字节跳动搜索广告产品运营实习生-国际化

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：国际化短视频商业化变现产品设计团队旨在使客户能够毫不费力地与用户建立联系，并最大限度地发挥品牌潜力。我们希望简化和激励客户实现目标，探索更多可能性，并与国际化短视频创造价值。作为团队成员，你将能够利用定性/定量研究来收集用户反馈，为我们的客户创造深刻的理解和共情，并与设计、产品和营销团队跨职能合作，以满足业务需求。 1、负责国际化短视频达人营销平台数据能力建设，跟进达人搜索与推荐的产品功能与策略上线，为广告主和达人的撮合效率负责； 2、梳理广告主与达人侧的数据洞察需求，提升广告主与达人对内容的分析与创作能力； 3、与达人、广告主运营团队紧密合作沟通，根据运营需求，从业务视角出发，建设或优化达人搜索、推荐与数据分析等能力，帮助业务提升运营效率。

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：国际化短视频短视频Data团队，旨在为字节跳动短视频业务搭建及维护业界领先的推荐系统。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、内容发现、内容消费等核心业务场景，支持产品在赛道上高速发展；同时还能为不同业务场景提供全面的算法策略解决方案，优化各项产品指标及用户体验。 1、负责国际化短视频算法工作，共同搭建业界领先的推荐系统，为用户提供一流的产品体验； 2、深度结合机器学习技术和各场景业务（内容消费，社交，推送，关注等），优化模型&策略，持续提升推荐效果； 3、应用先进的机器学习技术解决各种在线/离线，大数据量/小数据量，长期/短期信号等不同场景遇到的各种挑战，包括标签缺失，反馈周期长，收敛速度慢，信号相关性弱等； 4、和产品以及运营团队紧密合作，对用户、作者的行为做深入的理解和分析，制定针对的算法策略促进生态良性发展。

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：国际化短视频短视频Data团队，旨在为字节跳动短视频业务搭建及维护业界领先的推荐系统。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、内容发现、内容消费等核心业务场景，支持产品在赛道上高速发展；同时还能为不同业务场景提供全面的算法策略解决方案，优化各项产品指标及用户体验。 1、负责国际化短视频算法工作，共同搭建业界领先的推荐系统，为用户提供一流的产品体验； 2、深度结合机器学习技术和各场景业务（内容消费，社交，推送，关注等），优化模型&策略，持续提升推荐效果； 3、应用先进的机器学习技术解决各种在线/离线，大数据量/小数据量，长期/短期信号等不同场景遇到的各种挑战，包括标签缺失，反馈周期长，收敛速度慢，信号相关性弱等； 4、和产品以及运营团队紧密合作，对用户、作者的行为做深入的理解和分析，制定针对的算法策略促进生态良性发展。

团队介绍：短视频平台算法团队，负责国际化短视频产品的基础推荐算法，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，直接为核心用户体验负责，支持产品在全球赛道上高速发展。我们的工作内容包括大规模推荐算法的优化、复杂约束的优化问题的解决、多模态大模型的落地探索，推荐大模型的应用研究等多个学术领域的算法改进以及对多种场景的推荐架构的设计和对产品数据的复杂深入的分析。在这里，你可以深入钻研机器学习算法的改进和优化，探索前沿的技术；可以跟来自全球不同国家的团队合作, 感受不同文化的碰撞, 激发认知；可以通过对产品和内容生态的深度分析，影响产品未来的发展方向。 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业务推荐算法工作，与来自国内外顶级名校、有丰富业界经验的同学合作，共同搭建行业顶尖的推荐系统，为用户提供一流的产品体验； 2、将最前沿的机器学习技术应用到TikTok业务，包括混排/排序/多目标/召回/冷启动/探索/多样性/内容理解等等场景，不断优化用户体验，促进业务发展； 3、研究方向包含且不局限于：深度学习、图神经网络、多任务学习、排序学习、模型压缩和加速、多模态技术等，结合业务的实际问题来做好技术的探索和研究； 4、和产品、运营团队紧密合作，通过对产品和用户的深入理解和分析，制定算法策略促进短视频生态的长期繁荣发展。