盒马盒马-金牌店长招募令-合肥

1.基于对生意和链路的深刻理解，以及对用户消费习惯和周边竞对市场变化的洞察，数据分析的诊断，找到生意机会点，绘制门店经营大图，拆分线上线下生意目标以及落地； 2.懂商品特性，能够结合经营策略进行商品匹配找到售卖机会，知道不同场景不同用户卖什么，怎么卖，在门店做好场景打造-人货场匹配； 3.以“客户第一”思维执行做好公司营运标准，确保线下卖场顾客良好的体验； 4.熟悉仓配履约链路，做好卖场线上线下确保优质的履约服务和成本的管理； 5.针对门店问题，能够与区域中台做到协同沟通，并反推中台帮助门店解决问题； 6.通过门店精细化管理，做好费率、营运成本、损耗等管控，为门店经营结果负责； 7.掌握识人用人的基本方法，搭建良性人才梯队，激发团队积极正向拿结果；

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.负责广告审核多模态大模型能力建设，提升能力效率效果的天花板； 2.洞悉大模型演进趋势和技术优势，规划系统演进方向和落地，持续为业务增效； 3.与产品、运营等团队紧密合作，建设审核大模型运营能力，提升整体生产力。

1.负责大语言模型的预训练、指令微调、强化学习等算法的研究，针对业务问题开展算法调优； 2.熟悉NLP领域的常用算法，包括但不限于文本分析、内容摘要、意图识别、RAG、对话系统、角色扮演等； 3.定期收集产品反馈，建立合理的LLM评价机制，根据问题及时对算法架构和特定模型进行升级； 4.跟进NLP前沿技术，结合业务应用场景，提供创新性的解决方案。