阿里巴巴1688-算法专家-商品全链路建模

方向一：流量算法 负责广告重点流量展位（搜索/feeds/banner/视频类）CPM提升，包括点击率优化，流量策略优化，创意优选，反作弊策略等，助力重点流量位广告匹配效率提升，扩大广告消耗规模 1）掌握广告流量策略优化手段，了解广告全链路相关算法（召回/粗排/精排/重排/创意优选等），至少熟悉其中1道2个环节的原理和细节方案，能够灵活、快速响应问题和解决问题。 2） 熟悉常用的流量优化策略，在流控，频控，去重，打散，混排等流量策略有实际的优化提升经验，能针对不同流量场的特点，针对性的设计优化场的流量策略。 3） 有大规模搜索广告，feeds流广告，以及视频流广告有2年以上实际优化经验者优先。 方向二：行业算法 负责广告重点行业如电商/汽车/游戏等客户的效果优化，智能出价等广告机制优化，助力广告重点行业规模扩量。 1）掌握广告行业和客户诉求，熟练掌握常见的定向、助攻、高价值人群溢价、矫正、扶持、落地页诊断、链路效率排查等等广告机制和技术优化方案，能够灵活、快速响应问题和解决问题 2）洞悉电商/汽车/游戏/运营商等行业、交易/线索/下载唤端产品、自动化投放/系统干预机制发展趋势，掌握GSP等计费机制、深浅转化模型优化、自动化投放技术、针对业务场景的模型优化等等技术，可以针对性的提出和推动和整合相关产研方案、平台能力给出针对性的以及深入的解决方案 方向三：支付宝首页/内容/营销等 1.参与亿级用户支付宝推荐场景算法研发与优化，深入理解推荐业务需求，设计并落地大规模召回/排序/重排等算法，持续提升推荐算法效率与用户体验； 2.通过研究用户表征学习、多源异构数据建模、跨域迁移学习、多场景建模、序列建模、多任务学习等技术提升推荐匹配效率，帮助用户快速发现优质商品、内容与服务； 3.研究推荐冷启动、分人群多目标优化等推荐技术课题，不断探索最新技术。

1. 负责美团外卖、医药、闪购等多个业务的商品商家端智能补贴算法工作，推动量价模型、收益管理等相关算法的落地，协同业务侧提升补贴效率 2. 跟进业界、学界进展，推动因果建模、运筹优化、机器学习、强化学习等智能决策算法的应用和迭代，持续通过技术手段解决业务问题、优化业务效果 3. 全链路跟进具体营销场景策略方案设计、实现、上线、质量保障、效果分析，对营销效果负责； 4. 深入思考业务价值，与产品、业务团队密切配合，打造和完善行业一流的营销增长算法体系，通过算法策略不断提升营销效率。

团队介绍：字节跳动搜索团队主要负责抖音、今日头条、西瓜视频等产品的搜索算法创新和架构研发工作。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1）探索最前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2）探索跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；3）探索大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4）探索千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务，方方面面都进行深入研究和创新。 1、参与搜索引擎研发，探索搜索全链路（分析、召回、粗排、精排、混排）的个性化行为建模，包括CTR、CVR预估、向量召回、价值混排、RAG、NLP、LLM、多模态、机器学习、深度学习等，推动搜索算法在国际化电商场景的落地与提升，提升亿级用户搜索体验； 2、参与国际化电商搜索算法的优化与迭代，提升转化效率、用户体验和供给生态；解决多语言相关性匹配、权威性感知、种草内容理解、重复铺货、山寨假货治理等技术难题，极致优化内容电商、传统货架电商等多种电商业务形态的基础搜索质量；极致提升商品、种草视频和带货直播的购物转化效率，促进GMV增长； 3、深入参与核心搜索产品的需求设计，负责算法和工程的高质量交付，持续优化效果提升产品体验； 4、挖掘数据，构建Query理解、召回、排序等模型，提升电商搜索算法能力； 5、学习前沿技术，探索大模型等创新技术在AI搜索场景的落地。

团队介绍：字节跳动抖音搜索团队主要负责抖音搜索算法创新和架构研发工作，主要包括短视频、直播、本地生活、视觉搜索等多个业务线。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1、探索前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新。 1、参与搜索引擎研发，探索搜索全链路（分析、召回、粗排、精排、混排）的个性化行为建模，包括CTR、CVR预估、向量召回、价值混排、RAG、NLP、LLM、多模态、机器学习、深度学习等，推动搜索算法在国际化电商场景的落地与提升，提升亿级用户搜索体验； 2、参与国际化电商搜索算法的优化与迭代，提升转化效率、用户体验和供给生态；解决多语言相关性匹配、权威性感知、种草内容理解、重复铺货、山寨假货治理等技术难题，极致优化内容电商、传统货架电商等多种电商业务形态的基础搜索质量；极致提升商品、种草视频和带货直播的购物转化效率，促进GMV增长； 3、深入参与核心搜索产品的需求设计，负责算法和工程的高质量交付，持续优化效果提升产品体验； 4、挖掘数据，构建Query理解、召回、排序等模型，提升电商搜索算法能力； 5、学习前沿技术，探索大模型等创新技术在AI搜索场景的落地。