盒马盒马-品类运营专家-云享会

岗位职责： 1. 品类销售目标及策略 ● 负责生鲜品类全年销售预算达成，拟定品类策略，重点项目，并执行落位。 ● 熟悉行业业务特性，发现增量机会和问题，执行有效的提升策略并执行。 ● 负责常规活动、大促期间的选品及促销策略，跟进重点主推品的曝光、库存等资源落实情，保障业绩结果达成 2. 商品提升策略及执行 ● 制定货盘运营计划和营销计划，有效落位基础盘，心智盘，时令盘的增长策略，并打造有行业影响力的营销项目。 ● 制定商品购买决策树，提升商品在全链路的用户决策效率，提升消费者对平台的认知和粘性。 3. 品类用户运营计划及执行 ● 负责品类用户渗透率，复购率及客单价提升，并拟定运营策略，并执行落位。 ● 对商品货盘，目标人群进行人货匹配分析，并挖掘优化机会，持续提升不同用户层的增长。 4. 总&区&横向协同及合作 ● 统筹品类策略在全国各大区的落位执行，同时为区域运营赋能，把沉淀的策略方法论及模型产品化，并推广至其他分区。 ● 对接产品，算法，导购，市场，app运营，商分中台等推进相关事宜落位。

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。