logo of alibaba

阿里巴巴数据技术及产品部-AI产品运营-数据标注/专家社区方向

社招全职2年以上运营-产品运营地点:杭州状态:招聘

任职要求


1. 硕士及以上学历,计算机、数据科学、市场营销等专业优先
2. 3年以上互联网产品运营、有数据标注、资源管理等产品运营经验优先,有从0-1构建产品及产品成功运营案例优先
3. 熟悉数据标注流程和工具,了解人工智能和机器学习的基本原理熟练掌握数据分析工具(如Excel、SQL、Python等),能够通过数据分析发现问题并提出解决方案。
4. 具备出色的逻辑思维与结…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


1. 平台战略规划与设计:深入全链路业务场景,通过业务分析、用户研究、竞品分析等,对内部产品平台进行整体战略规划与架构设计,深度洞察业务需求与用户反馈,推动平台功能的持续优化与用户体验的全方位提升。通过创新思维与技术手段,确保平台在行业内保持领先地位。业务方向包含但不限于智能标注产品、专家社区产品、评测产品、资源管理产品等
2. 智能化工具开发与升级:深度参与产品工具的开发与迭代升级,主导智能化功能的落地实施,显著提升数据标注及作业效率与准确性。通过引入前沿技术,推动产品工具的智能化转型,助力团队在数据标注领域实现技术突破。
3. 平台运营策略与用户增长:制定并执行负责产品的运营策略,通过线上线下多渠道推广,提升产品用户的使用量。构建创新的用户激励机制,激发标注人员的积极性与忠诚度,打造高活跃度的用户产品。
4. 行业动态与市场趋势洞察:持续关注数据标注行业的前沿动态与发展趋势,定期开展市场调研,深度分析竞争对手的产品与运营策略。基于市场洞察,提出创新的产品优化与运营改进方案,确保平台在激烈的市场竞争中保持核心竞争力。
包括英文材料
学历+
数据科学+
机器学习+
数据分析+
还有更多 •••
相关职位

logo of aligenie
社招2年以上设计类-视觉

1:主导 AI 数据产品线(B 端)的产品体验设计,包含模型及Agent数据分析、数据应用等产品,深度参与产品构思及迭代; 2:独立完成用户研究、流程设计、原型制作及验证,推动设计方案高质量落地,并根据数据反馈持续优化; 3:深入理解业务场景,与产品、开发等多团队紧密协作,确保设计的一致性、易用性; 4:注重细节与产品思维,能够从概念到交付全流程把控设计质量; 5:关注AI工具及设计趋势,积极探索多模态交互、生成式 UI 及 AI 场景下的体验创新和优化方案。

更新于 2026-06-09杭州
logo of alibaba
社招2年以上设计类-交互

1:主导 AI 数据产品线(B 端)的产品体验设计,包含模型及Agent数据分析、数据应用等产品,深度参与产品构思及迭代; 2:独立完成用户研究、流程设计、原型制作及验证,推动设计方案高质量落地,并根据数据反馈持续优化; 3:深入理解业务场景,与产品、开发等多团队紧密协作,确保设计的一致性、易用性; 4:注重细节与产品思维,能够从概念到交付全流程把控设计质量; 5:关注AI工具及设计趋势,积极探索多模态交互、生成式 UI 及 AI 场景下的体验创新和优化方案。

更新于 2026-06-15杭州
logo of aligenie
社招5年以上技术类-开发

负责AI数据资产体系构建与AI数据资产规划(DataMap),实现AI全模态数据标准化、流程化及资产化,加速AI数据在基模和AI应用之间效能转化;负责全模态线上化、自动化的高效数据验收。 1. 制定公司级AI数据资产地图,建设各个模态下的大模型训练的各个阶段数据的分类体系; 2. 通过AI技术创新手段对EB级AI数据资产进行全生命周期管理,采集→存储→标注→质检→版本控制→交付→复用/销毁; 3. 协同各领域(数据、生态、业务)专家制定并沉淀AI数据验收标准,建了线上化的验收机制,以适应不同垂域、不同模态数据的复杂性与精细化要求(如特效类视频、多语种方言、音画同步口型一致性等); 4. 建设AI数据资产价值评估模型,量化不同AI数据资产对模型潜在提升度,指导数据采集&采买策略; 5. 搭建并完善AI数据质量模型,确保各模态AI数据资产的质量标准统一; 6. 设计并实施高效、动态的数据资产治理架构,保障AI数据资产的可持续增长及精准消费; 7. AI模型团队、AI业务产品团队紧密合作,深刻理解模型需求与业务痛点,将AI数据资产转化为驱动模型创新与业务增长的核心引擎。

更新于 2026-04-01杭州
logo of aligenie
社招3年以上

1.构建C端AI助手(如千问、悟空、QoderWork)的产品评测体系:围绕对话式AI助手的核心体验,从真实用户场景出发,设计评测维度、构建高质量评测集与评分标准,确保评测结果能真实反映产品的市场竞争力与用户体感。 2.驱动评测体系的产品化与平台化:负责将评测所需要的场景用例、评测流程与结果洞察封装,线上维护评测结果、对比与可视化看板,降低产品与算法团队的评测门槛,支撑快速迭代。 3.Agent与工具调用评测环境搭建:针对AI助手中的搜索联网、插件调用与Agent规划能力,搭建端到端的仿真运行环境与MCP工具层,实现外部工具接口的标准化注册、调用链路追踪与结果校验,确保多步骤任务评测的可复现性。 4.评测Benchmark建设:接入并适配主流开源评测集,同时持续挖掘用户真实Bad Case,沉淀并构建符合国内C端用户习惯的专属业务评测数据集,完成数据解析与评分逻辑对齐。 5.跨团队协同与体验闭环:作为评测体验专家,与产品经理、算法研究团队紧密协作,将产品侧的体验诉求转化为可量化的工程评测方案,并通过评测数据反哺产品迭代方向,以打造最受欢迎的AI应用为目标。

更新于 2026-06-17北京|杭州