高德地图高德-广告算法专家（预估/机制/创意/流量增长）-信息研发团队
任职要求
1. 优秀的沟通能力，能够有效地与产品和运营团队合作，推动业务发展。 2. 优秀的算法能力，熟练运用运筹优化、强化学习等方法进行在线流量分配决策，实现高效的广告分发机制。 3. 擅长CTR预估的模型结构、特征及模型信号的迭代，熟悉广告系统、推荐系统、信息流广告的业务模式的优先。 4. 熟悉搜索算法、Query理解、相关性等等 5. 在多模态特征表达学习、多场景、多任务学习、标签延迟建模等方面具有一定的实践经验的优先。 6. 有搜推广算法应用和机器学习相关领域顶会或 期刊上发表论文者优先； 7. 参加过ACM或数据挖掘&机器学习类竞赛(天池大奖赛、Kaggle)并取得好名次者更佳；
工作职责
1. 预估方向：负责搜推广预估模型、校准相关方向的算法策略研发，包括特征体系和模型创新，负责深度学习模型在用户表征学习、召回模型、精排打分模型中的应用。 2. 机制方向：负责广告机制策略优化，基于深度学习与运筹优化的深度结合，优化出价机制策略，满足广告主多约束多目标的保量投放需求，同时提升客户效果与平台收益；构建多目标约束优化框架（如收入、广告主留存、生态公平性）建设生态健康的广告系统。 3. 创意方向：负责搜索广告动态创意模型策略算法优化工作：使用AIGC大模型根据客户营销信息，结合流量特征生成广告创意物料，提升广告创意物料供给的质量和营销效果；负责搜索广告创意物料-样式组合优选模型：多模态创意-物料素材组合优选，为搜索广告选择最优创意物料和样式组合，进而提升广告营销效果。 4. 流量增长：负责高德端内商业化广告流量的增长，具体包括：在搜索引导、Query推荐等核心场景中，通过端内用户行为的分析和挖掘，自动挖掘高价值广告供给和Query数据，结合在线实时识别与预估用户需求，主动进行精准化引导与分发，从而实现商业化广告流量的高效提升。 5. NLP/相关性方向：负责搜索广告的Query理解、触发、bidword推荐、文本匹配、Query推荐等相关工作，熟悉并掌握主流的NLP算法，在保障广告用户体验的前提下，提升广告收
1. 预估方向：负责搜推广预估模型、校准相关方向的算法策略研发，包括特征体系和模型创新，负责深度学习模型在用户表征学习、召回模型、精排打分模型中的应用。 2. 机制方向：负责广告机制策略优化，基于深度学习与运筹优化的深度结合，优化出价机制策略，满足广告主多约束多目标的保量投放需求，同时提升客户效果与平台收益；构建多目标约束优化框架（如收入、广告主留存、生态公平性）建设生态健康的广告系统。 3. 创意方向：负责搜索广告动态创意模型策略算法优化工作：使用AIGC大模型根据客户营销信息，结合流量特征生成广告创意物料，提升广告创意物料供给的质量和营销效果；负责搜索广告创意物料-样式组合优选模型：多模态创意-物料素材组合优选，为搜索广告选择最优创意物料和样式组合，进而提升广告营销效果。 4. 流量增长：负责高德端内商业化广告流量的增长，具体包括：在搜索引导、Query推荐等核心场景中，通过端内用户行为的分析和挖掘，自动挖掘高价值广告供给和Query数据，结合在线实时识别与预估用户需求，主动进行精准化引导与分发，从而实现商业化广告流量的高效提升。 5. NLP/相关性方向：负责搜索广告的Query理解、触发、bidword推荐、文本匹配、Query推荐等相关工作，熟悉并掌握主流的NLP算法，在保障广告用户体验的前提下，提升广告收
高德信息算法专项招聘方向 业务背景 高德地图作为行业领先的出行平台，持续探索AI与大数据技术在地图、导航、出行服务等领域的创新应用，现面向算法、工程、数据领域招聘顶尖人才，推动技术驱动业务增长与用户体验升级。 核心岗位方向 算法与AI应用 1. 推荐与个性化算法：负责用户兴趣建模、个性化推荐系统设计与优化（覆盖推荐算法专家、个性化推荐/搜索算法工程师）。 2. 广告算法：优化广告预估模型、创意策略、流量分配机制及增长路径（需熟悉CTR/CVR预估、机制设计）。 3. 强化学习与智能决策：研究强化学习在路径规划、动态资源分配等场景的落地应用。 4. 多模态内容理解：探索文本、图像、时空数据融合的多模态算法，提升内容分析与场景理解能力。 搜索与数据技术 1. 搜索算法：优化搜索排序、语义理解及RAG（检索增强生成）引擎开发（需熟悉NLP、信息检索技术）。 2. 用户画像与增长：构建用户行为分析体系，驱动商家/用户增长策略（需具备数据挖掘与增长分析经验）。
我们是1688商业化中心广告算法团队，负责1688广告在全场景的投放算法优化，包括但不限于： 1. 负责1688广告域的搜索、推荐以及外投场景的模型优化，包括Query理解、深度个性化召回、排序、模型校准、访客识别、流量采买等，推动生成式框架的落地，提升流量效率。 2. 负责广告竞价及排序机制、预算分配机制的优化，通过利用运筹学、控制论、博弈论、强化学习、多智能体学习等技术解决多场景的流量调控以及多目标优化问题。 3. 通过AIGC创意生成以及在线生成式创意等优化，提升商业化流量的买家体验和匹配效率。 4. 构建商家留存预估模型，通过归因分析等方法识别关键影响因子，完善自动留存优化的产品化建设。 5. 从全链路视角负责广告投放效果的优化，包括投前、投中以及投后的各项诊断以及分析。 6. 结合广告业务特点和前沿技术发展，持续进行技术应用和创新，推动AGI技术助力业务提效。
1.广告相关算法策略的研究及开发工作； 2.海量数据下的大规模触发召回技术及相关性研发； 3.CTR/CVR预估算法及系统的研发； 4.O2O广告模式、机制策略的探索研究； 5.基于强化学习和自动控制算法的智能出价研究； 6.广告程序化创意的探索研究