美团营销中心-大模型应用开发工程师
任职要求
1、2-3年Java/Python开发经验,熟悉分布式系统设计,了解DDD基础概念; 2、能理解营销业务场景(如定价策略、投放逻辑),协助技术方案落地; 3、具备基础工程化能力,熟悉SpringBoot/Django等框架,有中型系统开发经验; 4、了解机器学…
工作职责
1、参与营销领域AI系统架构设计,协助大模型Agent在营销场景的工程化落地; 2、负责高并发AI工程体系的模块开发,支持智能投放、用户增长等业务需求实现; 3、参与业务系统Agent服务化部署,参与构建可监控、可解释的智能系统; 4、编写高质量代码,参与技术方案评审及AI工程规范制定; 5、协助推进MLOps工具链的基础能力建设。
1.负责alibaba国际站 数字营销的前端架构设计及研发,保障系统的安全、可扩展以及质量和性能,与PD、UED、Java 工程师协作,完成设计交互实现、数据交互、动态信息展现 2.关注用户体验,与合作方一起不断改进产品的易用性;运用AI能力重塑 广告后台BP、广告前台创意 的产品形态,提升用户体验和客服效能 3.研究和探索创新的开发思路和新的前端技术,结合业务特点创新应用AI技术,解决前端团队开发过程中面临的各类问题,提升个人和团队的开发效能 4.参与跨境B类全球化创意中心的规划建设,包括可视化制作、可视化渲染、D2C、自动化审核、自动化生产、智能诊断等,推动协助相关团队并落地未来产品和系统规划
Data Science Manager-海外广告 (英文workable) ●消费者分析中所有形式的营销归因和衡量(Marketing Attribution & Measurement ),就营销衡量框架(Marketing Measurement Framework)向其他数据分析师和营销团队提供专家建议。 ● 与其他数据分析师和分析工程师合作,制定和执行数据科学发展规划的路线图,将一流的衡量框架投入生产。 ●开发营销衡量流程和框架(包括Marketing Mix Modeling, Attribution and Incrementality Test/Geo Lift Test, etc),使团队能够跨营销渠道和市场做出更明智的投资决策。 ● 建立统计/机器学习模型来预测用户生命周期价值(LTV 模型),用户分层(Uplift Model),因果推断和其他创新数据科学项目。 ● 宣传数据的使用并主动发现机会以提高整个组织的数据素养和参与度。 ● 领导数据科学团队定义营销数据科学路线图和 OKR
测量和分析(Measurement & Analytics)团队是优化我们国际化大规模营销预算的关键参与者。 您将加入一个由热情的数据科学家和分析师组成的专业团队,为国际化业务提供最佳营销建议。 作为数据科学家,您将负责支持创新解决方案的开发、挑战行业现状并通过高级数据自动化扩展解决方案。 覆盖 10 +国家和 业务线,您将接触到许多合作方,他们是各自领域的专家。 快速迭代和不断学习将是这一旅程的关键部分。 如果您喜欢从0到1的创造,持续的学习进步的机会,国际化的团队氛围和灵活的办公环境,与多元化的顶尖人才团队合作,那么这可能是您的理想工作! 你的责任 ● 您将成为消费者分析中所有形式的营销归因和衡量(Marketing Attribution & Measurement )的专家,就营销衡量框架(Marketing Measurement Framework)向其他数据分析师和营销团队提供专家建议。 ● 与其他数据分析师和分析工程师密切合作,制定和执行数据科学发展规划的路线图,将一流的衡量框架投入生产。 ● 您的工作将主要集中在开发一流的营销衡量流程和框架(包括Marketing Mix Modeling, Attribution and Incrementality Test/Geo Lift Test, etc),这将作为我们营销策略的基石,使团队能够 跨营销渠道和市场做出更明智的投资决策。 ● 您还将致力于建立统计/机器学习模型来预测用户生命周期价值(LTV 模型)和其他创新数据科学项目。 ● 您将是数据布道师,宣传数据的使用并主动发现机会以提高整个组织的数据素养和参与度。
1、深耕抖音创作者生态与运营体系,业务方向包括但不限于: 1)创作者中心(创作者成长、内容管理、数据分析、激励分成等); 2)运营平台(运营工作流、活动配置、资源投放、数据监控、活动管理等); 3)版权管理(短剧管理、内容版权保护、版权识别、侵权治理等); 4)生态治理(原创、营销感治理、低质治理等); 2、业务开发与系统建设: 1)负责抖音生态业务系统(创作者中心/运营平台/版权平台/生态治理等)的设计与开发,支撑亿级用户场景; 2)主导高并发分布式架构设计,应对百亿级流量挑战,保障系统高可用性与稳定性; 3)建设通用服务组件与中间件,提升研发效能与系统扩展性; 3、技术架构与性能优化: 1)持续优化MySQL/Redis/MQ等核心组件性能,设计容灾监控体系与自动化运维方案; 2)推进服务化/异步化架构演进,解决复杂业务场景下的数据一致性、服务降级等挑战; 3)主导系统性能调优,包括Golang运行时调优等; 4、创新探索与前沿技术落地: 1)探索大模型、AIGC等技术在业务场景的应用(如智能审核、自动化运营、数据洞察); 2)研发低代码平台、规则引擎等解决方案,赋能B端复杂业务流程; 3)推动算法工程化落地,构建高吞吐、低延迟的实时数据处理系统。