拼多多数据分析（电商方向）
任职要求
1、统计学、数学、计算机等相关专业本科及以上学历；2年+ BI/数据分析相关工作经验； 2、具备扎实的数据分析技能。熟练使用Python编程语言，熟练使用Tableau，H…
工作职责
1、理解电商平台业务，负责电商平台中的数据策略和模型解决方案设计与优化； 2、负责与业务产品、算法的对接，提交策略方案并落地实施； 3、负责电商规则引擎数据挖掘，分析优化规则。
1、参与亿级用户规模的电商搜索优化，提升电商搜索场景的GMV、购买用户数、点击率、转化率等核心指标，提升用户电商搜索购物体验，促进生态良性发展； 2、参与机器学习与深度学习算法的核心研发工作，对搜索全链路进行建模优化，包括但不限于召回、相关性、粗排、精排、机制等，深度进行序列建模、迁移学习、强化学习、对比学习、多模态大模型等的算法和系统研发； 3、针对海量用户行为数据，提供基于分布式计算的算法解决方案，大幅提升算法计算规模和性能； 4、参与搜索推荐机制的顶层设计，结合业务战略，优化电商流量结构和GMV结构，促进电商生态的健康发展。
1、参与亿级用户规模的电商搜索优化，提升电商搜索场景的GMV、购买用户数、点击率、转化率等核心指标，提升用户电商搜索购物体验，促进生态良性发展； 2、参与机器学习与深度学习算法的核心研发工作，对搜索全链路进行建模优化，包括但不限于召回、相关性、粗排、精排、机制等，深度进行序列建模、迁移学习、强化学习、对比学习、多模态大模型等的算法和系统研发； 3、针对海量用户行为数据，提供基于分布式计算的算法解决方案，大幅提升算法计算规模和性能； 4、参与搜索推荐机制的顶层设计，结合业务战略，优化电商流量结构和GMV结构，促进电商生态的健康发展。
1、参与亿级用户规模的电商推荐优化，提升包括商品推荐(首页猜你喜欢)、内容推荐(直播、短视频)在内的泛货架电商的GMV、订单量、用户留存等核心指标； 2、通过深度学习领域的研发工作，包括但不限于生成式推荐、LLM4Rec、超大规模序列建模、多任务学习、长期价值建模等算法和系统提升预估效果； 3、持续关注前沿技术发展方向，参与推荐系统架构的长期技术演进与技术攻坚； 4、通过推荐算法机制优化电商流量结构和GMV结构，促进电商生态的健康发展。
用户方向 1.通过数据分析构建用户画像，分析用户交易行为及用户旅程，挖掘trade-in, trade-across, trade-up的驱动因素及转化路径； 2.设计因果推断实验（如A/B测试、双重差分法），量化促销活动、定价策略对用户消费、用户增长的影响，评估广告渠道ROI优化投放策略； 3.构建用户分层模型，识别高价值消费人群，输出定向运营策略（如精准发券、商品推荐），制定留存策略； 4.研究用户生命周期内的消费习惯，结合消费者心理学理论，优化“人-货”匹配效率，提升用户ARPU值。