主分类：商家与商品运营
辅助：AI应用开发（非Agent）（仅展示）
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": "M&T事业部-玩美生活 & 企业服务-AI商品运营",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "淘天集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "运营"AI生成
},
"company": {
"company_name": "淘天集团",
"company_industry": "电子商务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "经验门槛：本科及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、商品数据基建与商品运营策略：负责行业核心商品运营链路（如IP/趋势/品牌SPU等），驱动差异化的商品运营动作与货盘结构优化，对行业核心货盘的 GMV、商品动销、供给渗透等核心指标负责。\n2、AI 能力在商品运营场景的落地：设计AI Native 商品运营工作流，设计并推动 Agent 在选品诊断、商品优化、商家任务生成等场景的应用；建设行业知识库为 Agent 提供上下文引用，搭建评测基线与效能评测体系，持续迭代工具调用准确率与任务完成率。\n3、数据 Agent 与自助分析：沉淀行业数据口径为标准训练集与 Skill，构建支持自然语言查询（Text2SQL）的数据 Agent，降低行业/商家/小二的查数与报告门槛，推动 AI 小二工作台等一线工具的应用与迭代。\n4、跨团队协同推进：联动行业运营、产品、算法、数据等团队，定义需求、拉通链路、验证效果，推动 AI 商品运营方案从设计到落地闭环。",
"requirements_text": "1、经验门槛：本科及以上，3 年以上电商/互联网商品运营、行业运营、产品运营或商业化运营经验；有完整的\"数据分析→策略设计→落地拿结果\"闭环经验。\n2、商品/商家运营理解：熟悉商品运营、选品盘货、商家分层、商业化渗透等运营方法论，理解商品—商家—消费者链路的关键抓手与指标体系。\n3、数据能力：熟练使用 SQL 独立取数与分析，具备构建分层模型、打分体系、指标口径的能力，能用数据驱动运营决策与效果验证。\n4、AI 应用能力：理解并实践过 LLM / RAG / Agent 在业务场景的应用，有搭建评测集/评测基线、Agent workflow 编排、知识库建设或 Text2SQL 数据 Agent 等其一的实际落地经验；对 AI 如何提升运营效率有自己的判断，而非停留在概念。\n5、软素质：结果导向、学习能力强、具备产品思维，能与算法/工程共创，把运营策略沉淀为可复用的产品能力或 Skill。具备较强的跨团队协同与项目推进能力，能独立承接模块级目标，主导定义机制并拿到可量化结果。",
"skills": [AI生成
"SQL",
"数据分析",
"项目推进",
"学习能力",
"商家运营",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.taotian.com/off-campus/position-detail?positionId=100032460001"
}
]
},
"posting": {
"posting_id": "100032460001",
"post_date": "2026-08-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100032460001"
},
"fulltext": "M&T事业部-玩美生活 & 企业服务-AI商品运营\nM&T事业部-玩美生活 & 企业服务-AI商品运营\n\n基础信息\n工作地点：杭州\n\n职位描述\n1、商品数据基建与商品运营策略：负责行业核心商品运营链路（如IP/趋势/品牌SPU等），驱动差异化的商品运营动作与货盘结构优化，对行业核心货盘的 GMV、商品动销、供给渗透等核心指标负责。\n2、AI 能力在商品运营场景的落地：设计AI Native 商品运营工作流，设计并推动 Agent 在选品诊断、商品优化、商家任务生成等场景的应用；建设行业知识库为 Agent 提供上下文引用，搭建评测基线与效能评测体系，持续迭代工具调用准确率与任务完成率。\n3、数据 Agent 与自助分析：沉淀行业数据口径为标准训练集与 Skill，构建支持自然语言查询（Text2SQL）的数据 Agent，降低行业/商家/小二的查数与报告门槛，推动 AI 小二工作台等一线工具的应用与迭代。\n4、跨团队协同推进：联动行业运营、产品、算法、数据等团队，定义需求、拉通链路、验证效果，推动 AI 商品运营方案从设计到落地闭环。\n\n职位要求\n1、经验门槛：本科及以上，3 年以上电商/互联网商品运营、行业运营、产品运营或商业化运营经验；有完整的\"数据分析→策略设计→落地拿结果\"闭环经验。\n2、商品/商家运营理解：熟悉商品运营、选品盘货、商家分层、商业化渗透等运营方法论，理解商品—商家—消费者链路的关键抓手与指标体系。\n3、数据能力：熟练使用 SQL 独立取数与分析，具备构建分层模型、打分体系、指标口径的能力，能用数据驱动运营决策与效果验证。\n4、AI 应用能力：理解并实践过 LLM / RAG / Agent 在业务场景的应用，有搭建评测集/评测基线、Agent workflow 编排、知识库建设或 Text2SQL 数据 Agent 等其一的实际落地经验；对 AI 如何提升运营效率有自己的判断，而非停留在概念。\n5、软素质：结果导向、学习能力强、具备产品思维，能与算法/工程共创，把运营策略沉淀为可复用的产品能力或 Skill。具备较强的跨团队协同与项目推进能力，能独立承接模块级目标，主导定义机制并拿到可量化结果。\n1、商品数据基建与商品运营策略：负责行业核心商品运营链路（如IP/趋势/品牌SPU等），驱动差异化的商品运营动作与货盘结构优化，对行业核心货盘的 GMV、商品动销、供给渗透等核心指标负责。\n2、AI 能力在商品运营场景的落地：设计AI Native 商品运营工作流，设计并推动 Agent 在选品诊断、商品优化、商家任务生成等场景的应用；建设行业知识库为 Agent 提供上下文引用，搭建评测基线与效能评测体系，持续迭代工具调用准确率与任务完成率。\n3、数据 Agent 与自助分析：沉淀行业数据口径为标准训练集与 Skill，构建支持自然语言查询（Text2SQL）的数据 Agent，降低行业/商家/小二的查数与报告门槛，推动 AI 小二工作台等一线工具的应用与迭代。\n4、跨团队协同推进：联动行业运营、产品、算法、数据等团队，定义需求、拉通链路、验证效果，推动 AI 商品运营方案从设计到落地闭环。\n1、经验门槛：本科及以上，3 年以上电商/互联网商品运营、行业运营、产品运营或商业化运营经验；有完整的\"数据分析→策略设计→落地拿结果\"闭环经验。\n2、商品/商家运营理解：熟悉商品运营、选品盘货、商家分层、商业化渗透等运营方法论，理解商品—商家—消费者链路的关键抓手与指标体系。\n3、数据能力：熟练使用 SQL 独立取数与分析，具备构建分层模型、打分体系、指标口径的能力，能用数据驱动运营决策与效果验证。\n4、AI 应用能力：理解并实践过 LLM / RAG / Agent 在业务场景的应用，有搭建评测集/评测基线、Agent workflow 编排、知识库建设或 Text2SQL 数据 Agent 等其一的实际落地经验；对 AI 如何提升运营效率有自己的判断，而非停留在概念。\n5、软素质：结果导向、学习能力强、具备产品思维，能与算法/工程共创，把运营策略沉淀为可复用的产品能力或 Skill。具备较强的跨团队协同与项目推进能力，能独立承接模块级目标，主导定义机制并拿到可量化结果。",
"standard_classification": {
"std_category_code": "B007",
"std_aux_codes": [
"T008"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}