字节跳动共资产品经理-国际电商
任职要求
1、本科及以上学历,有电商/平台产品/B端用户增长产品经理经验优先; 2、3年以上电商或相关领域的工作经验验,特别是在用户增长和共资方面的成功经验; 3、英语可以作为工作语言; 4、优秀的数据分析能力与清晰的逻辑思维;出色的沟通和跨团队协作经验; 5、优秀的沟通与团队合作能力,能够在快节奏的工作环境中有效推动项目; 6、主动学习,强责任心,热衷于通过创新策略促进电商业务的发展。
工作职责
1、负责平台共资项目的产品策略规划与落地,包括机制设计、流程对接、规则适配、商家/AM宣发; 2、主导平台核心模块(如货补、物流、佣金、分期)的产品策略与迭代; 3、中英文流畅沟通,协同产品研发、运营、财务、税务、法务、风控、数据等团队,推动共资项目在跨团队、跨部门下的协同效率; 4、基于业务目标,制定差异化方案,支持平台GMV增长、平台利润与收入优化及项目ROI最大化; 5、定期复盘共资项目,监控关键指标与业务目标的达成情况,提出产品策略优化方案。
1、负责平台共资项目的产品策略规划与落地,包括机制设计、流程对接、规则适配; 2、主导平台核心模块(如货补、物流、佣金、分期)的产品策略与迭代; 3、协同产品研发、运营、财务、税务、法务、风控、数据等团队,推动共资项目在跨团队、跨部门下的协同效率; 4、基于业务目标,制定差异化方案,支持平台GMV增长、平台利润与收入优化及项目ROI最大化; 5、定期复盘共资项目,监控关键指标与业务目标的达成情况,提出产品策略优化方案。
1、负责设计和迭代平台“Bonus Cashback”用户激励与商家共资策略与机制,明确业务目标(复购、收入、ROI等)并量化落地运营; 2、搭建策略中台能力(人群/行业/区域等),支持不同国家差异化策略定制:触达、发放、核销、玩法等规则; 3、协同产品研发、运营、财务、税务、法务、风控、数据等团队,推动合资项目在跨团队、跨部门下的协同效率; 4、基于市场研究、数据洞察、A/B实验等结果持续优化项目效果,提出产品策略优化方案,提升平台与商家的ROI。
1、领导制定并执行面向美国市场的数据驱动型用户增长策略; 2、与数据科学和增长研发团队合作,开展高质量的实验,以提升获客成本(CAC)、生命周期价值(LTV)和推荐效率; 3、与跨职能部门负责人合作,通过分析模型、模拟和情景规划来制定产品优先级; 4、识别用户细分、激活和留存的关键杠杆,并相应地指导产品和营销计划; 5、构建框架和仪表盘,助力追踪投资回报率(ROI)并为领导层决策提供信息。
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 在广告营销领域,智能客服系统正成为优化售前用户沟通的关键工具,商家亟需高效工具来减少人工依赖、提升转化效率。背景核心在于:广告营销的售前场景涉及复杂用户交互(如产品咨询、促销引导和留资获取),当前基于 LLM 的智能客服 Agent 系统采用 “规划 + 生成” 的架构,需完成从用户进线、诉求澄清到方案执行的全流程服务。然而,随着广告市场的动态变化和个性化需求增长,传统方法面临响应相关性不足、转化率瓶颈等问题。团队正聚焦于利用 LLM 后训练技术(如微调和强化学习),结合 RAG、CoT 蒸馏等手段,构建一套高适配性的 Agent 系统,以实现智能化用户沟通 —— 帮助商家自动促成订单或获取高质量线索,最终提升广告营销的 ROI 和用户体验。这一方向不仅是业务增长的核心驱动力,也是推动大模型在广告领域落地的关键创新。 课题挑战 本课题面临多重技术与业务挑战,需要人才在 LLM-Agent 架构下突破瓶颈,确保智能客服在广告营销场景中的高可靠性、高效性和合规性。具体挑战包括: 1)对话流程控制:售前咨询需通过多轮交互引导用户留资或促成订单,亟需优化 Agent 的决策能力。这要求强化planning的识别能力和action选择的准确性,需要引入 SOP 构建、CoT蒸馏、react与反思机制等,实现上下文一致性与业务目标达成。另外也需要构建合理的reward指标,应用DPO/RL等手段进一步提升模型决策能力; 2)回复质量与幻觉:售前咨询的回复模型需要在少量标注数据下产出高质量的训练数据,应用大模型微调SFT、CoT蒸馏提升在各个行业上的话术质量和回复满意度。应用RAG、知识图谱等能力构建高质量知识库,在线时通过精确知识点匹配解决冷启动与幻觉问题,提升用户体验; 3)个性化问题:目前传统智能客服对于不同用户的接待基本都是相同的,售前客服需要考虑不同用户的兴趣点,通过引入用户特征、构建长期memory等手段,为用户构建定制化的接待方案,提高用户满意度并促成留资或者订单等业务指标提升; 4)实时性能瓶颈:系统需处理高并发请求,但大模型的推理延迟和资源消耗可能影响用户体验。这要求研究模型压缩、量化技术、推理模型的cot加速等方向以优化部署效率。 研究方向:大语言模型。