智能互联淘天算法技术-营销&权益算法工程师-杭州
任职要求
1. 计算机、数学或统计学相关专业硕士及以上学历；有智能定价、用户红包、优惠券、营销自动化等权益发放相关领域项目实践经验 2. 具备扎实的编码能力，精通至少一种编程语言，如C/C++、JAVA、Python等，熟悉至少一种开源深度学习框架，如Tensorflow、Pytorch等； 3. 有较好的数理基础和逻辑思维能力，对算法充满热情，具备积极主动的求知欲，良好的沟通协作…
工作职责
该岗位主要负责淘工厂、淘特的用户权益和商品营销定价算法优化，通过深度学习、强化学习、因果推断、运筹优化和LLM等算法技术，探索商品的动态定价机制与营销策略，提升用户权益的精准性和ROI，提升商家经营效率， 提升消费者购物体验帮助用户用更优惠的价格买到更满意的商品。欢迎有好奇心、敢于接受挑战的候选人加入我们，一起借助前沿创新技术为用户更好的创造价值，构建面向复杂电商场景的商品智能定价 & 用户智能补贴权益系统。 岗位职责包括但不限于： 1. 商品智能定价引擎，负责融合大模型、因果推断、强化学习与多模态理解等前沿技术，研发面向营销与定价场景的生成式AI能力，包括构建商品价量模型和由大语言模型驱动的智能定价策略生成系统，自动生成可解释且可执行的动态定价和商品运营策略建议。 2. 红包&优惠券用户权益发放，基于淘工厂、淘宝特价和淘宝买菜核心营销权益发放场景，负责电商场景中的红包、优惠券等权益的定价和发放机制。探索个性化、智能化、可调控的权益分配机制，提升权益对用户转化与GMV增长的撬动作用。 3. 增益建模。基于因果推断，深度学习构建通用精准Uplift模型体系，准确预估营销干预的因果效应，持续提升整体投放的增量效益。 4. 运筹优化与权益调控。针对各类约束下的权益投放场景，结合运筹优化，强化学习等技术，实现在约束精准达成控制下的目标优化方法。 5. 权益-搜推联合优化。以提升用户购物体验为目标，结合搜索、推荐和大模型技术，探索新的权益定价和发放范式 我们提供 1. 高空间的舞台：算法创新将直接应用于亿级商品、用户的业务场景，让你的技术才能得到最大程度的发挥。 2. 前沿的技术挑战： 跟踪大模型、AI Agent、RAG、强化学习等前沿技术进展，探索其在供给预测、动态定价、自动营销等场景的创新应用，推动“AI for Business Decision Making”在电商领域的深度落地。 3. 充足的资源支持： 享有淘天集团顶级算力、海量行为与商品数据，以及鼓励快速验证、容忍试错的创新文化。 4. 清晰的成长路径： 完善的技术晋升通道与跨团队协作机会，支持您在算法深度与商业影响力上同步成长。
1.负责付费会员（88vip、省钱月卡）的用户价值建模，赋能会员链路中的策略迭代和运营策略决策； 2.负责会员增长算法设计与调优，建立全生命周期的增长以及精细化运营算法，促进规模增长效率和续费效果； 3.负责会员运营业务中的策略算法建模工作，包括权益个性化、商品补贴和个性化排序、服务洞察和优化等； 4.负责运营策略机制设计和改进，提升运营效率。
1.负责88vip会员业务的多个场景的人群挖掘、权益/商品推荐算法优化工作，包括但不限于会员中心、月卡/积分频道、大促营销活动算法优化等。 2.负责高净值用户的需求理解，为多个业务场景提供高净值用户画像和应用的服务落地，包括但不限于频道、交易等链路的触达和个性化优化 3.在潜客洞察和挖掘、续卡用户挽回等业务场景通过大规模机器学习/深度学习技术，进行模型的持续优化和效果提升。 4.在权益算法方面通过探索Uplift、强化学习等技术 在权益、优惠券和红包分层触达用户，带来钱效提升
我们是淘天集团-淘宝用户算法团队，专注于通过外投广告算法、商品推荐算法、权益算法、消息推荐算法，为淘宝用户带来更优质的体验，提升获客效率、增量GMV/LTV。核心职责包括： 1. 用户增量建模: 负责构建并持续迭代手淘的用户画像，构建用户维度的全网基础模型，持续升级迭代LT/LTV增量建模，提升模型预估准度。 2. 运筹优化建模：负责给定约束条件下的权益优化问题建模和求解，构建通用的多目标因果推断uplift模型，持续提升手淘增量ROI。 3. 红包等权益算法：包括互动场域红包、平台红包、优惠券等算法。
我们是淘天集团-淘宝用户算法团队，专注于外投广告算法、商品推荐算法、权益算法、消息推荐算法，为淘宝用户带来更优质的体验。核心职责包括： 1. 用户增量建模: 负责构建并持续迭代手淘的用户画像，构建用户维度的全网基础模型，持续升级迭代LT/LTV增量建模，提升模型预估准度。 2. 广告投放: 主导设计和优化渠道广告RTB/RTA投放策略，开发精准的用户增量来访及转化模型，包括用户理解、商品素材召回、CTR模型、CVR模型等核心算法。 3. 出价机制：包括shading、pacing、因果推断uplift建模、多目标出价建模等，实现对竞价策略的全面优化。 4. AIGC驱动的广告素材理解及生成：运用AIGC技术，自动化生成并优化外投广告素材，结合用户画像与个性化推荐模型，实现更具吸引力的创意生成，构建多模态的素材特征，提高素材与目标用户的匹配度，提升广告预估效果。 5. 前沿技术应用：通过序列建模、迁移学习、图模型、多目标建模等先进技术，提升算法的效率和准确性，驱动算法模型的持续创新与优化。