职位详情

职位列表 链接有效 不适用(官网全量采集) official:bytedance:7647042327782148405

广告增长算法工程师-国际化电商广告(北京/上海)

未披露 · 北京 · 字节跳动

主分类:搜索推荐与业务决策算法研发
算法与数据
来源 JD 数据(旧分类保留,当前主分类见上方)
{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "广告增长算法工程师-国际化电商广告(北京/上海)",
        "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": "研发"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": 2,
        "degree": "计算机或相关专业本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "团队介绍:国际化电商广告团队始终以广告主为核心,追求技术卓越;我们与电商、零售、旅游等各行业广告主紧密合作,致力于将国际化产品打造为各类企业不可或缺的增长平台,同时成为消费者发现并购买产品、内容及服务的首选目的地;团队肩负着实现国际化广告营收的重要使命,正在全力构建新一代网络广告解决方案。\n\n1、负责国际商业化增长算法:在客户全生命周期(拉新、活跃、留存等),利用Uplift建模、因果推断、运筹优化算法,通过券、扶持等多种激励类型来提升活跃客户数;\n2、模型优化:基于CTR、CVR、LTV等目标,对召回、粗排、精排、出价等核心模块进行调优,从模型、策略和机制等角度全面提升广告增长系统效率。",
        "requirements_text": "1、计算机或相关专业本科及以上学历,2年以上广告/推荐/搜索召回排序等相关工作经验;\n2、扎实的数据结构和算法功底,编程能力优秀,熟练使用C/C++/Python/Java/Golang等编程语言,优先考虑:有海量数据处理和分布式计算开发经验,熟悉Hadoop、Spark框架;\n3、有搜索、广告、推荐、用户增长或者智能对话系统经验优先;\n4、拥有良好的沟通协作能力,愿意接受挑战,能够适应全球化的工作环境;\n5、有传统机器学习、深度学习相关知识背景,优先考虑:发表过KDD、AAAI、CIKM、WWW、RecSys、NeurIPS、ACL、EMNLP等论文。",
        "skills": [AI生成
            "Python",
            "Java",
            "C++",
            "Golang",
            "Spark",
            "Hadoop",
            "机器学习",
            "深度学习",
            "数据结构"
        ],
        "preferred_qualifications": "2、扎实的数据结构和算法功底,编程能力优秀,熟练使用C/C++/Python/Java/Golang等编程语言,优先考虑:有海量数据处理和分布式计算开发经验,熟悉Hadoop、Spark框架;3、有搜索、广告、推荐、用户增长或者智能对话系统经验优先;5、有传统机器学习、深度学习相关知识背景,优先考虑:发表过KDD、AAAI、CIKM、WWW、RecSys、NeurIPS、ACL、EMNLP等论文",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7647042327782148405/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7647042327782148405",
        "post_date": "2026-06-03",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7647042327782148405/detail"
    },
    "fulltext": "广告增长算法工程师-国际化电商广告(北京/上海)\n职位描述\n团队介绍:国际化电商广告团队始终以广告主为核心,追求技术卓越;我们与电商、零售、旅游等各行业广告主紧密合作,致力于将国际化产品打造为各类企业不可或缺的增长平台,同时成为消费者发现并购买产品、内容及服务的首选目的地;团队肩负着实现国际化广告营收的重要使命,正在全力构建新一代网络广告解决方案。\n\n1、负责国际商业化增长算法:在客户全生命周期(拉新、活跃、留存等),利用Uplift建模、因果推断、运筹优化算法,通过券、扶持等多种激励类型来提升活跃客户数;\n2、模型优化:基于CTR、CVR、LTV等目标,对召回、粗排、精排、出价等核心模块进行调优,从模型、策略和机制等角度全面提升广告增长系统效率。\n\n职位要求\n1、计算机或相关专业本科及以上学历,2年以上广告/推荐/搜索召回排序等相关工作经验;\n2、扎实的数据结构和算法功底,编程能力优秀,熟练使用C/C++/Python/Java/Golang等编程语言,优先考虑:有海量数据处理和分布式计算开发经验,熟悉Hadoop、Spark框架;\n3、有搜索、广告、推荐、用户增长或者智能对话系统经验优先;\n4、拥有良好的沟通协作能力,愿意接受挑战,能够适应全球化的工作环境;\n5、有传统机器学习、深度学习相关知识背景,优先考虑:发表过KDD、AAAI、CIKM、WWW、RecSys、NeurIPS、ACL、EMNLP等论文。\n团队介绍:国际化电商广告团队始终以广告主为核心,追求技术卓越;我们与电商、零售、旅游等各行业广告主紧密合作,致力于将国际化产品打造为各类企业不可或缺的增长平台,同时成为消费者发现并购买产品、内容及服务的首选目的地;团队肩负着实现国际化广告营收的重要使命,正在全力构建新一代网络广告解决方案。\n\n1、负责国际商业化增长算法:在客户全生命周期(拉新、活跃、留存等),利用Uplift建模、因果推断、运筹优化算法,通过券、扶持等多种激励类型来提升活跃客户数;\n2、模型优化:基于CTR、CVR、LTV等目标,对召回、粗排、精排、出价等核心模块进行调优,从模型、策略和机制等角度全面提升广告增长系统效率。\n1、计算机或相关专业本科及以上学历,2年以上广告/推荐/搜索召回排序等相关工作经验;\n2、扎实的数据结构和算法功底,编程能力优秀,熟练使用C/C++/Python/Java/Golang等编程语言,优先考虑:有海量数据处理和分布式计算开发经验,熟悉Hadoop、Spark框架;\n3、有搜索、广告、推荐、用户增长或者智能对话系统经验优先;\n4、拥有良好的沟通协作能力,愿意接受挑战,能够适应全球化的工作环境;\n5、有传统机器学习、深度学习相关知识背景,优先考虑:发表过KDD、AAAI、CIKM、WWW、RecSys、NeurIPS、ACL、EMNLP等论文。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}