岗位职责
- 增长机制与策略建模:深入理解用户增长的核心机制(激活—留存—活跃频次—召回全生命周期),主导亿级用户规模的增长算法体系建设,包括但不限于:用户价值分层与 LTV/长期价值建模、用户流失预警与召回人群放大(Lookalike)、Push/消息等触达渠道的择机决策与疲劳度控制、新用户冷启动与成长路径建模,持续提升用户规模、活跃频次与留存质量;
- AutoResearch / 智能化增长闭环:负责探索“AI for Growth”的前沿方向,构建 LLM/Agent 驱动的自动化研究(AutoResearch)与增长洞察闭环——包括基于 Deep Research 智能体的增长机会点自动挖掘(自助式多源数据分析、假设自动生成与实验验证)、实验结果自动归因与策略复盘报告生成、增长知识库与策略库的沉淀和检索(RAG),将“人拉数据→人做分析→人定策略”升级为“系统发现问题→系统验证→人做决策”;
- 前沿技术探索与落地:跟进学术界与工业界最新进展并推动落地,如:LLM 在用户行为理解、人群洞察中的应用;强化学习(RL)在序列决策与触达策略优化中的应用;基于大模型的用户行为序列建模与冷启动/数据稀疏场景建模;生成式推荐与上下文感知的个性化体验。
职位要求
- 研究生及以上学历,计算机、统计学、数学、数据挖掘等相关专业;具备扎实的编程功底与算法实现能力,精通 Python/Java/C++ 至少一门,精通 TensorFlow/PyTorch 等框架,熟悉 Spark/HiveSQL 等大规模数据处理技术;
- 深刻理解用户增长的业务机制与技术体系,在以下至少一个方向有深入实践:① 用户生命周期建模(LTV、流失预警、冷启动、用户分层);② 实验(A/B 实验设计、因果推断、HTE 异质性分析);③ 搜广推(CTR/CVR 预估、召回-粗排-精排-重排全链路、多场景多目标建模);
- 熟悉 LLM/Agent 技术栈(Prompt 工程、RAG、Function Calling、多智能体编排),对用 LLM/Deep Research 构建自动化分析与研究闭环(AutoResearch)有实际探索或落地经验者优先;对“AI 驱动的增长工作流”有清晰的方法论认知;
- 有较强的业务洞察与抽象能力,能把模糊的业务问题转化为可度量的算法问题,并设计合理的实验验证路径;具备优秀的沟通协作能力,能高效与产品、运营、数据团队协同推动策略落地;
- 加分项:有亿级 DAU 产品的用户增长算法实践经验;在因果推断/实验科学等方向有顶会论文(KDD、WWW、CIKM、AISTATS 等)或工业界实践分享;参加过 ACM、天池、Kaggle 等竞赛并取得优异成绩。