字节跳动穿山甲基础策略产品实习生-广告业务

ByteIntern：面向2027届毕业生（2026年9月-2027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：广告业务为抖音集团的商业变现提供产品、技术、运营及市场支持，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行“激发生意新可能”理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长。领先的AI营销能力、成熟的趋势营销理念，让不分体量、地域的企业及个体，在这里都能通过数字化技术激发创造、驱动生意。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型、算法、运营模式和营销理念，在互联网广告行业始终创新。 1、协助小游戏广告中“试玩/直玩”新样式的效果优化；包含客户效果和用户体验链路问题的定位拆解、原因分析和解决方案的落地，能管理与推进多项进行中的迭代需求，并与运营共同参与制定各问题的标准化排查流程； 2、负责小游戏IAA（应用内广告）的ROI投广链路建设；包括客户从归因的接入配置、投放策略验证、模型效果优化、数据监控体系搭建，直至最终的效果复盘与迭代优化； 3、协助团队完成其他与小游戏广告相关的工作任务，如客户调研、产品分析等，为团队提供有力的支持和帮助。

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：广告业务原为商业产品与技术部门，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行“激发生意新可能”理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型和算法，在互联网广告行业始终创新。 1、抖音商业广告产品方向，包括流量拓展、样式交互设计、广告链路提效，提升媒体收入； 2、跟进抖音APP的端用户体验设计，结合用户产品演进，理解用户和流量场景的基础上，迭代和升级用户体验，推进体验和商业收益全局最优； 3、配合跟进抖音图文广告样式和流量策略迭代，对投放效果负责； 4、负责收集并整理用户/客户反馈，进行日常数据分析、端案例处理。

团队介绍：广告业务原为商业产品与技术部门，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行“激发生意新可能”理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型和算法，在互联网广告行业始终创新。 课题背景： 用户增长业务中，当前产品手段较多，包括满减券、货补礼金、超值券省钱包、分享裂变等手段，核心目标是在给定的平台预算和ROI约束下，通过决策每个手段的Action，实现平台收益的最大化；目前，决策系统已取得一定的效果，线上使用因果推断模型和运筹优化策略，做到了实时预估&决策，在用户增长的各场景均有落地， 但仍有以下挑战： 1）决策模型未充分利用用户的状态信息（state），对用户历史的序列建模不够； 2）模型的建模目标仍是短期收益，缺乏对未来累计收益的建模（cumulative reward）； 3）业务场景的决策变量众多，彼此之间缺少组合，没有做到全局统一的联合决策。 对于交易业务来说，建模出用户的兴趣偏好至为重要，而大模型技术可以深度理解用户的行为与兴趣，采用scaling-up和生成式的解决思路，可以有效提升决策模型的准确度，未来我们将探索序列决策、联合决策和大模型技术的深度融合，来提升效果。 研究方向：联合决策/序列决策。

团队介绍：广告业务原为商业产品与技术部门，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行“激发生意新可能”理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型和算法，在互联网广告行业始终创新。 课题背景： 用户增长业务中，当前产品手段较多，包括满减券、货补礼金、超值券省钱包、分享裂变等手段，核心目标是在给定的平台预算和ROI约束下，通过决策每个手段的Action，实现平台收益的最大化；目前，决策系统已取得一定的效果，线上使用因果推断模型和运筹优化策略，做到了实时预估&决策，在用户增长的各场景均有落地， 但仍有以下挑战： 1）决策模型未充分利用用户的状态信息（state），对用户历史的序列建模不够； 2）模型的建模目标仍是短期收益，缺乏对未来累计收益的建模（cumulative reward）； 3）业务场景的决策变量众多，彼此之间缺少组合，没有做到全局统一的联合决策。 对于交易业务来说，建模出用户的兴趣偏好至为重要，而大模型技术可以深度理解用户的行为与兴趣，采用scaling-up和生成式的解决思路，可以有效提升决策模型的准确度，未来我们将探索序列决策、联合决策和大模型技术的深度融合，来提升效果。 研究方向：联合决策/序列决策。