饿了么淘宝闪购-闪购营销产品专家-到店
任职要求
1、3年及以上互联网产品经理、营销产品运营、电商平台运营或相关经验；
2、拥有O2O本地生活服务（餐饮、到店综合）、电商交易平台、优惠券/卡券营销系统或会员增长相关领域经验者优先；
3、有成功设计、运营或优化过团购、优惠券、代金券等营销产品的实战经验；
4、熟练运用数据分析工具（如SQL, Excel…工作职责
1.产品与营销设计：洞察用户决策路径与商家诉求，设计并迭代限时折扣、多人拼团、会员专享券等营销玩法，提升用户活跃度和转化率。 2.营销策略落地：结合平台大促、节日营销等节奏，制定整合营销方案，并通过AB测试验证不同策略对下单率、ROI等关键指标的影响。 3.商家赋能：优化商家后台管理工具，设计差异化团购券解决方案，提升商家满意度和粘性。 4.数据分析与优化：监控发券量、核销率、GMV等核心指标，分析用户与商家数据，驱动产品与策略迭代。 5.跨部门协作：与技术、设计、市场、运营等团队高效协同，确保产品高质量落地和策略有效执行。
1.负责制定并执行分行业的商家增长策略，包括设定增长目标、设计动销和供给渗透方案，并结合平台大促节点推动冷启动和高潜商家计划。 2.优化商家分层运营体系，提供差异化资源以提升留存与复购。 3. 数据驱动运营与效果优化：构建商家增长核心指标看板（如动销率、GMV增长率、供给覆盖率），监控数据波动并定位问题，输出周期性复盘报告；通过AB测试验证佣金政策、流量分配、活动玩法等策略效果，迭代优化增长模型。 3. 商家赋能与生态建设 ○ 为商家提供经营诊断、团单设计、内容营销（短视频分发）等支持，提升线上运营能力； ○ 拓展线下合作场景（商超、社区、连锁品牌），探索异业合作模式，打造增量案例； ○ 处理商家投诉与需求，维护客情关系，提升满意度。 4. 跨团队协同与资源整合 ○ 联动产品团队推动商家后台工具（如数据看板、任务系统）迭代，降低操作门槛； ○ 协调销售（BD）、市场、客服团队，确保增长策略的端到端落地
1.负责制定并执行分行业的商家增长策略，包括设定增长目标、设计动销和供给渗透方案，并结合平台大促节点推动冷启动和高潜商家计划。 2.优化商家分层运营体系，提供差异化资源以提升留存与复购。 3. 数据驱动运营与效果优化：构建商家增长核心指标看板（如动销率、GMV增长率、供给覆盖率），监控数据波动并定位问题，输出周期性复盘报告；通过AB测试验证佣金政策、流量分配、活动玩法等策略效果，迭代优化增长模型。 3. 商家赋能与生态建设 ○ 为商家提供经营诊断、团单设计、内容营销（短视频分发）等支持，提升线上运营能力； ○ 拓展线下合作场景（商超、社区、连锁品牌），探索异业合作模式，打造增量案例； ○ 处理商家投诉与需求，维护客情关系，提升满意度。 4. 跨团队协同与资源整合 ○ 联动产品团队推动商家后台工具（如数据看板、任务系统）迭代，降低操作门槛； ○ 协调销售（BD）、市场、客服团队，确保增长策略的端到端落地
方向一：搜推效率、生成式、店品券 岗位职责： 1、负责搜索/推荐业务的召回、粗排/精排算法设计和优化，提升大盘转化效率； 2、负责用户、商户、query、营销信号等各维度特征、模型样本等基础模块的搭建和优化； 3、应用机器学习/深度学习、生成式推荐等算法技术，优化召回/排序模型，推动生成式推荐算法的工业落地； 4、与上下游的数据、工程、产品等团队紧密配合，把算法模型等上线到业务场景中，提升业务效果； 5、跟进推荐系统前沿研究方向，结合业务场景进行创新与落地，做技术沉淀和paper发表。 方向二：大混排（统一混排）、全站推 岗位职责： 1、负责混排（信息流+商业化）算法的设计和优化，提升流量变现效率和用户体验； 2、建立并优化目标函数，通过混排多目标优化平衡用户体验 & 平台收益； 3、结合用户画像、内容特征、广告属性等多维度信号，构建高效的特征工程与模型； 4、应用深度学习、强化学习等技术优化推荐与广告混排效果； 5、与工程、产品、运营团队密切协作，将算法落地到生产环境，并持续监控与优化效果； 6、跟踪前沿的推荐与广告算法研究，推动新技术在业务中的应用。
方向一：搜推效率、生成式、店品券 岗位职责： 1、负责搜索/推荐业务的召回、粗排/精排算法设计和优化，提升大盘转化效率； 2、负责用户、商户、query、营销信号等各维度特征、模型样本等基础模块的搭建和优化； 3、应用机器学习/深度学习、生成式推荐等算法技术，优化召回/排序模型，推动生成式推荐算法的工业落地； 4、与上下游的数据、工程、产品等团队紧密配合，把算法模型等上线到业务场景中，提升业务效果； 5、跟进推荐系统前沿研究方向，结合业务场景进行创新与落地，做技术沉淀和paper发表。 方向二：大混排（统一混排）、全站推 岗位职责： 1、负责混排（信息流+商业化）算法的设计和优化，提升流量变现效率和用户体验； 2、建立并优化目标函数，通过混排多目标优化平衡用户体验 & 平台收益； 3、结合用户画像、内容特征、广告属性等多维度信号，构建高效的特征工程与模型； 4、应用深度学习、强化学习等技术优化推荐与广告混排效果； 5、与工程、产品、运营团队密切协作，将算法落地到生产环境，并持续监控与优化效果； 6、跟踪前沿的推荐与广告算法研究，推动新技术在业务中的应用。