{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "推荐算法专家 - 内容消费与非闭环营销",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京、杭州",
        "work_mode": "未披露",AI生成
        "job_category": "算法"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": "计算机、数学、统计学、电子工程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：内容消费与非闭环营销技术团队，服务内容消费和非闭环营销行业数十万客户和十亿级用户。其中，内容消费行业包括游戏、小游戏、短剧、小说、社交与工具等行业，非闭环营销行业包括平台电商、引流电商等行业。内容消费与非闭环营销围绕客户深转、ROI等本质诉求，构建了完整的产品矩阵，知名产品有UBA/UBP自动化产品、深转ROI1\\ROI7产品等。研发团队主要通过技术手段支持行业的收入和市占提升，工作内容包括：投放策略优化（出价、自动化）、模型优化（深度延迟和稀疏转化建模、序列建模、Large Recommend Model等）、流量和体验策略优化（ROI3产品、推荐广告融合、多目标建模等）、AI内容理解和生成（多模态模型、营销创意&剧集生成等）、定价和权益激励策略优化（智能定价、QCPX等）、海量创意自动化托管投放架构（DPA）、新产品开发等。\n\n1、负责保险行业在抖音、豆包等平台的推荐与分发算法建设，覆盖内容分发、商品推荐、线索匹配、转化承接、续期经营等场景，围绕用户保障需求识别、保险商品理解、内容与服务匹配、转化漏斗优化等问题，设计并迭代召回、粗排、精排、重排、多目标融合、冷启动与探索等推荐算法策略；\n2、建设面向保险行业的商品画像、内容理解、场景意图识别和长期价值建模能力，提升用户体验、保障需求满足效率和业务转化效率；\n3、结合LLM4Rec、生成式推荐、语义召回、大模型重排和多模态理解等前沿技术，探索重构保险推荐底层技术体系，提升复杂保障需求理解、长周期决策辅助和个性化服务匹配能力；\n4、深入理解医疗险、意外险、车险、寿险、年金险等不同险种的决策链路差异，推动推荐算法适配轻决策标品、重决策长险和定制化产品，与产品、运营、行业策略、数据科学和工程团队紧密协作，建立特征体系、样本体系、实验评估体系和线上策略闭环，持续推动保险业务从获客分发走向长期经营。",
        "requirements_text": "1、计算机、数学、统计学、电子工程或相关专业本科及以上学历，具备扎实的数据结构、算法、机器学习和深度学习基础；\n2、熟悉推荐、广告、搜索或内容分发相关算法，具备召回、排序、多目标优化、用户建模、内容理解、因果推断或强化学习等方向的实际经验；\n3、有大模型前沿技术在推荐场景中的落地经验者优先，熟悉大模型scaling、LLM4Rec、生成式推荐、语义召回、大模型重排等方向，能够推动前沿算法在复杂业务场景中的效果提升与系统化落地；\n4、具备优秀的数据分析和问题拆解能力，能够从业务目标出发定义指标、定位问题、设计实验并推动策略上线；\n5、有大规模推荐系统、计算广告、搜索引擎、特征工程、样本构建、在线实验或高并发服务经验者优先；\n6、有保险、金融、电商、本地生活、线索经营等复杂交易场景经验，或对重决策转化、长期用户价值和行业经营有深入理解者优先。",
        "skills": [AI生成
            "机器学习",
            "深度学习",
            "强化学习",
            "数据结构",
            "数据分析",
            "建模",
            "大语言模型"
        ],
        "preferred_qualifications": "3、有大模型前沿技术在推荐场景中的落地经验者优先，熟悉大模型scaling、LLM4Rec、生成式推荐、语义召回、大模型重排等方向，能够推动前沿算法在复杂业务场景中的效果提升与系统化落地；5、有大规模推荐系统、计算广告、搜索引擎、特征工程、样本构建、在线实验或高并发服务经验者优先；6、有保险、金融、电商、本地生活、线索经营等复杂交易场景经验，或对重决策转化、长期用户价值和行业经营有深入理解者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7670828317482551557/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7670828317482551557",
        "post_date": "2026-08-06",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7670828317482551557/detail"
    },
    "fulltext": "推荐算法专家 - 内容消费与非闭环营销\n职位描述\n团队介绍：内容消费与非闭环营销技术团队，服务内容消费和非闭环营销行业数十万客户和十亿级用户。其中，内容消费行业包括游戏、小游戏、短剧、小说、社交与工具等行业，非闭环营销行业包括平台电商、引流电商等行业。内容消费与非闭环营销围绕客户深转、ROI等本质诉求，构建了完整的产品矩阵，知名产品有UBA/UBP自动化产品、深转ROI1\\ROI7产品等。研发团队主要通过技术手段支持行业的收入和市占提升，工作内容包括：投放策略优化（出价、自动化）、模型优化（深度延迟和稀疏转化建模、序列建模、Large Recommend Model等）、流量和体验策略优化（ROI3产品、推荐广告融合、多目标建模等）、AI内容理解和生成（多模态模型、营销创意&剧集生成等）、定价和权益激励策略优化（智能定价、QCPX等）、海量创意自动化托管投放架构（DPA）、新产品开发等。\n\n1、负责保险行业在抖音、豆包等平台的推荐与分发算法建设，覆盖内容分发、商品推荐、线索匹配、转化承接、续期经营等场景，围绕用户保障需求识别、保险商品理解、内容与服务匹配、转化漏斗优化等问题，设计并迭代召回、粗排、精排、重排、多目标融合、冷启动与探索等推荐算法策略；\n2、建设面向保险行业的商品画像、内容理解、场景意图识别和长期价值建模能力，提升用户体验、保障需求满足效率和业务转化效率；\n3、结合LLM4Rec、生成式推荐、语义召回、大模型重排和多模态理解等前沿技术，探索重构保险推荐底层技术体系，提升复杂保障需求理解、长周期决策辅助和个性化服务匹配能力；\n4、深入理解医疗险、意外险、车险、寿险、年金险等不同险种的决策链路差异，推动推荐算法适配轻决策标品、重决策长险和定制化产品，与产品、运营、行业策略、数据科学和工程团队紧密协作，建立特征体系、样本体系、实验评估体系和线上策略闭环，持续推动保险业务从获客分发走向长期经营。\n\n职位要求\n1、计算机、数学、统计学、电子工程或相关专业本科及以上学历，具备扎实的数据结构、算法、机器学习和深度学习基础；\n2、熟悉推荐、广告、搜索或内容分发相关算法，具备召回、排序、多目标优化、用户建模、内容理解、因果推断或强化学习等方向的实际经验；\n3、有大模型前沿技术在推荐场景中的落地经验者优先，熟悉大模型scaling、LLM4Rec、生成式推荐、语义召回、大模型重排等方向，能够推动前沿算法在复杂业务场景中的效果提升与系统化落地；\n4、具备优秀的数据分析和问题拆解能力，能够从业务目标出发定义指标、定位问题、设计实验并推动策略上线；\n5、有大规模推荐系统、计算广告、搜索引擎、特征工程、样本构建、在线实验或高并发服务经验者优先；\n6、有保险、金融、电商、本地生活、线索经营等复杂交易场景经验，或对重决策转化、长期用户价值和行业经营有深入理解者优先。\n团队介绍：内容消费与非闭环营销技术团队，服务内容消费和非闭环营销行业数十万客户和十亿级用户。其中，内容消费行业包括游戏、小游戏、短剧、小说、社交与工具等行业，非闭环营销行业包括平台电商、引流电商等行业。内容消费与非闭环营销围绕客户深转、ROI等本质诉求，构建了完整的产品矩阵，知名产品有UBA/UBP自动化产品、深转ROI1\\ROI7产品等。研发团队主要通过技术手段支持行业的收入和市占提升，工作内容包括：投放策略优化（出价、自动化）、模型优化（深度延迟和稀疏转化建模、序列建模、Large Recommend Model等）、流量和体验策略优化（ROI3产品、推荐广告融合、多目标建模等）、AI内容理解和生成（多模态模型、营销创意&剧集生成等）、定价和权益激励策略优化（智能定价、QCPX等）、海量创意自动化托管投放架构（DPA）、新产品开发等。\n\n1、负责保险行业在抖音、豆包等平台的推荐与分发算法建设，覆盖内容分发、商品推荐、线索匹配、转化承接、续期经营等场景，围绕用户保障需求识别、保险商品理解、内容与服务匹配、转化漏斗优化等问题，设计并迭代召回、粗排、精排、重排、多目标融合、冷启动与探索等推荐算法策略；\n2、建设面向保险行业的商品画像、内容理解、场景意图识别和长期价值建模能力，提升用户体验、保障需求满足效率和业务转化效率；\n3、结合LLM4Rec、生成式推荐、语义召回、大模型重排和多模态理解等前沿技术，探索重构保险推荐底层技术体系，提升复杂保障需求理解、长周期决策辅助和个性化服务匹配能力；\n4、深入理解医疗险、意外险、车险、寿险、年金险等不同险种的决策链路差异，推动推荐算法适配轻决策标品、重决策长险和定制化产品，与产品、运营、行业策略、数据科学和工程团队紧密协作，建立特征体系、样本体系、实验评估体系和线上策略闭环，持续推动保险业务从获客分发走向长期经营。\n1、计算机、数学、统计学、电子工程或相关专业本科及以上学历，具备扎实的数据结构、算法、机器学习和深度学习基础；\n2、熟悉推荐、广告、搜索或内容分发相关算法，具备召回、排序、多目标优化、用户建模、内容理解、因果推断或强化学习等方向的实际经验；\n3、有大模型前沿技术在推荐场景中的落地经验者优先，熟悉大模型scaling、LLM4Rec、生成式推荐、语义召回、大模型重排等方向，能够推动前沿算法在复杂业务场景中的效果提升与系统化落地；\n4、具备优秀的数据分析和问题拆解能力，能够从业务目标出发定义指标、定位问题、设计实验并推动策略上线；\n5、有大规模推荐系统、计算广告、搜索引擎、特征工程、样本构建、在线实验或高并发服务经验者优先；\n6、有保险、金融、电商、本地生活、线索经营等复杂交易场景经验，或对重决策转化、长期用户价值和行业经营有深入理解者优先。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}