阿里巴巴阿里妈妈-AI CRM研发工程师-杭州
任职要求
1、本科4年或硕士2年以上JAVA开发经验，具备1年以上系统架构设计经验；精通JAVA技术栈（Spring/MyBatis/Dubbo等），有高并发、分布式系统实战及性能调优经验；熟练掌握设计模式与复杂系统设计方法，具备出色的业务抽象与问题拆解能力。 2、具备优秀的沟通协作与项目管理能力，能精准把控需求与交付节奏；对系统质量有严苛标准，注重可观测性、稳定性与迭代效率。 3、有CRM、商家…
工作职责
1、负责构建妈妈客户管理体系，以客户为主体拉通全量业务数据，完成客户全生命周期管理与数据沉淀，通过智能标签、行为预测等AI能力提升服务精准度与效率； 2、负责面向品牌、效果等商业化场景的商家运营能力建设，融合客户分群、流失预警、个性化触达等AI模型，打造数据驱动的智能运营阵地； 3、负责销售平台建设（人员管理-线索分配-售卖管理-业绩核算），引入销售预测、智能线索排序、对话式交互（如数字员工、智能外呼）等AI能力优化销售动线； 4、分析系统瓶颈，将业务痛点转化为技术方案，主导AI能力在客户洞察、运营提效、销售赋能等场景的工程化落地； 5、探索大模型在CRM领域的深度应用，设计并实现RAG知识库、Agent工作流、多模态交互等智能化模块，持续推动系统智能化升级。
1. 负责商家侧CRM业务域相关项目的分析与实施，与产品密切配合，从需求出发主导、参与相关业务平台的系统分析与架构设计工作； 2. 前瞻业务动向，分析现有架构不足，主导、参与技术难题攻关，解决各类潜在系统技术风险，提升业务支撑能力与迭代效率，并保证系统的安全、稳定、快速运行； 3. 能够熟练使用AI技术、提出创新的解决方案解决业务问题，能对现存或未来系统进行宏观的思考，规划形成统一的框架、平台或组件；
1. 负责设计和实现商家经营场景下，复杂任务的多步骤规划执行的能力 2. 负责关键AI技术的引入、实现、落地 3. 负责建立大模型应用领域的基建要求并解决相应问题，如效果评测、数据质量、安全等 4. 负责定位、分析商家经营链路中的智能化需求点，并设计相应的解决方案 5. 负责商家智能化CRM产品、智能经营分析和多轮问答等产品的开发落地升级 6. 负责高阶商家日常经营和商家成长的需求开发落地 7. 负责针对重点分类下的商家设计相应的解决方案，综合利用业务和技术手段，实现商家增长
1、负责盒马数据仓库搭建，建设包括交易、流量、营销、采配、库存、仓储、配送、履约、财务 等业务领域的通用数据集市 2、负责数据全链路的开发，包括日志埋点、内部与外部数据的采集、数据同步、数据清洗与标准化、数据模型设计、离线数据处理、实时数据处理、数据服务化、数据可视化等 3、参与数据治理工作，包括元数据管理、数据质量检查、数据分级管理等系统的设计、开发及应用，提升数据易用性、可用性及稳定性 4、参与用户CRM、流量分发、供应商绩效、库存健康、动态定价、智能排班等产品的规划，并保证其落地 5、参与盒马数据化运营，在深入了解盒马业务的基础上，制定系统性端到端的数据解决方案，通过数据+算法驱动业务优化，打造新零售应用标杆
团队介绍：字节跳动剪映研发团队，主要支持剪映、醒图、Faceu 等多款国内外产品的研发工作，业务覆盖多元化影像创作场景，截止2021年6月，相关产品多次登顶国内外App Store 免费应用榜第一，并继续保持高速增长。加入我们，一起打造全球最受用户欢迎的影像创作产品。 课题介绍： 1）课题背景： 1、数字化营销时代，企业对高质量、多样化营销素材的需求呈爆发式增长。从社交媒体图文到短视频广告，从个性化推荐文案到多模态互动内容，营销场景的复杂化与用户需求的碎片化对素材生成效率、创意水平和精准度提出了更高要求。传统依赖人工策划与设计的模式成本高、周期长，难以满足实时化、动态化、规模化的业务需求。尽管生成式AI（AIGC）技术（如GPT等）已在文本、图像生成领域取得突破，但在营销场景中仍面临创意适配性差、多模态协同能力弱、品牌一致性难保障等瓶颈。本课题旨在研发“创作领域Agent”，通过智能技术实现从策略洞察到内容生产的全链路自动化，推动营销效率与效果的革命性升级。 2、随着大语言模型、多模态模型等大模型的成熟，通过视觉理解、语音识别、文本生成等AI大模型能力，提升视频剪辑效率，基于创作者的需求和创意，高效的创作出炫酷、个性化的视频成为了可能。当前行业虽已有部分智能剪辑工具，但大多局限于规则化操作，成片或缺乏对用户意图的理解，效果同质化，或缺乏成片逻辑与情感，机械堆砌素材。 本课题旨在研究适合视频剪辑的大模型技术，结合剪映平台的强大剪辑能力和效果，打造一个智能剪辑的智能体（Agent），赋能自媒体内容生产、影视工业化、广告营销等场景。 2）课题挑战： 1、创意与商业价值的平衡：AI生成内容易陷入同质化，需突破算法在品牌调性理解、用户情感共鸣、营销目标对齐等方面的局限，确保创意兼具新颖性与商业转化价值。 2、多模态动态协同：文本、图像、视频等模态的生成需实现语义与风格的跨模态对齐，且需支持动态组合与实时迭代（如根据用户反馈即时优化素材）。 3、复杂场景泛化能力：营销场景高度细分（如电商促销、品牌故事、危机公关），Agent需具备上下文感知与领域迁移能力，避免“一刀切”生成策略。 4、计算效率与资源限制：高分辨率视觉素材生成、多版本AB测试等场景对算力需求极高，需优化模型轻量化与推理速度，满足企业级部署的可行性。 5、伦理与合规风险：需解决版权争议（如AI生成素材的版权归属）、内容安全（如虚假宣传、文化敏感性）等问题，构建可信可控的生成框架。 6、视频数据复杂性远超图片和文字，巨量的用户素材，要通过大模型去精准理解，并与图片、音频、文字等多模态特征统一，对多模态模型理解能力和推理优化，提出了极高要求。 7、大模型对素材编排和剪辑的结果，可能偏离用户真实意图，既要避免输出模板化、同质化，又要结合用户个性化和创意，在风格、节奏等维度上加入“人性化创意”。 8、大参数模型训练成本高，推理慢，如何通过模型优化、工程优化等手段，给移动端、PC等终端用户极致的体验，也是课题的一大挑战。 1、负责剪映CapCut的AI视频编辑方向的Agent模型训练与评测，使用SFT/RLHF/Post-training等技术对视频创作进行领域知识建模； 2、提升视频创作Agent大模型的增强模型和安全能力的指令遵从能力、提升Pre-trained Model在视频创作的能力，构建行业领先的视频创作专家的智能Agent。