阿里云阿里云智能-通义大模型产品运营专家-北京/杭州
任职要求
1、计算机或相关专业本科及以上学历,5年以上工作经验。 2、有较全面的IT技术背景,具备大型复杂项目管理经验。 3、精通并爱好项目管理,有大局观,同时熟练掌握调研分析,数据分析、分解规划,风险应对,协同推进,组织领导等技能,具备结构化思维。 4、熟悉互联网/云计算公司项目管理的思路和方…
工作职责
1、洞察人工智能/大模型产品相关的市场机会、行业场景,快速捕捉市场热点和客户业务痛点,挖掘产品商机,行业方案,跨部门合作快速推动落地,形成产品竞争力。 2、监控并分析产品运营数据,且善于发现和总结行业痛点,并能够挖掘出可与现有产品或技术相结合的潜在需求,协同产研,推进创新功能或创新产品的落地,推动产品升级迭代和竞争力的持续改善,并基于此开展个性化的营销活动。 3、负责大模型项目效果保障,围绕客户业务场景,以客户价值为目标,完成效果履约,提供高质量的优化方案和实施方法,确保客户成功。 4、对大模型效果有较强的敏锐性,能结合行业场景建立业界评测标准,协同算法团队,保障大模型商业化能力形成领先竞争力。 5、熟悉大模型技术领域,能综合运用2B的传播运营工具及方法,进行人工智能产品或服务的活动策划和执行,包括线上活动、线下活动、促销营销转化活动等。如:大型峰会、大模型案例撰写宣推、技术沙龙、白皮书、媒体PR等,扩大产品品牌影响力,并以市场活动为手段,牵引商机的引入,形成营销转化闭环,有ROI意识。 6、监控内容运营效果,定期产出内容效果报告,并根据数据分析结果进行内容优化调整。并协同产品、市场和销售团队,确保内容运营活动与商业目标和营销活动紧密对接,拟定可落地的前线销售激励策略。 7. 负责通义大模型的战略重点解决方案及项目(组合/群/集)落地,协调BU内外技术、产品、业务等团队资源,保障通义业务目标和收益达成。 8、结合事业环境因素,制定符合阿里云通义团队的项目和需求的治理框架和体系,并且持续管理和运作。 9、支持域内和跨团队的业务产品技术的协同工作,通过提供项目运作及管理解决方案,项目流程规范等,提升研发效能和目标达成率。
1.洞察人工智能/大模型产品相关的市场机会、行业场景,快速捕捉市场热点和客户业务痛点,挖掘产品商机,行业方案,跨部门合作快速推动落地,形成产品竞争力。 2.监控并分析产品运营数据,且善于发现和总结行业痛点,并能够挖掘出可与现有产品或技术相结合的潜在需求,协同产研,推进创新功能或创新产品的落地,推动产品升级迭代和竞争力的持续改善,并基于此开展个性化的营销活动。 3.负责大模型项目效果保障,围绕客户业务场景,以客户价值为目标,完成效果履约,提供高质量的优化方案和实施方法,确保客户成功。 4.对大模型效果有较强的敏锐性,能结合行业场景建立业界评测标准,协同算法团队,保障大模型商业化能力形成竞争力。 5.熟悉大模型技术领域,能综合运用2B/2C多样性的传播运营工具及方法,进行人工智能产品或服务的活动策划和执行,包括线上活动、线下活动、促销营销转化活动等。扩大产品品牌影响力,并以市场活动为手段,牵引商机的引入,形成营销转化闭环,有ROI意识。 6.监控内容运营效果,定期产出内容效果报告,并根据数据分析结果进行内容优化调整。并协同产品、市场和销售团队,确保内容运营活动与商业目标和营销活动紧密对接,拟定可落地的激励策略。
1、洞察人工智能/大模型产品相关的市场机会、行业场景,快速捕捉市场热点和客户业务痛点,挖掘产品商机,行业方案,跨部门合作快速推动落地,形成产品竞争力。 2、监控并分析产品运营数据,且善于发现和总结行业痛点,并能够挖掘出可与现有产品或技术相结合的潜在需求,协同产研,推进创新功能或创新产品的落地,推动产品升级迭代和竞争力的持续改善,并基于此开展个性化的营销活动。 3、负责大模型项目效果保障,围绕客户业务场景,以客户价值为目标,完成效果履约,提供高质量的优化方案和实施方法,确保客户成功。 4、对大模型效果有较强的敏锐性,能结合行业场景建立业界评测标准,协同算法团队,保障大模型商业化能力形成领先竞争力。 5、熟悉大模型技术领域,能综合运用2B的传播运营工具及方法,进行人工智能产品或服务的活动策划和执行,包括线上活动、线下活动、促销营销转化活动等。扩大产品品牌影响力,并以市场活动为手段,牵引商机的引入,形成营销转化闭环,有ROI意识。 6、监控内容运营效果,定期产出内容效果报告,并根据数据分析结果进行内容优化调整。并协同产品、市场和销售团队,确保内容运营活动与商业目标和营销活动紧密对接,拟定可落地的前线销售激励策略。
岗位职责: 1. 负责端内用户全生命周期的活跃运营,从拉新、促活、留存到召回,设计并落地精细化运营策略,系统性提升用户粘性与长期价值; 2. 围绕 Chat 产品核心场景,结合大模型能力迭代,持续优化交互路径与内容推荐机制,驱动用户行为规模(如对话频次、会话深度、功能使用率)稳步增长; 3. 基于用户行为数据分析、A/B 实验与市场调研,识别关键瓶颈与增长杠杆,主导定向优化方案(如推荐策略、提示词工程、场景扩展等),提升模型响应质量与用户满意度; 4. 协同算法、产品、数据团队,推动搜推策略在 AI 对话场景中的落地应用,提升用户发现效率与使用黏性; 5. 建立用户活跃度监测体系与指标看板,定期输出洞察报告,为产品决策提供数据支撑。