阿里巴巴阿里国际站/Alibaba.com-机制算法-杭州
任职要求
1. 计算机、运筹学、应用数学、统计学或相关专业，有算法领域的工作经验; 2. 熟悉机器学习/深度学习/数据挖掘/运筹优化中至少一个领域的原理与算法，并且能够熟练建模解决业务问题; 3. 精通一种或多种大数据处理和分析语言，比如SQL/Python/C++等；熟悉常用的机器学习或运筹优化库，比如Pytorch/TensorFlow/scikit-learn/cplex等; 4. 在一个或多个营销子领域的常用模型和架构上有丰富的经验和深入的理解，包括但不限于： - 大模型算法：商家经营Copilot，LLM model、Query理解、Prompt Engineering、P…
工作职责
1. 负责阿里国际站搜推机制算法研发工作，包括“搜推商业机制优化”、“商家ROI价值增长”等，并实现相关技术在实际业务场景中的落地； 2. 分析和洞察业务痛点，发现机会；合理定义问题，提出建设性解决方案，协同各方推动算法落地，帮助业务取得突破； 3. 对算法领域进行中长期规划和布局，追踪相关领域算法前沿技术，探索将新技术应用于实际业务；
1. 供给定价算法 ◦ 负责本地外卖商品动态定价算法的设计与优化，结合运筹优化、因果推断、收益管理等方法，平衡供需关系与平台收益。 ◦ 基于用户行为、市场供需、竞争环境等数据，构建实时定价模型，提升定价精准度与用户体验。 ◦ 设计并迭代补贴策略（如货补、折扣），通过A/B测试验证效果，优化补贴效率。 2. 商品推荐算法 ◦ 研发个性化推荐系统，优化首页推荐、详情页推荐等场景的CTR/CVR指标，提升用户转化率。 ◦ 应用深度学习（如NN模型、LightGBM）、图神经网络等技术，挖掘用户兴趣与商品关联性。 ◦ 结合多模态技术（NLP/CV）优化商品标题、图文素材的匹配度，增强推荐理由的生成能力。 3. 选品机制算法 ◦ 构建选品核心能力（如销量/GMV预测、品类规划），通过机器学习与因果推断技术匹配场域调性需求。 ◦ 设计组合套餐（如“主食+饮品”）的选品策略，优化客单价与用户满意度。 ◦ 搭建公司级选品系统平台，推动算法在营销活动、超抢手、品团购等业务场景的落地。
负责淘宝搜索供给与机制算法，通过设计合理流量机制策略，建立商家、平台和消费者三赢的商业体系。方向包括但不限于： 1. 运营动作预估：通过因果推断、反事实预估等能力，优化诊断反馈模型的准确性，与流量机制结合，达成用户价值和商家经营确定性的双赢。技术包括因果推断、uplift预估、组合优化、MLLM等； 2. 供给诊断：通过设计合适的流量机制、静态商品理解等方式，客观评估商品效率，构建从价格、图文、服务、销评等商品理解体系； 3. 商品运营agent：从平台视角建立商品全生命周期的运营计划建议，简化商家运营成本，达成双赢，技术包括定价、大模型Agents等。
负责主搜供给与机制算法，通过设计合理流量机制策略，建立商家、平台和消费者三赢的商业体系。方向包括但不限于： 1. 供给机制：新品冷启优化淘宝亿级新品的冷启打爆链路，通过满足用户新品需求带来大盘增量。技术包括潜力预估、流量规划、多级流量池助推等。商品速爆构建从选品反向招商到速爆的链路，通过机制撬动供给价格力带来大盘增量。技术包括品规挖掘、同款比价、Debias预估、欠曝品助推、Listwise聚单等。 2. 供给生态：通过优化价量模型与诊断反馈模型的准确性，达成用户价值和商家经营确定性的双赢。技术包括时序建模、因果推断、组合优化、MLLM等。 3. 调控算法：优化调控目标完成率/折损兑换比的机制系统，技术包括过欠曝预估、在线学习、请求级IPW预估、整页价值预估与生成等。 4. 长尾预估：优化无少行为商品预估准度，提升模型对长尾商品的泛化能力。技术包括域迁移、GNN、多模态、伪样本、大模型Agents等。 5. 供给链路：优化供给与机制独立通路，从平台视角综合考虑供给打爆与机制收益与损失。技术包括供给独立通路升级、混排LTR、供给价值与孵化损失预估等。
1、负责搜索推荐系统的算法设计与优化，提升用户搜索和推荐的精准度与满意度。 2、研究和应用深度学习、强化学习、大模型等技术，优化算法包括但不限于，个性化召回&排序算法、全链路策略机制算法、Query理解和商品相关性优化。 3、参与系统架构设计，确保算法在大规模数据和搜推多场景下有效。 4、与产品和数据团队紧密合作，通过数据驱动优化业务策略和算法模型，解决关键业务问题，提升用户转化和留存。 5、跟踪业界最新技术动态，推动搜推技术的创新和应用。