主分类：搜索推荐与业务决策算法研发
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": "流量调控与调度算法工程师 - 抖音电商",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京、上海、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": 2,
"degree": "专业背景：计算机、运筹学、统计学、应用数学等相关专业硕士学位、博士学位",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：抖音电商算法团队，依托抖音、今日头条、番茄小说、红果短剧等产品，帮助用户发现、讨论并获得好物，享受美好生活；帮助商家高效经营，创建良性商业生态；激励创作并分享购物经验使用心得，构建有真诚有信息的电商内容氛围。在这个团队，我们不仅要通过推荐、广告和搜索算法搭建消费者和商家之间的桥梁，也要通过风控算法和治理算法去甄别违规行为，保护用户的购物体验，保护真正诚信经营的商家；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率，降低商家的经营成本；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户物流体验；另外我们还会用业界先进的数据科学技术为业务健康发展保驾护航。我们的使命：用算法的能力，让用户总能发现好东西，让美好生活触手可得。\n\n1、大规模匹配与运筹优化：针对“流量-主播-货品”的三维匹配场景，构建大规模运筹优化（OR）与双边市场匹配模型，求解高并发场景下的流量最优分配解，提升全局千展GMV与变现效率；\n2、动态调度与流量平滑：借鉴双边调度（网约车派单/外卖调度）逻辑，将调度算法与流量控制策略引入直播流量分配，实现流量在不同时间段、不同主播层级间的动态平滑与实时干预，保障大盘流量的高效流转；\n3、多目标协同与生态约束：搭建兼顾短期商业化收益（GMV/CTR/CVR）、用户体验（停留/互动/退货率）与生态健康（主播存活率、生态基尼系数）的多目标优化框架，求解Pareto最优解；\n4、因果推断与Uplift建模：运用因果推断（Causal Inference）与Uplift建模，精准量化流量倾斜对不同生态位主播（尤其是冷启动与腰部主播）的边际增量效益，设计长效扶持算法策略。",
"requirements_text": "1、专业背景：计算机、运筹学、统计学、应用数学等相关专业硕士学位、博士学位，2年以上算法研发经验；\n2、算法功底：深入理解运筹优化（LP/MIP/凸优化）、博弈论机制设计或推荐/广告算法，在KDD、NeurIPS、ICML、AAAI等顶会发表过论文者优先；\n3、项目经验：有网约车/外卖调度系统、流量平滑（Pacing/Budgeting）、大盘流量分发或电商推荐系统重排/机制设计经验者优先；\n4、工程与落地：精通Python/C++，熟悉TensorFlow/PyTorch以及Spark/Flink大数据的实时/离线算法工程化落地，具备强烈的业务导向与复杂场景抽象能力。",
"skills": [AI生成
"Python",
"C++",
"Spark",
"Flink",
"PyTorch",
"TensorFlow"
],
"preferred_qualifications": "2、算法功底：深入理解运筹优化（LP/MIP/凸优化）、博弈论机制设计或推荐/广告算法，在KDD、NeurIPS、ICML、AAAI等顶会发表过论文者优先；3、项目经验：有网约车/外卖调度系统、流量平滑（Pacing/Budgeting）、大盘流量分发或电商推荐系统重排/机制设计经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7680539904203688197/detail"
}
]
},
"posting": {
"posting_id": "7680539904203688197",
"post_date": "2026-09-01",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7680539904203688197/detail"
},
"fulltext": "流量调控与调度算法工程师 - 抖音电商\n职位描述\n团队介绍：抖音电商算法团队，依托抖音、今日头条、番茄小说、红果短剧等产品，帮助用户发现、讨论并获得好物，享受美好生活；帮助商家高效经营，创建良性商业生态；激励创作并分享购物经验使用心得，构建有真诚有信息的电商内容氛围。在这个团队，我们不仅要通过推荐、广告和搜索算法搭建消费者和商家之间的桥梁，也要通过风控算法和治理算法去甄别违规行为，保护用户的购物体验，保护真正诚信经营的商家；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率，降低商家的经营成本；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户物流体验；另外我们还会用业界先进的数据科学技术为业务健康发展保驾护航。我们的使命：用算法的能力，让用户总能发现好东西，让美好生活触手可得。\n\n1、大规模匹配与运筹优化：针对“流量-主播-货品”的三维匹配场景，构建大规模运筹优化（OR）与双边市场匹配模型，求解高并发场景下的流量最优分配解，提升全局千展GMV与变现效率；\n2、动态调度与流量平滑：借鉴双边调度（网约车派单/外卖调度）逻辑，将调度算法与流量控制策略引入直播流量分配，实现流量在不同时间段、不同主播层级间的动态平滑与实时干预，保障大盘流量的高效流转；\n3、多目标协同与生态约束：搭建兼顾短期商业化收益（GMV/CTR/CVR）、用户体验（停留/互动/退货率）与生态健康（主播存活率、生态基尼系数）的多目标优化框架，求解Pareto最优解；\n4、因果推断与Uplift建模：运用因果推断（Causal Inference）与Uplift建模，精准量化流量倾斜对不同生态位主播（尤其是冷启动与腰部主播）的边际增量效益，设计长效扶持算法策略。\n\n职位要求\n1、专业背景：计算机、运筹学、统计学、应用数学等相关专业硕士学位、博士学位，2年以上算法研发经验；\n2、算法功底：深入理解运筹优化（LP/MIP/凸优化）、博弈论机制设计或推荐/广告算法，在KDD、NeurIPS、ICML、AAAI等顶会发表过论文者优先；\n3、项目经验：有网约车/外卖调度系统、流量平滑（Pacing/Budgeting）、大盘流量分发或电商推荐系统重排/机制设计经验者优先；\n4、工程与落地：精通Python/C++，熟悉TensorFlow/PyTorch以及Spark/Flink大数据的实时/离线算法工程化落地，具备强烈的业务导向与复杂场景抽象能力。\n团队介绍：抖音电商算法团队，依托抖音、今日头条、番茄小说、红果短剧等产品，帮助用户发现、讨论并获得好物，享受美好生活；帮助商家高效经营，创建良性商业生态；激励创作并分享购物经验使用心得，构建有真诚有信息的电商内容氛围。在这个团队，我们不仅要通过推荐、广告和搜索算法搭建消费者和商家之间的桥梁，也要通过风控算法和治理算法去甄别违规行为，保护用户的购物体验，保护真正诚信经营的商家；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率，降低商家的经营成本；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户物流体验；另外我们还会用业界先进的数据科学技术为业务健康发展保驾护航。我们的使命：用算法的能力，让用户总能发现好东西，让美好生活触手可得。\n\n1、大规模匹配与运筹优化：针对“流量-主播-货品”的三维匹配场景，构建大规模运筹优化（OR）与双边市场匹配模型，求解高并发场景下的流量最优分配解，提升全局千展GMV与变现效率；\n2、动态调度与流量平滑：借鉴双边调度（网约车派单/外卖调度）逻辑，将调度算法与流量控制策略引入直播流量分配，实现流量在不同时间段、不同主播层级间的动态平滑与实时干预，保障大盘流量的高效流转；\n3、多目标协同与生态约束：搭建兼顾短期商业化收益（GMV/CTR/CVR）、用户体验（停留/互动/退货率）与生态健康（主播存活率、生态基尼系数）的多目标优化框架，求解Pareto最优解；\n4、因果推断与Uplift建模：运用因果推断（Causal Inference）与Uplift建模，精准量化流量倾斜对不同生态位主播（尤其是冷启动与腰部主播）的边际增量效益，设计长效扶持算法策略。\n1、专业背景：计算机、运筹学、统计学、应用数学等相关专业硕士学位、博士学位，2年以上算法研发经验；\n2、算法功底：深入理解运筹优化（LP/MIP/凸优化）、博弈论机制设计或推荐/广告算法，在KDD、NeurIPS、ICML、AAAI等顶会发表过论文者优先；\n3、项目经验：有网约车/外卖调度系统、流量平滑（Pacing/Budgeting）、大盘流量分发或电商推荐系统重排/机制设计经验者优先；\n4、工程与落地：精通Python/C++，熟悉TensorFlow/PyTorch以及Spark/Flink大数据的实时/离线算法工程化落地，具备强烈的业务导向与复杂场景抽象能力。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}