字节跳动用户运营专家（客服管理方向）-TRAE
任职要求
1、本科及以上学历，3年及以上用户运营相关工作经验，具有客服团队管理经验和开发能力者优先；
2、拥有敏锐的洞察力与服务意识，能够快速响应并妥善处理各类客户问题，有处理突发事…工作职责
团队介绍：TRAE（The Real AI Engineer），是字节跳动旗下产品，一个能理解需求、调动工具、独立完成开发任务的 AI 工程师，为用户提供端到端生成真实软件的服务。TRAE是当前国内最受欢迎的AI编程产品之一，也是全球首个端到端AI软件开发Agent产品，可覆盖简单到复杂全场景。我们正在寻找充满热情、富有创造力的人才。期待你的加入，与我们共同重塑开发范式，定义未来开发的形态。 1、带领客服团队建立用户反馈流程，反馈工具、渠道，及时解决用户问题，提升TRAE用户体验； 2、通过跨部门合作，协同产品、治理、业务等建立顺畅的沟通机制，及时反馈客户需求与问题，推动跨部门问题解决，提升协作效率； 3、基于TRAE客服视角梳理业务、平台问题，定位问题根源，有效识别、筛选、梳理并反馈各个渠道来源的用户声音，推动产品，市场及运营优化； 4、依据业务发展需求，合理规划客服团队人力配置，招聘、培训、指导与激励客服团队成员，提升团队整体业务能力与专业素养。
1、售后与用户投诉策略制定、流程管理与效率提升 ● 统筹电商交易物流、退换货、退款等售后履约全流程，优化SOP标准，提升处理效率与客户满意度。 ● 联动法务、客服等部门，优化客户问题解决方案，确保售后政策符合《电商法》《消保法》等法律政策要求。 ● 关注业界方向与动态，设计并落地商品服务保障，明确服务规则与规范，联动售后流程提升用户满意度、拉动商品转化。 ● 监控售后工单处理时效及异常订单闭环率，推动客服、物流等多部门协作解决问题。 2、投诉分析与风险治理 ● 基于投诉数据（类型、频率、根源等）输出洞察报告，定位商品质量、服务流程等系统性风险，推动业务端改进。 ● 分析退款率、客户流失率等核心指标，制定挽回策略（如补偿机制、权益升级），推动服务体验迭代。 ● 关注并参与处理突发性、群体性客诉事件，制定应急预案，最小化品牌及业务损失。
构建和完善服体大模型语料库，例如通过撰写对话语料来完成对话及NLP任务，重点是产出与客户服务相关的高质量对话数据； 负责迭代和调优数据语料，提升对话数据的质量情况、流畅度和和互动性； 深入分析和研究客户服务与用户体验场景，确保对话内容的精准度和创造性； 跨部门团队协作，根据项目需求，完善对应标准和流程，完成特定数据的生产任务； 输出与带教，协助团队其他非技术向员工，提升该群体对大语言模型的了解程度、教授实际应用技巧等，以辅助团队更好完成业务目标 带领团队高效完成标注和内容生产项目同时负责管理标注团队，积极推动标注工具、组织流程及交付流程优化，提升并完善团队的交付能力
1.能独立负责本地生活领域酒店旅行和到餐到综团购行业方向。基于各业务的特性、阶段策略及服务旅程，与业务及服务运营团队共识目标，从复杂的客户场景中迅速理解、定位、抽象问题，设计和推动负责业务-服务全链路的服务解决方案，包括但不限于系统产品能力、流程优化、指标评估体系、运营机制。能够快速、高质量响应支持业务发展，完成体验、成本、效率和风险四者高质量的平衡。 2.以客户为中心理解业务逻辑及其对应的服务逻辑，结合业务特点、业务发展诉求、内外部环境等因素独立完成年度目标制定、财务成本核算，完成战略-目标-举措的有效拆解，完成产品能力及建设节奏规划，包括但不限于：让每个业务具备符合自己业务特性的客服工作台，通过信息精简优化、页面合理布局、智能算法及大模型等能力应用，让简单问题通过自动化、智能化方式解决，让复杂问题在人机督导下更快更好的解决。 3.能在涉及多客户、多职能、多协同方的复杂项目中识别出关键手段，在复杂场景中定位问题，通过良好沟通、资源协调、优先级判断，能够跨公司、跨部门、跨职能、跨领域协同各团队共同发现问题、定义问题、解决问题，达成项目目标，创造客户价值，建立影响力。 4.深入客服工作环节与流程，完成数据分析、场景洞察并做平衡取舍，通过系统能力建设协助提升客服解决能力和工作效率。基于到店业务在商品、交易、履约模式上的特性完成平台基础产品的架构整合、行业适配、解决方案模板沉淀，兼具流程标准化、业务情景化思维，利用大模型推动美团服务从自动化走向智能化。 5.主动推动需求管理、部门合作、运营推广等机制的建立，更快更好的推动业务在源头上解决问题、降低问题发生，或提供所需资源支持，以服务体验飞轮驱动增长，长期为客户成功负责。 6.具备独立完成行业调研的意识及能力，了解内外部动态及实践方案。具备商业格局且关注客户细节，坚持学习并创新，能结合具体业务场景落地应用。通过重要项目的深度复盘总结，打造成功案例，提炼出可复用到相似场景、同质业务的工作方法及前瞻性思考。
1. 深度风险洞察与业务改善推动： - 基于海量客服交互数据（语音、文本）、用户反馈、业务数据等，利用大模型技术（如主题聚类、情感分析、意图识别等），精准识别客户及平台各类风险，挖掘风险根因。 - 深入剖析风险背后的业务逻辑、流程断点及策略漏洞，产出高价值的风险洞察报告（量化影响、原因分析、趋势预测）。 - 主导推动跨部门协作（产品、技术、运营、法务、合规等），将风险洞察转化为具体、可落地的业务改善方案（如流程优化、规则调整、策略迭代、体验提升），并持续追踪改善效果，闭环管理。 2. 风险洞察能力体系建设： - 梳理并搭建公司级的风险洞察框架与指标体系，明确洞察方向、方法论和衡量标准。 - 设计、规划并主导风险洞察工具与平台能力（如风险仪表盘、预警系统、根因分析工具等），提升团队洞察效率和精度。 - 优化风险数据的采集、清洗、存储和使用流程，确保洞察数据源的可靠性及可用性。 3. 客服风险标准定义与对齐： - 深入理解业务、合规要求的风险标准，主导制定、修订和迭代面向服体侧的核心风险定性与定级标准。 - 推动跨部门对齐风险定义、边界及责任，确保标准在全局层面的一致性与可执行性。 - 建立有效的标准宣贯、培训及落地追踪机制，确保标准被清晰理解和严格执行。