智能互联淘宝闪购-生成式营销算法专家-杭州/上海
任职要求
1. 计算机、运筹学、应用数学、统计学或相关专业，有算法领域的工作经验; 2. 熟悉机器学习/深度学习/数据挖掘/运筹优化中至少一个领域的原理与算法，并且能够熟练建模解决业务问题; 3. 在一个或多个营销子领域的常用模型和架构上有丰富的经验和深入的理解，包括但不限于： ⁃ 模型预估方向：熟悉常用机器学习算法，如FM、DeepFM、xGboost、DNN、GN…
工作职责
1. 负责淘宝闪购营销算法，包括平台补贴定价、商家智能营销、店品价格机制、商流X物流联动等； 2. 负责用户全生命周期体验与成长，促进拉新和留存； 3. 参与营销创新性算法的研究及开发工作； 4. 协同业务进行跨团队合作。
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。
方向一：搜推效率、生成式、店品券 岗位职责： 1、负责搜索/推荐业务的召回、粗排/精排算法设计和优化，提升大盘转化效率； 2、负责用户、商户、query、营销信号等各维度特征、模型样本等基础模块的搭建和优化； 3、应用机器学习/深度学习、生成式推荐等算法技术，优化召回/排序模型，推动生成式推荐算法的工业落地； 4、与上下游的数据、工程、产品等团队紧密配合，把算法模型等上线到业务场景中，提升业务效果； 5、跟进推荐系统前沿研究方向，结合业务场景进行创新与落地，做技术沉淀和paper发表。 方向二：大混排（统一混排）、全站推 岗位职责： 1、负责混排（信息流+商业化）算法的设计和优化，提升流量变现效率和用户体验； 2、建立并优化目标函数，通过混排多目标优化平衡用户体验 & 平台收益； 3、结合用户画像、内容特征、广告属性等多维度信号，构建高效的特征工程与模型； 4、应用深度学习、强化学习等技术优化推荐与广告混排效果； 5、与工程、产品、运营团队密切协作，将算法落地到生产环境，并持续监控与优化效果； 6、跟踪前沿的推荐与广告算法研究，推动新技术在业务中的应用。
方向一：搜推效率、生成式、店品券 岗位职责： 1、负责搜索/推荐业务的召回、粗排/精排算法设计和优化，提升大盘转化效率； 2、负责用户、商户、query、营销信号等各维度特征、模型样本等基础模块的搭建和优化； 3、应用机器学习/深度学习、生成式推荐等算法技术，优化召回/排序模型，推动生成式推荐算法的工业落地； 4、与上下游的数据、工程、产品等团队紧密配合，把算法模型等上线到业务场景中，提升业务效果； 5、跟进推荐系统前沿研究方向，结合业务场景进行创新与落地，做技术沉淀和paper发表。 方向二：大混排（统一混排）、全站推 岗位职责： 1、负责混排（信息流+商业化）算法的设计和优化，提升流量变现效率和用户体验； 2、建立并优化目标函数，通过混排多目标优化平衡用户体验 & 平台收益； 3、结合用户画像、内容特征、广告属性等多维度信号，构建高效的特征工程与模型； 4、应用深度学习、强化学习等技术优化推荐与广告混排效果； 5、与工程、产品、运营团队密切协作，将算法落地到生产环境，并持续监控与优化效果； 6、跟踪前沿的推荐与广告算法研究，推动新技术在业务中的应用。
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！