字节跳动汽车行业运营-抖音生活服务（北京/上海/杭州）
任职要求
1、本科及以上学历，3年以上咨询公司项目运营、互联网运营相关工作经验，有本地生活、电商平台的行业运营、商家运营或策略运营经验者优先； 2、具备出色的项目管理与执行能力，能够独立负责专项，制定清晰的路径和时间表，协同多方资源拿到业务结果； 3、具备良好的数据分析能力和商业敏感度，能从数据中洞察问题，并以数…
工作职责
1、承接与落地行业策略：承接行业增长目标，将目标拆解为具体可执行的动作，协同商家推进供给结构优化、平台特色商品建设、重点活动落地等关键任务； 2、核心商家运营与专项项目执行： 1）与重点商家建立并维系良好的合作关系，提供精细化的运营指导，推动商家提升在平台的经营效率与生意规模； 2）独立负责或参与行业专项的落地，制定详细的项目计划，协调内外部资源，确保项目目标达成，并对结果进行复盘； 3、跟进业务数据与过程指标：对所负责行业的业务指标进行日常监控与分析，从数据中发现问题与机会点，为运营动作的调优和策略迭代提供建议； 4、协同跨团队高效推进：作为业务接口人，与外部协同团队紧密协作，共同解决商家在入驻、经营、履约等环节遇到的问题，保障业务顺畅运转； 5、沉淀可复制的运营方案：将已验证的成功案例（如标准化履约动作、高效获客与转化路径等）抽象、总结，并沉淀为可规模化推广的运营指南与最佳实践，赋能更多商家。
1、负责游玩行业类目运营，整合平台和商家资源，用内容服务好消费者，实现行业GMV的健康增长； 2、负责行业品类核心策略制定、目标拆解及增长策略输出+落地跟进，洞察品类发展趋势，不断完善品类结构和丰富度； 3、负责行业基础运营体系的完善和优化，对接内部多部门，实现新工具新玩法新营销的衔接落地，包括行业品类营销活动策划及推进； 4、负责行业的重点商户引入和培养，建立商户成长体系，做好商户的分层运营； 5、负责大促的行业品类商品策略制定，并推动大促商品的招商排期； 6、负责行业商家分层精细化成长SOP+落地监控+方法论输出。
1、负责餐饮行业NKA随心团商家商品运营，深入了解外卖行业商家的经营业态、供需关系，了解商家商品、交易履约、商家对接等链路，协同多方角色输出外卖解决方案，为随心团商家的经营效率负责； 2、洞察外卖市场现状，梳理外卖行业商家的经营业态，基于业务发展现状、市场打法差异，推动随心团策略的迭代与更新，产出对业务有价值的洞察判断； 3、对外卖选品有洞察能力，具备定义行业好品、挖掘好品、运营好品的能力，输出随心团商品策略，探索区分于市场的差异化运营方式，推动外卖行业线上份额的增长； 4、搭建随心团外卖商家商品运营SOP，整合抖音生态的产品功能、活动玩法、服务商&达人资源体系，输出商家随心团经营策略。
团队介绍：字节跳动搜索团队主要负责抖音、国际化短视频、今日头条、西瓜视频等产品以及电商、生活服务等业务的搜索算法创新和架构研发工作。我们使用前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1、探索前沿的NLP技术：从基础的分词、NER，文本、多模态预训练，到业务上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，实现多模态视频搜索强大的语义理解和检索能力；3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新；5、推荐技术：基于超大规模机器学习技术，构建业界领先的搜索推荐系统，对搜索推荐技术进行探索和创新。 课题介绍：随着大模型技术的快速发展，智能搜索领域迎来了新的机遇和挑战。传统搜索技术在面对海量数据、多模态信息以及用户复杂需求时，逐渐暴露出模型容量不足、语义理解能力有限、资源利用率低等问题。基于大模型的智能搜索构建旨在通过引入大模型技术，提升搜索系统的智能化水平，优化用户体验，并解决超大规模检索、复杂语义理解、资源高效利用等核心问题。具体目标包括： 1、探索大模型与排序算法的结合，提升个性化排序的精度和用户体验； 2、研究生成式检索算法，解决百亿乃至千亿级别候选库的超大规模检索问题； 3、利用大语言模型（LLM）提升复杂多义Query的搜索满意度。 1、参与搜索引擎研发，探索搜索全链路（分析、召回、粗排、精排、混排）的个性化行为建模，包括CTR、CVR预估、向量召回、价值混排、RAG、NLP、LLM、多模态、机器学习、深度学习等，推动搜索算法的落地与提升； 2、参与搜索算法的优化与迭代，提升转化效率、用户体验和供给生态； 3、深入参与搜索产品的需求设计，负责算法和工程的高质量交付，持续优化效果提升产品体验； 4、挖掘数据，构建Query理解、召回、排序等模型，提升搜索算法能力； 5、学习前沿技术，探索大模型等创新技术在AI搜索场景的落地。
团队介绍：字节跳动搜索团队主要负责抖音、国际化短视频、今日头条、西瓜视频等产品以及电商、生活服务等业务的搜索算法创新和架构研发工作。我们使用前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1、探索前沿的NLP技术：从基础的分词、NER，文本、多模态预训练，到业务上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，实现多模态视频搜索强大的语义理解和检索能力；3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新；5、推荐技术：基于超大规模机器学习技术，构建业界领先的搜索推荐系统，对搜索推荐技术进行探索和创新。 课题介绍：随着大模型技术的快速发展，智能搜索领域迎来了新的机遇和挑战。传统搜索技术在面对海量数据、多模态信息以及用户复杂需求时，逐渐暴露出模型容量不足、语义理解能力有限、资源利用率低等问题。基于大模型的智能搜索构建旨在通过引入大模型技术，提升搜索系统的智能化水平，优化用户体验，并解决超大规模检索、复杂语义理解、资源高效利用等核心问题。具体目标包括： 1、探索大模型与排序算法的结合，提升个性化排序的精度和用户体验； 2、研究生成式检索算法，解决百亿乃至千亿级别候选库的超大规模检索问题； 3、利用大语言模型（LLM）提升复杂多义Query的搜索满意度； 1、参与搜索引擎研发，探索搜索全链路（分析、召回、粗排、精排、混排）的个性化行为建模，包括CTR、CVR预估、向量召回、价值混排、RAG、NLP、LLM、多模态、机器学习、深度学习等，推动搜索算法的落地与提升； 2、参与搜索算法的优化与迭代，提升转化效率、用户体验和供给生态； 3、深入参与搜索产品的需求设计，负责算法和工程的高质量交付，持续优化效果提升产品体验； 4、挖掘数据，构建Query理解、召回、排序等模型，提升搜索算法能力； 5、学习前沿技术，探索大模型等创新技术在AI搜索场景的落地。