字节跳动国际商业化市场营销电商-Global Business Solutions
任职要求
1、拥有至少5年B2B市场营销相关经验，深刻理解数字广告或互联网平台的商业化逻辑，有服务出海广告主的经验者优先；
2、对广告商业化模式（如竞价广告、品牌广告产品）有深入的认知，能准确把握不同行业广告主的核心诉求；
3、具备数据分析能力和商…工作职责
1、策略制定与执行：针对广告商业化业务，制定并执行创新的To B市场营销策略，聚焦广告主教育与认知建立，直接驱动广告收入（Ad Revenue）增长； 2、线索获取与转化：面向核心市场的广告主与代理商，策划并落地行业峰会、线上研讨会及定制化营销活动，高效获取并培育高质量的To B销售线索； 3、行业洞察与赋能：深入研究电商等出海重点行业，洞察广告主需求与痛点，产出有价值的行业解决方案与市场白皮书，赋能销售团队并服务核心客户； 4、效果衡量与优化：建立并完善营销活动的效果追踪与评估体系，对Marketing ROI、线索转化率及广告收入贡献等关键指标进行深度分析，以数据驱动策略迭代与预算优化； 5、项目管理与协同：高效协同产品、销售、运营等内外部团队，管理复杂营销项目的全生命周期。
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：内容与服务广告团队是全球变现产品组织的一部分，负责为应用下载、游戏、短剧、线索等行业客户构建广告产品。我们的愿景是通过构建支持独特垂直需求、新的变现模式和应用生命周期不同阶段的产品，使我们的产品成为营销人员获取、保留和变现用户的领先平台。 1、负责短剧广告的产品策略设计，对广告的商业化路径、售卖策略、收入负责，极致优化客户投放效果和效率； 2、与设计、研发、算法等跨部门团队紧密合作，协同推进项目落地，交付高质量产品； 3、研究客户行业玩法，理解海外用户习惯，持续追踪及分析关键产品指标，能敏锐发现产品问题并推动优化。
1.负责国际化广告数据平台的设计、开发、维护和优化，包括数据采集、存储、处理、建模和分析； 2.构建和维护高效、稳定的数据管道（ETL/ELT），确保数据质量和及时性，支持广告投放、归因、效果衡量等业务需求； 3.参与国际化广告数据产品的需求分析，提供数据解决方案和技术支持； 4.负责多语言、多时区、多货币等国际化数据特性的处理和兼容性设计； 5.优化数据查询和计算性能，支持大规模数据处理和实时数据分析； 6.算法工程师、产品经理、业务分析师等团队紧密协作，提供数据支持和洞察。
1. 负责向国际客户以及中国出海企业客户提供智能终端科技类产品，包括但不限于移动端、鸿蒙端、AI等产品； 2. 协同市场商务、解决方案等团队，挖掘行业、客户的需求痛点，制定产品规划以及提供满足客户诉求的商业化产品，对商业结果负责； 3. 负责产品全生命周期，包括市场调研、产品设计、产品定价等，同时根据不同国际区域，根据市场、客户的不同，产出易用、稳定、安全、符合当地监管、文化等的商业化产品； 4. 了解行业、市场发展趋势以及竞争情况，制定产品策略，不断保持产品竞争力。
1、进行生成式人工智能领域的前沿算法研究与模型优化，聚焦图像、视频、数字人、多模态生成等方向，持续突破生成质量、可控性、采样效率与训练稳定性的技术边界； 2、生成模型结构创新：深度参与Diffusion、DiT、MMDiT、Flow Matching、Rectified Flow、Autoregressive、Masked Generative Transformer等主流生成架构的设计与改进，探索新型骨干网络、时空注意力机制、条件注入方式（Cross-Attention、AdaLN、In-Context Conditioning）、3D VAE/Tokenizer设计、长序列时序建模等关键技术，提升模型在图像与视频生成任务上的表现上限； 3、数据生产与数据工程：主导高质量训练数据的构建链路，包括多阶段数据清洗（美学打分、运动一致性过滤、OCR/Watermark检测）、自动标注（Recaption、Dense Caption、镜头语言标注）、合成数据生成、Bucket分桶与分辨率策略、数据配比与课程学习（Curriculum Learning）设计，建立面向生成模型的数据飞轮与端到端质量评估体系； 4、后训练优化：应用与创新后训练方法，如SFT、DPO、IPO、KTO、Reward Modeling、RLHF及其针对Diffusion的变体（Diffusion-DPO、DDPO、ReFL），针对生成模型在美感、可控性、指令跟随、物理合理性、安全性等维度进行对齐与能力提升;探索Step Distillation、Consistency Distillation、Rectified Flow Distillation等少步采样后训练方法； 5、强化学习算法研究：探索并落地适用于生成模型的强化学习算法，包括PPO、GRPO、RLOO、Diffusion-DPO、DDPO、ReFL等，针对可微分Reward接入、采样轨迹信用分配、Reward Hacking、长视频稀疏奖励、训练稳定性与探索-利用平衡等关键问题进行算法创新。