字节跳动数据分析实习生-TikTok用户增长

1、协助支持海外广告投放与优化的数据整理和收集，媒体平台不限于Google Ads、Facebook Ads、TikTok等；参与AI产品海外投放业务各个环节的日常数据监控与洞察，维系多维度的投放表格；通过数据追踪和分析，支持广告效果最大化； 2、针对海外达人进行内容审核，评稿，达人筛选工作；对接但不限于TT，INS渠道代理，把控达人质量和推广内容的优质度。为效果负责，支持累计和分心达人转化数据和后端效果； 3、针对投放素材进行创意收集和英文本地化审核，有一定的视觉广告sense，能够支持素材批量产出，分析不同创意、文案、投放时间等对广告效果的影响；协助海外投放调研工作，分析各国广告市场投放趋势和素材收集、竞品投放策略和用户行为，为投放策略调整提供数据支持； 4、支持日常部门协同和对接，沟通商店业务和技术部门，协助把控投数据的对接和同步。

我们正在寻找对游戏行业充满热情的实习生，加入我们的全球市场发行团队，协助手机游戏在海外市场的推广和运营。实习生将有机会深度参与国际化发行项目，接触不同地区的游戏市场，学习行业前沿的营销和用户增长策略。 1. 市场分析与调研：研究全球游戏市场趋势，分析目标地区玩家偏好，支持游戏产品的本地化宣发策略。 2. 发行支持：协助策划和执行市场营销活动，包括媒体资源合作、KOL红人合作、社交媒体推广、效果广告投放等，提升游戏在海外市场的影响力。 3. 内容本地化：协助翻译与校对游戏内外文案，确保符合当地文化与语言习惯。 4. 用户反馈与数据分析：跟踪营销效果＆玩家反馈，整理用户数据，提供优化建议，以提升游戏体验和市场表现。 5. 跨部门协作：与研发、运营、市场中台团队紧密合作，推动游戏在目标市场的成功发行。

ByteIntern：面向2026届毕业生(2025年9月-2026年8月期间毕业)，为符合岗位要求的同学提供转正机会。 团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok 在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。 1、负责TikTok产品的质量保障工作； 2、深度参与产品研发全生命周期，协同产品经理、业务开发交付高质量产品，手段包括但不限于功能测试、自动化实施、性能测试、安全测试、专项测试、稳定性监控、流程改进等； 3、通过质量和效率数据分析，持续完善产品质量和用户体验； 4、通过工具或平台开发，提升研发效率，完善质量保障策略； 5、参与质量体系的规划和建设，参与自动化、无人值守、智能测试、故障演练等创新测试方法的实施。

团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok 在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。 课题介绍：TikTok作为全球领先的短视频平台，面临新用户数据稀疏导致的个性化推荐不足、直播推荐时效性要求高、用户兴趣多样性维护困难以及电商推荐系统链路复杂等多重挑战。传统推荐方法依赖历史行为建模，难以解决新用户冷启动问题，且直播推荐需在极短窗口期内（通常30分钟内）实时捕捉内容动态变化（如主播互动、流量波动），这对系统的实时感知与快速决策能力提出更高要求。此外，单列沉浸式场景放大了多样性问题，需平衡多峰兴趣学习与探索引发的内容穿越风险。当前电商推荐系统采用多阶段漏斗架构（召回-排序-混排），存在链路不一致、维护成本高、过度依赖短期价值预测等问题，导致用户易陷入内容同质化疲劳。 针对上述痛点，项目提出结合大语言模型（LLM）和大模型技术实现突破：一方面利用LLM的海量知识储备与Few-shot推理能力，通过注册信息与外部知识推理新用户潜在意图，缓解冷启动问题；另一方面，在社交偏好建模中融合GNN与用户全生命周期行为序列，提升兴趣预测精准度。同时，探索大模型的泛化能力、长上下文感知及端到端建模优势，简化电商推荐链路，增强实时动态适应性与兴趣探索能力，最终实现系统更简洁、推荐更精准、用户体验与留存双提升的目标，推动业务可持续增长。 1、负责TikTok的推荐算法工作，包括但不限于：视频推荐、内容理解、因果推断、智能增长等，为用户提供领先的产品体验； 2、结合机器学习技术和业务场景需求，运用包括强化学习、Graph Embedding、大模型、大规模计算等在内的前沿建模技能，解决业务痛点，提升线上效果； 3、与产品及运营团队紧密合作，对用户的行为进行深入理解和分析，制定合理高效的策略逻辑，促进生态的健康发展； 4、参与算法团队的基建工作，提升资源利用率、增强效果稳定性、优化开发流程等，持续提高团队成员的工作效率。