盒马盒马超盒算NB-品类运营专员-生鲜/3R/标冻品
任职要求
1、本科及以上学历，品类/店长背景出身优先考虑；
2、有全链路思考的能力、擅长结构化思维、跨部门沟通协调能力好、能独立闭环处理并化繁为…工作职责
1、月度/周度生意计划承接，下发执行手册，输出监督月度大品/时令品/换季品的执行，推动月度销售目标达成； 2、根据业务需求输出品类标准执行手册，以季度为单位做迭代更新； 3、及时了解市场竞对价格，通过市调分析可比品的市场价格形象，与采购沟通确保门店价格竞争优势； 4、与供应链协同，针对重大节假日根据门店分层、历史爆发系数，确定合理的订货目标，确保重点节日销售最大化； 5、与用户增长团队部门对接，制定每月大品、新品、时令品的商品联合推广，提高核心大品的全链路产出； 6、损耗归因，通晒重点高损商品，发现区域和门店营运管理、管损目标达成的机会点，并辅导改进； 7、生鲜低销高损商品月度分析，推进采购汰换; 8、协同新店筹备，拉齐营运标准；对新店重点时令品规划、特殊陈列道具做好协同;协同区域门店梳理现有工作流程，从全链路视角简化工作流，提升人效等。
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。
DirectLLM是小红书内部面向各业务场景建设的大模型API服务产品，通过标准化API接口提供LLM/MLLM等大模型推理服务，致力于为AI应用开发者提供品类丰富、数量众多的模型选择，并通过API接口为其提供开箱即用、能力卓越、成本经济的模型服务，各领域模型的能力均可通过统一的API和SDK来实现被不同业务系统集成。 工作职责： 1、参与/负责大模型推理服务平台（MaaS）的架构设计、系统研发、产品研发等工作； 2、深入参与面向大模型场景的请求调度、异构资源调度、引擎优化等核心工作，实现千亿级Token并行推理平台； 3、为内部产品线提供解决方案，协助公司内用户解决大模型应用过程中业务在平台上的使用问题。
团队使命： 作为网约车交易市场技术核心团队，我们应用机器学习、运筹优化、因果推断、深度强化学习及生成式AI技术（LLM） ，构建支撑千万级日订单的动态双边市场智能决策系统。通过供需预测建模、动态定价策略、智能补贴分配、生态治理引擎 等策略引擎建设，持续优化平台商业价值与司乘体验，驱动全球领先的出行市场效率革新。 供需调节策略方向的主要工作： - 负责设计研发面向司乘双边市场的动态定价和跨品类联合补贴策略引擎，涉及的技术方向包括：精细化的时空供需预测建模、针对海量数据的细粒度因果建模、大规模运筹优化与求解算法设计、大规模离线仿真系统设计与研发等。 - 负责设计研发面向用户长期增长的智能增长营销策略引擎，构建可持续优化的收益管理与增长引擎系统，涉及的技术方向包括：长周期用户价值（LTV）建模、基于强化学习的序列化决策模型设计、大规模运筹优化与收益管理系统设计等。 - 负责设计研发面向供需调节和用户增长的智能运营系统，构建面向多目标高度封装的全自动智能化的运营引擎，助力网约车业务精细化运营提效。涉及的技术方向包括：不同粒度、周期的时序预测建模、大规模运筹优化求解算法、支持深度人机结合的工业化运营引擎架构。 - 负责设计研发面向网约车交易场景的司乘生态治理引擎，构建面向不同品类业务特点的判责、治理策略系统，涉及技术包括：多模态深度学习建模、大语言模型技术、原子预测和小样本学习等技术。
1. 持续追踪市场趋势与竞品动态，挖掘行业机会点，制定自有品牌品类发展策略，推动业务增长； 2. 针对业务增长需求，搭建专项分析模型，输出商业策略研究报告，为业务发展提供决策支持； 3. 构建并优化数据分析体系，提升数据分析效率及准确性，建立标准化数据流程，赋能业务决策； 4. 与业务部门紧密合作，确保数据分析结果的有效落地，达成业务目标。