{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI产品经理（AB实验方向）-Data",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "产品"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、提升实验平台智能化水平：采用AI-Native方式重构实验评估平台，基于平台海量的历史实验资产构建上下文获取与长期记忆能力，提供实验设计辅助、指标推荐、异常诊断、指标归因、实验自助回收、策略沉淀与挖掘等智能化能力，提升业务团队实验效率和决策质量；\n2、建设AI应用的实验专项能力：面向豆包、剪映等业务的评估场景，支持文本生成、多模态生成、智能创作、推荐分发、Agent工作流等AI场景的实验设计、指标配置、样本管理、实验分析和效果诊断；\n3、增强实验平台的AI应用评估能力：设计从离线评估、人工评估、模型评估到线上A/B实验的完整评估框架，在业界领先的实验评估平台基础上，建设模型离线Eval、Prompt/Agent策略评估、线上A/B实验、灰度发布和回滚机制之间的数据闭环能力；\n4、建设开放集成与上下文协同能力：通过API/MCP/CLI/Agent Tool等方式，向业务系统和AI Agent暴露实验配置、指标查询、实验诊断、发布建议等能力，实现实验平台与模型训练平台、运营系统、发布系统的高效协同。",
        "requirements_text": "1、具备优秀的平台产品设计能力，能够将复杂的AI评估、实验设计和数据分析问题抽象为标准化、可复用、可规模化的平台功能；\n2、了解LLM/AI应用的常见评估方式，包括人工评估、模型评估、规则评估、Pairwise对比、离线评估集、线上实验等；能理解生成式AI输出非确定性带来的评估挑战；\n3、是Agent产品的用户，熟悉Agent产品的各种形态，对Agent有极大的热情，对模型行为有判断力，对开发者体验及用户体验有强感知；深度使用过Claude Code、Cowork、Codex、Cursor、OpenCode、GitHub Copilot、Manus、OpenClaw、Hermes等类似产品，并将相关产品的使用融入到自己的工作和生活中；\n4、能深入理解AI应用场景，将豆包、剪映等业务中的体验问题、模型效果问题和增长问题转化为可评估、可实验、可诊断的平台能力；\n5、能与工程、数据科学、业务产品、运营、PMO等多角色协作，在不确定场景下定义问题、拆解路径、推动落地。",
        "skills": [AI生成
            "数据分析",
            "产品设计"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/6931243263777261837/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "6931243263777261837",
        "post_date": "2021-02-20",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/6931243263777261837/detail"
    },
    "fulltext": "AI产品经理（AB实验方向）-Data\n职位描述\n1、提升实验平台智能化水平：采用AI-Native方式重构实验评估平台，基于平台海量的历史实验资产构建上下文获取与长期记忆能力，提供实验设计辅助、指标推荐、异常诊断、指标归因、实验自助回收、策略沉淀与挖掘等智能化能力，提升业务团队实验效率和决策质量；\n2、建设AI应用的实验专项能力：面向豆包、剪映等业务的评估场景，支持文本生成、多模态生成、智能创作、推荐分发、Agent工作流等AI场景的实验设计、指标配置、样本管理、实验分析和效果诊断；\n3、增强实验平台的AI应用评估能力：设计从离线评估、人工评估、模型评估到线上A/B实验的完整评估框架，在业界领先的实验评估平台基础上，建设模型离线Eval、Prompt/Agent策略评估、线上A/B实验、灰度发布和回滚机制之间的数据闭环能力；\n4、建设开放集成与上下文协同能力：通过API/MCP/CLI/Agent Tool等方式，向业务系统和AI Agent暴露实验配置、指标查询、实验诊断、发布建议等能力，实现实验平台与模型训练平台、运营系统、发布系统的高效协同。\n\n职位要求\n1、具备优秀的平台产品设计能力，能够将复杂的AI评估、实验设计和数据分析问题抽象为标准化、可复用、可规模化的平台功能；\n2、了解LLM/AI应用的常见评估方式，包括人工评估、模型评估、规则评估、Pairwise对比、离线评估集、线上实验等；能理解生成式AI输出非确定性带来的评估挑战；\n3、是Agent产品的用户，熟悉Agent产品的各种形态，对Agent有极大的热情，对模型行为有判断力，对开发者体验及用户体验有强感知；深度使用过Claude Code、Cowork、Codex、Cursor、OpenCode、GitHub Copilot、Manus、OpenClaw、Hermes等类似产品，并将相关产品的使用融入到自己的工作和生活中；\n4、能深入理解AI应用场景，将豆包、剪映等业务中的体验问题、模型效果问题和增长问题转化为可评估、可实验、可诊断的平台能力；\n5、能与工程、数据科学、业务产品、运营、PMO等多角色协作，在不确定场景下定义问题、拆解路径、推动落地。\n1、提升实验平台智能化水平：采用AI-Native方式重构实验评估平台，基于平台海量的历史实验资产构建上下文获取与长期记忆能力，提供实验设计辅助、指标推荐、异常诊断、指标归因、实验自助回收、策略沉淀与挖掘等智能化能力，提升业务团队实验效率和决策质量；\n2、建设AI应用的实验专项能力：面向豆包、剪映等业务的评估场景，支持文本生成、多模态生成、智能创作、推荐分发、Agent工作流等AI场景的实验设计、指标配置、样本管理、实验分析和效果诊断；\n3、增强实验平台的AI应用评估能力：设计从离线评估、人工评估、模型评估到线上A/B实验的完整评估框架，在业界领先的实验评估平台基础上，建设模型离线Eval、Prompt/Agent策略评估、线上A/B实验、灰度发布和回滚机制之间的数据闭环能力；\n4、建设开放集成与上下文协同能力：通过API/MCP/CLI/Agent Tool等方式，向业务系统和AI Agent暴露实验配置、指标查询、实验诊断、发布建议等能力，实现实验平台与模型训练平台、运营系统、发布系统的高效协同。\n1、具备优秀的平台产品设计能力，能够将复杂的AI评估、实验设计和数据分析问题抽象为标准化、可复用、可规模化的平台功能；\n2、了解LLM/AI应用的常见评估方式，包括人工评估、模型评估、规则评估、Pairwise对比、离线评估集、线上实验等；能理解生成式AI输出非确定性带来的评估挑战；\n3、是Agent产品的用户，熟悉Agent产品的各种形态，对Agent有极大的热情，对模型行为有判断力，对开发者体验及用户体验有强感知；深度使用过Claude Code、Cowork、Codex、Cursor、OpenCode、GitHub Copilot、Manus、OpenClaw、Hermes等类似产品，并将相关产品的使用融入到自己的工作和生活中；\n4、能深入理解AI应用场景，将豆包、剪映等业务中的体验问题、模型效果问题和增长问题转化为可评估、可实验、可诊断的平台能力；\n5、能与工程、数据科学、业务产品、运营、PMO等多角色协作，在不确定场景下定义问题、拆解路径、推动落地。"
}