阿里巴巴淘天算法技术-营销权益算法工程师-杭州

该岗位主要负责淘工厂、淘特的用户权益和商品营销定价算法优化，通过深度学习、强化学习、因果推断、运筹优化和LLM等算法技术，探索商品的动态定价机制与营销策略，提升用户权益的精准性和ROI，提升商家经营效率， 提升消费者购物体验帮助用户用更优惠的价格买到更满意的商品。欢迎有好奇心、敢于接受挑战的候选人加入我们，一起借助前沿创新技术为用户更好的创造价值，构建面向复杂电商场景的商品智能定价 & 用户智能补贴权益系统。 岗位职责包括但不限于： 1. 商品智能定价引擎，负责融合大模型、因果推断、强化学习与多模态理解等前沿技术，研发面向营销与定价场景的生成式AI能力，包括构建商品价量模型和由大语言模型驱动的智能定价策略生成系统，自动生成可解释且可执行的动态定价和商品运营策略建议。 2. 红包&优惠券用户权益发放，基于淘工厂、淘宝特价和淘宝买菜核心营销权益发放场景，负责电商场景中的红包、优惠券等权益的定价和发放机制。探索个性化、智能化、可调控的权益分配机制，提升权益对用户转化与GMV增长的撬动作用。 3. 增益建模。基于因果推断，深度学习构建通用精准Uplift模型体系，准确预估营销干预的因果效应，持续提升整体投放的增量效益。 4. 运筹优化与权益调控。针对各类约束下的权益投放场景，结合运筹优化，强化学习等技术，实现在约束精准达成控制下的目标优化方法。 5. 权益-搜推联合优化。以提升用户购物体验为目标，结合搜索、推荐和大模型技术，探索新的权益定价和发放范式 我们提供 1. 高空间的舞台：算法创新将直接应用于亿级商品、用户的业务场景，让你的技术才能得到最大程度的发挥。 2. 前沿的技术挑战： 跟踪大模型、AI Agent、RAG、强化学习等前沿技术进展，探索其在供给预测、动态定价、自动营销等场景的创新应用，推动“AI for Business Decision Making”在电商领域的深度落地。 3. 充足的资源支持： 享有淘天集团顶级算力、海量行为与商品数据，以及鼓励快速验证、容忍试错的创新文化。 4. 清晰的成长路径： 完善的技术晋升通道与跨团队协作机会，支持您在算法深度与商业影响力上同步成长。

该岗位主要负责淘工厂、淘特的用户权益和商品营销定价算法优化，通过深度学习、强化学习、因果推断、运筹优化和LLM等算法技术，探索商品的动态定价机制与营销策略，提升用户权益的精准性和ROI，提升商家经营效率， 提升消费者购物体验帮助用户用更优惠的价格买到更满意的商品。欢迎有好奇心、敢于接受挑战的候选人加入我们，一起借助前沿创新技术为用户更好的创造价值，构建面向复杂电商场景的商品智能定价 & 用户智能补贴权益系统。 岗位职责包括但不限于： 1. 商品智能定价引擎，负责融合大模型、因果推断、强化学习与多模态理解等前沿技术，研发面向营销与定价场景的生成式AI能力，包括构建商品价量模型和由大语言模型驱动的智能定价策略生成系统，自动生成可解释且可执行的动态定价和商品运营策略建议。 2. 红包&优惠券用户权益发放，基于淘工厂、淘宝特价和淘宝买菜核心营销权益发放场景，负责电商场景中的红包、优惠券等权益的定价和发放机制。探索个性化、智能化、可调控的权益分配机制，提升权益对用户转化与GMV增长的撬动作用。 3. 增益建模。基于因果推断，深度学习构建通用精准Uplift模型体系，准确预估营销干预的因果效应，持续提升整体投放的增量效益。 4. 运筹优化与权益调控。针对各类约束下的权益投放场景，结合运筹优化，强化学习等技术，实现在约束精准达成控制下的目标优化方法。 5. 权益-搜推联合优化。以提升用户购物体验为目标，结合搜索、推荐和大模型技术，探索新的权益定价和发放范式 我们提供 1. 高空间的舞台：算法创新将直接应用于亿级商品、用户的业务场景，让你的技术才能得到最大程度的发挥。 2. 前沿的技术挑战： 跟踪大模型、AI Agent、RAG、强化学习等前沿技术进展，探索其在供给预测、动态定价、自动营销等场景的创新应用，推动“AI for Business Decision Making”在电商领域的深度落地。 3. 充足的资源支持： 享有淘天集团顶级算力、海量行为与商品数据，以及鼓励快速验证、容忍试错的创新文化。 4. 清晰的成长路径： 完善的技术晋升通道与跨团队协作机会，支持您在算法深度与商业影响力上同步成长。

1 用户理解：基于海量用户行为，深入挖掘海外用户的分人群特征与增长机会点，构建用户全生命周期价值预测模型； 2.增益建模：基于因果推断，深度学习等方式，构建高精度的多目标Uplift模型体系，持续提升增量效益预估准确度； 3.权益分配：运用运筹优化、强化学习等技术，构建全局最优的权益分配决策引擎，在满足预算与ROI约束的前提下，实现收益最大化； 4 联合建模：结合大模型和搜推技术，探索新的权益定价、发放和价量联合建模范式，提升人货和人资匹配效率。

1 用户理解：基于海量用户行为，深入挖掘海外用户的分人群特征与增长机会点，构建用户全生命周期价值预测模型； 2.增益建模：基于因果推断，深度学习等方式，构建高精度的多目标Uplift模型体系，持续提升增量效益预估准确度； 3.权益分配：运用运筹优化、强化学习等技术，构建全局最优的权益分配决策引擎，在满足预算与ROI约束的前提下，实现收益最大化； 4 联合建模：结合大模型和搜推技术，探索新的权益定价、发放和价量联合建模范式，提升人货和人资匹配效率。