公开行业报告搜集、竞品用户评价抓取等）。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。