蚂蚁金服蚂蚁集团-商家服务解决方案专家-杭州【AI Force】
任职要求
1、熟悉互联网平台客服服务方案设计及运营分析管理， 对用户体验洞察、服务设计、流程设计、智能服务能力等某一方面和多方面具备深刻的理解，能对提升服务体验有创新性思考，具备…
工作职责
1、负责支付宝商家侧账服务解决方案设计，分析洞察商家在支付宝经营的痛点，从全链路视角设计有效的服务解决方案（如适用于大模型机器人对话的意图、知识生产，SOP设计等），并通过运营持续提升商家的平台服务体验； 2、通过服务方案设计与运营，牵引支付宝商家业务、产品、策略、服务资源等相关协同方，保障方案有效、精准，并从业务源头推优解决商家经营体验问题； 3、结合商家经营目的及具体经营场景的特点，发掘增值服务的机会点，制定服务策略并落地，帮助商家在支付宝的经营更简单、高效、可持续。
我们是谁？（业务介绍） 我们的业务定位是智能化消费者运营系统，帮助商家做好消费者的精细化运营，提升留存和复购，带来收入和利润增长。 我们的目标客户是中型规模以上的（客户数>10w）、线上线下多渠道布局、重视消费者运营的品牌商和零售商； 我们的解决方案是基于自动化和智能化的技术构建了一体化的产品套件，包括CRM、导购助手、企微助手、连锁商城、以及iPaaS集成平台等，来实现全域的消费者运营。 我们需要你做什么？（岗位职责）: 客户成功是连接客户和公司的重要桥梁，他们通过对业务、行业和产品的深入了解，为客户提供匹配的解决方案和专业的服务支持，帮助客户达成业务目标、实现共同成功。所以客户成功对外是商家的专业服务顾问，对内是产品的核心用户和构建者，工作内容包括： 1. 主导客户导入服务，协助客户快速上手产品，实现第一价值的按期交付； 2. 围绕客户业务目标共创运营落地方案，并通过阶段性的复盘和迭代找到确定性的增长路径； 3. 提炼有价值的客户声音和产品问题并积极推动落地，不断打磨用户体验，助力产品迭代； 4. 沉淀输出有价值和可复用的最佳实践案例，帮助更多的商家成功； 5. 定期回访，与客户关键角色保持深度沟通，提升客户活跃度和粘性；
1.负责支付宝商家开放平台的服务商生态建设及开放平台的面向服务商开发者的B端产品运营； 2.搭建完整的服务商合作体系，包括服务商准入规则、能力培育、评优清退管理等； 3.建立和完善服务商评估体系，确保服务商的服务质量和用户满意度； 4.推动服务商与商家的深度合作，推动服务商在商户拓展、产品开发、解决方案交付等环节的效率提升； 5.协同产研推动平台工具与规则的迭代和产品体验提升，解决服务商在接入、运营中的痛点，提升服务商体验与平台产品竞争力，促进服务商的活跃度和留存率
1. 负责淘天集团-智能生态运营，包含设计和制定智能生态引入类型、引入规则，孵化、认证及运营该类生态； 2. 联动平台产品团队（如AI Agent团队/数据产品团队/开放平台），设计平台与服务商合作的give&take，将平台所需要的生态类型，结合智能经营的方向，进行服务商合作拓展及服务商的能力建设推进； 3. 具备对电商行业的理解，能借助生态和产品能力，构建智能生态的经营解决方案； 4. 将智能生态的能力推进到内部的行业团队与外部商家层面，并建立足够的影响力，提升行业使用率及推进对应业务价值的实现； 5. 建立“需求-落地-反馈-优化”闭环，通过建立/打造行业POC案例，并沉淀为可复制的行业解决方案并拓展到更多行业与更多生态；
团队介绍：Data-电商-智能对话团队，致力于打造业界领先的大模型对话系统。团队服务的日活用户超过数亿，应用场景覆盖抖音电商全链路，包括平台客服、平台商服、商家客服、达人客服，以及创新的智能导购等核心业务场景，通过持续的技术创新和优化，成功构建了一套完整的智能对话解决方案，为电商业务带来了显著的效率提升和用户体验改善。 课题介绍： 背景：电商智能客服正逐渐成为业务增长和用户体验优化的重要方向，基于大型语言模型（LLM）的智能客服系统解决电商场景中的核心挑战，由LLM完成一次用户进线的完整接待过程，包括诉求澄清、方案协商、方案执行等阶段，实现电商业务的智能化升级——让用户享受更智能高效的客服服务。 研究方向：本课题聚焦于LLM 后训练与智能客服。构建基于 LLM 的多智能体（Multi-Agent）框架，通过规划、回复、工具三类Agent的协作，实现从问题分析、方案执行到结果反馈的全流程智能客服。核心目标是确保客服对话的准确性、合规性与流畅度，避免模型生成幻觉或违背平台政策。同时，围绕电商客服的复杂任务，构建 Benchmark数据集，优化SOP遵循、多轮交互、用户满意度等指标。此外，研究高效数据利用方法，探索低标注数据条件下的LLM训练，并开发自动生成高质量训练数据的系统，以降低人工标注成本，提高智能客服的服务质量与效率。 1、开发AI驱动的智能客服系统：设计并实现AI对话式客服助手，能够处理电商咨询、投诉、退款、争议解决及物流相关问题，以AI替代传统人工客服； 2、大语言模型（LLM）后训练与高效学习：应用最前沿的LLM训练优化技术，如指令微调、强化学习、持续学习等，在最少标注数据的情况下优化AI客服响应质量；具备大语言模型（LLM）微调、知识蒸馏或强化学习的相关经验，应用于对话式AI场景；深入理解检索增强生成（RAG）、专家混合模型（MoE）、稀疏注意力、强化学习、推理时间优化等技术，以提升AI对话质量； 3、基准测试与训练数据构建：识别具有挑战性的客服交互场景，如政策解读、争议处理、客户投诉、导购推荐等，并构建专门的测试集和训练集； 4、多语言与跨文化客服支持：构建能够适应多语言和不同文化背景的AI模型，确保客服交互的精准翻译和针对不同用户群体的合适响应；精通多语言自然语言处理（NLP）、机器翻译及跨语言对话建模； 5、模型优化与高效部署：研究模型压缩、量化、推理优化等技术，确保AI客服助手在大规模应用场景下具备低延迟、高可靠性的表现。