得物推荐算法专家（交易）
任职要求
1、具备优秀的编码能力，扎实的数据结构和算法功底； 2、优秀的分析问题和解决问题的能力，对解决具有挑战性问题充满激情； 3、对技术有热情，有良好的沟通表达能力和团队精神； 4、熟悉机器学习、自然语言处理、数据挖掘中的一项或多项，对推荐系统、计算广告、搜索引擎等相关领域有经验者优先。
工作职责
1、支持快速增长、大规模dau的得物电商业务的推荐算法工作。职责范围包括提升转化效率，改善购物体验，探索更高效的商业模式，提升内容生态健康程度等； 2、利用海量数据搭建业内领先的机器学习算法和架构，建模用户购物兴趣，提升用户体验； 3、应用先进的机器学习技术，解决各种在线/离线、大数据量/小数据量等不同场景中遇到的技术和业务挑战，包括多类型内容分发、新用户承接、新品冷启动等； 4、对电商生态中用户、商家的行为做深入的分析和理解，制定算法策略促进生态良性发展； 5、独立负责产业务场景中的一个模块，与产品、运营团队一起，对模块的未来发展进行规划和设计，制定推荐策略的目标。
1、参与并主导得物电商推荐/搜索系统召回，模型设计和研发； 2、负责搜索意图识别，Query类目预测，品牌预测，属性预测，实体命名识别等相关性策略和模型迭代； 3、深入理解搜索用户行为，结合得物自身品台业务定制化业务模型研发，提升搜索算法效果 。
1.负责微信小店的推荐技术研发，包括但不限于召回、精排、重排、冷启动等； 2.负责微信小店核心场景的策略优化，钻研推荐算法的改进和调优，服务亿级电商用户； 3.与产品、工程、运营团队深度合作，理解业务发展，参与制定推荐策略的目标。
“我们正在构建下一代智能推荐引擎，重新定义人货场的数字化连接方式”，如果你对推荐算法创新充满热情，渴望用技术驱动万亿级市场的供需匹配效率，这里将是你施展才华的舞台。团队汇聚了搜索推荐、运筹优化、图计算等领域的顶尖人才，加入我们，见证技术如何重塑商业未来。 1.基于多源异构数据（搜索/点击/交易/内容），借助LLM挖掘用户显性需求与潜在意图的关联关系，构建用户需求图谱； 2.融合商品知识图谱与实时场景特征，构建跨品类、跨渠道的智能组货策略，实现"人-货-场景"的高效匹配； 3.设计多目标协同优化框架，探索生成式推荐新技术，平衡用户体验、商家效率与平台增长目标，建立可持续的推荐生态。
岗位职责： 乘客与交易增长团队隶属于网约车平台公司-MPT-交易策略，团队业务目前涵盖乘客流量分发、乘客交易负向体验优化、乘客LTV预测及留存&增长、mpt算法中台建设等，并负责乘客推荐、预期沟通、分单干预等需求支持，协助业务完成目标，高质量交付需求结果。旨在建设流量分发、乘客推荐、预期沟通、分单干预的技术框架和能力沉淀，通过策略&算法的优化，提升乘客打车体验，保留存促增长。 1、负责网约车各环节最中心的交易策略设计，研究包括乘客表单推荐、等应答推荐算法优化，提高交易效率及平台用户体验 ； 2、搭建对于用户ltv预测、用户增长方向的建模，诊断交易问题并为策略、运营、产研团队提供可靠的技术支撑及机会挖掘，支撑业务高速发展； 3、通过机器学习、深度学习等技术栈，结合业务需求进行建模，解决线上实际问题。 4、通过设计并实现MPT算法深度学习中台框架的建设，包括特征库、模型库、线上服务一体化的建设，服务MPT算法团队的各个业务里。