智能互联淘宝闪购-大模型算法专家-客如云

1. 负责B端餐饮SaaS业务核心算法模块的设计、开发与持续优化，探索并落地大模型（LLM）在餐饮SaaS业务领域的创新应用，如智能自然语言对话取数、数据分析、智能营销、智能文案生成、Agent驱动的自动化运营等； 2. 掌握LLM相关Prompt Engineering、RAG、微调、强化学习等前沿技术，能够构建高效、可扩展的实时特征工程与在线推理系统，支撑高并发、低延迟的算法服务； 3. 主导模型应用与AI基建技术架构演进，与产品、工程、数据、运营团队紧密协作，将算法能力转化为实际业务价值；优化数据合成、模型训练、Agent服务等核心环节，解决推理优化、大模型幻觉、知识库召回准确率等复杂技术问题。

1. 基于淘宝闪购-客如云餐饮&零售SaaS业务，进行餐饮SaaS数据产品体系和能力的搭建，包括数据中台、商家经营数据指标体系、BI自定义数据产品、场景智能分析数据产品、数据开放平台等产品建设； 2. 深入了解与理解本地业务，理解数据产品业务本质和SaaS商业客户经营的关系，抽象通用能力，打造创新高效、标准化、可复用的数据产品解决方案； 3. 负责产品全生命周期建设，与数据工程、算法、研发、业务团队紧密协作，确保数据产品高效支撑业务增长、风险控制、用户体验优化等关键场景； 4. 跟踪行业趋势（如LLM+Data、AI原生数据产品等），探索大模型、生成式AI在数据产品中的应用场景，推动数据产品智能化升级，如自然语言查询、自动洞察、智能预警、个性化数据推荐等，保持公司在数据产品领域的竞争力。

我们是淘天集团淘宝用户算法团队，致力于通过外投广告算法、商品推荐算法、权益激励算法及消息触达策略的深度融合，驱动淘宝用户的高效增长与长期价值提升。团队聚焦用户全生命周期管理，以大规模机器学习、序列建模、因果推断、运筹优化等为核心技术引擎，在获客效率、增量GMV和用户LTV等关键指标上持续突破。 我们正在寻找在搜推广建模、增量效果预估、因果推断与决策优化等方面有深厚积累的同学，共同打造业界领先的用户增长算法体系。 核心职责: 1. 用户理解: 基于手淘全面丰富的用户数据，构建手淘最细粒度的用户画像体系，探索大模型范式下的用户表征和兴趣建模，训练高精度CTR/CVR/GMV/LTV/LT等预估模型，让“未来价值”可预测、可运营。 2. 用户承接: 负责手淘核心增量人群（包括低活低购，闪购等）的推荐算法工作，通过全链路的推荐核心算法&策略优化（召回，粗排，精排，混排等）极致提升目标人群的个性化推荐效率；探索生成式推荐等创新范式在工业级大流量场景下的落地实践。 3. 智能推送：基于用户行为数据，构建高效的个性化推送与推荐模型，持续优化用户消息素材召回，排序，触达时机&频控以及消息智能文案的生成，提升消息触达用户的效率。 为什么选择我们？ ● 技术驱动增长：我们用最前沿的AI技术解决真实的亿级用户增长问题，每一次模型迭代都直接影响数千万用户的体验与平台核心指标； ● 丰富的数据与场景：覆盖搜索、推荐、广告、消息、权益等多个高维交互场景，提供极具挑战性的建模空间； ● 顶尖的算法氛围：团队汇聚来自国内外一流高校和企业的算法精英，持续输出高水平技术成果； ● 广阔的发展空间：参与从0到1的创新项目，主导关键技术方向，快速成长为领域专家或技术负责人。 如果你热衷于用算法改变用户体验，擅长从海量数据中挖掘增长机会，尤其是具备搜推广模型优化、因果建模、用户增量建模等方面的实战经验，欢迎加入我们，一起定义下一代用户增长范式！

1. 供给定价算法 ◦ 负责本地外卖商品动态定价算法的设计与优化，结合运筹优化、因果推断、收益管理等方法，平衡供需关系与平台收益。 ◦ 基于用户行为、市场供需、竞争环境等数据，构建实时定价模型，提升定价精准度与用户体验。 ◦ 设计并迭代补贴策略（如货补、折扣），通过A/B测试验证效果，优化补贴效率。 2. 商品推荐算法 ◦ 研发个性化推荐系统，优化首页推荐、详情页推荐等场景的CTR/CVR指标，提升用户转化率。 ◦ 应用深度学习（如NN模型、LightGBM）、图神经网络等技术，挖掘用户兴趣与商品关联性。 ◦ 结合多模态技术（NLP/CV）优化商品标题、图文素材的匹配度，增强推荐理由的生成能力。 3. 选品机制算法 ◦ 构建选品核心能力（如销量/GMV预测、品类规划），通过机器学习与因果推断技术匹配场域调性需求。 ◦ 设计组合套餐（如“主食+饮品”）的选品策略，优化客单价与用户满意度。 ◦ 搭建公司级选品系统平台，推动算法在营销活动、超抢手、品团购等业务场景的落地。