京东生成式大模型驱动的用户需求分析与广告投放技术研发

1、挖掘用户需求，深刻理解AI技术边界，协调跨部门资源，确保产品在市场中具备竞争力，并为用户及公司创造价值。负责规划、设计并推动AI驱动的产品从概念到落地。 2、需求分析与产品定义：到一线调研、与业务部门协作，识别AI可赋能的场景，提炼核心需求，评估ROI。撰写技术性产品文档（PRD），定义数据、算法及用户体验需求。 3、AI产品全生命周期管理：制定产品路线图，协调数据、算法、工程团队推进模型开发、测试及部署。监控产品效果，通过数据迭代优化模型性能及用户体验。 4、技术协同与资源整合：担任业务与技术的桥梁，确保算法工程师准确理解需求，评估技术可行性。推动数据治理，构建高质量训练数据集。 5、推广与风险管理：制定推广计划。识别AI伦理、隐私及合规风险，建立应对机制（如模型可解释性、数据脱敏）。 6、行业洞察与创新：跟踪AI技术趋势（如生成式AI、大模型），分析竞品动态，规划差异化功能。 7、负责AI产品的应用效果分析，推动产品持续迭代。

1. 产品规划与设计：深入研究 AI 行业发展趋势、市场需求及用户痛点，结合公司战略，制定 AI 产品的长期规划与短期目标，完成从 0 到 1 的 AI 产品规划与设计，或主导现有 AI 产品的迭代升级； 2. 需求分析与管理：通过用户调研、市场分析、竞品研究等方式，收集 AI 产品相关需求，并进行深度分析与优先级排序。与技术团队紧密合作，将业务需求转化为可执行的技术方案，确保需求的准确性与可行性，推动产品功能的顺利开发与上线； 3. 跨部门协作与沟通：协调研发、算法、设计、运营等多部门资源，推动 AI 产品的全流程开发。定期组织项目会议，及时沟通项目进展，解决项目中出现的问题，确保产品按时、高质量交付； 4. 数据驱动产品优化：建立 AI 产品的数据监控体系，通过数据分析用户行为（日活、留存漏斗）、产品使用情况等，评估产品效果，发现产品存在的问题与优化点，基于数据制定产品迭代策略，持续提升产品的用户体验与核心竞争力； 5. 行业生态与资源整合：关注 AI 行业动态，了解前沿技术与应用场景，整合行业资源，探索 AI 产品的新商业模式与合作机会，提升产品在行业内的影响力与市场份额。

-策略设计与优化 -参与轻舸广告平台智能投放策略的规划与设计，结合大模型、RAG、Prompt工程等技术，优化广告投放效果与客户体验 -通过用户调研、数据分析挖掘客户痛点，提出策略改进方案并推动落地 -AI技术应用探索 - 探索生成式AI（如大模型、AIGC）在广告创意生成、智能调控、诊断洞察等场景的落地应用 -联动算法团队，设计AI驱动的广告投放实验，验证技术对业务指标的提升效果 -数据驱动决策 -分析广告投放数据（CTR、CVR、ROI等），输出周期性洞察报告，为策略迭代提供依据 -搭建核心指标监控体系，定位策略异常并推动优化 -跨团队协同落地 -协同算法、工程、运营团队，推进策略从需求评审到上线全流程 -撰写清晰的产品需求文档（PRD），设计交互原型，主导功能验收与效果复盘

-策略设计与优化 -参与轻舸广告平台智能投放策略的规划与设计，结合大模型、RAG、Prompt工程等技术，优化广告投放效果与客户体验 -通过用户调研、数据分析挖掘客户痛点，提出策略改进方案并推动落地 -AI技术应用探索 - 探索生成式AI（如大模型、AIGC）在广告创意生成、智能调控、诊断洞察等场景的落地应用 -联动算法团队，设计AI驱动的广告投放实验，验证技术对业务指标的提升效果 -数据驱动决策 -分析广告投放数据（CTR、CVR、ROI等），输出周期性洞察报告，为策略迭代提供依据 -搭建核心指标监控体系，定位策略异常并推动优化 -跨团队协同落地 -协同算法、工程、运营团队，推进策略从需求评审到上线全流程 -撰写清晰的产品需求文档（PRD），设计交互原型，主导功能验收与效果复盘