主分类：Agent 产品经理
辅助：策略与机制产品经理（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": "智能算法产品事业部-AI搜索产品经理（Agentic Search灵感导购方向）-淘宝搜索",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "淘天集团",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "算法研发"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": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "一、我们在做什么\n淘宝搜索是阿里核心业务之一，日均服务数亿用户的购物决策。我们正在将搜索从\"找商品\"升级为\"发现灵感\"，探索 AI Native 的下一代搜索体验。\n我们尝试打造全新的Agentic Search搜索产品范式：围绕店铺 Profile 理解、店铺优质装修素材挖掘，以及 User × Query × 趋势的兴趣推理，建设店铺内容型 Agentic 灵感导购，帮助用户更高效地发现风格、店铺和值得继续深逛的商品。\n这个方向将形成区别于主链路“逛商品”的认知心智，并把用户在灵感浏览、自然语言反馈和多轮选择中产生的高质量兴趣信号，反哺主搜索的个性化推荐策略。\n二、你的岗位使命\n作为这一方向的AI搜索PM，你将负责定义“店铺内容型 Agentic 灵感导购”是什么、解决谁的什么问题，以及如何证明它创造了新的搜索价值。你需要把用户需求、搜索与推荐能力、店铺供给、内容表达和 AI 交互组织成一条完整链路，并推动产品从概念验证走向规模化。\n三、职位描述\n你将负责\n1. 定义产品方向与演进路线。 围绕内容、灵感、发现和效率，明确「逛」区别于主搜索商品链路的用户价值；从宽泛词切入，识别优先场景并推动 MVP、实验和持续迭代。\n2. 建设搜索理解与店铺推荐策略。 和算法团队共建 Query 理解、店铺级召回排序及个性化策略，将用户当下需求、长期偏好与趋势信号转化为可解释、可承接的推荐结果。\n3. 推动店铺 Profile 与内容供给建设。 组织店铺风格、适用人群、场景、价格带、商品结构、服务与权威信息；探索店铺装修、穿搭内容等素材的识别、筛选和治理机制，解决素材质量参差、覆盖不足和同质化问题。\n4. 设计 AI 原生的连续导购体验。 在不牺牲首屏效率的前提下，探索轻量AI Summary 的价值；重点建设流内持续对话，让用户能够自然表达，并驱动结果刷新和收敛。\n5. 设计并验证内容承接链路。 比较内容详情、店铺全部宝贝等不同承接方式，确保用户在封面看到的商品和风格能够被后续页面接住，同时平衡发现效率、浏览深度和交易转化。\n6. 建立实验与增长闭环。 定义核心指标和可验证假设，通过受控实验识别 Summary、内容形态、个性化和承接方式的净增量；将「逛」场景沉淀的兴趣反馈转化为主搜索个性化可复用的策略资产。\n在这些工作中，你直接负责产品判断、方案设计、实验定义和结果复盘；搜索算法、数据、设计、工程及商家供给能力由你牵引相关伙伴共同建设。",
"requirements_text": "我们希望你\n1. 有搜索、推荐、信息流、内容社区或 AI 产品经验，对 AI/LLM 在搜索场景的应用有深入理解，有 Agentic Search、对话式导购、AI 内容生成等相关产品经验优先\n2. 具备优秀的 数据敏感度，能从用户行为数据中提炼产品洞察，有搜索 Query 分析、用户动线分析经验，能够系统拆解 Query 意图、召回、排序、个性化、结果组织与承接链路，知道一次体验问题应该通过产品、算法、供给还是交互解决。\n3. 熟悉服饰等强视觉、强风格行业，理解穿搭、店铺调性与内容素材对消费决策的影响，理解“明确找货”与“灵感发现”的差异，能够在内容感、浏览效率和交易效率之间做出有依据的取舍。\n4. 对大模型和 Agentic 产品有实际认知，理解模型能力边界、延迟、成本、缓存、可解释性与降级策略，能够判断什么时候应该用 AI、什么时候不应该。\n5. 能把抽象目标转化为可执行的产品机制，并推动算法、数据、设计、研发和业务伙伴围绕同一验证目标协同落地。\n6. 具备扎实的数据与实验能力，能提出可证伪的假设、冻结非实验变量、建立指标口径，并识别相关性、选择偏差与真实因果增量。\n加分项\n• 对服饰穿搭、时尚趋势有热情和理解，对内容审美和素材真实性有判断力，并能把主观审美转化为可度量、可治理、可规模化的机制。\n• 有内容社区产品经验（小红书/抖音/得物等），理解内容型导购的用户心智\n• 有店铺/商家侧产品经验，理解店铺装修、素材生产、商家运营逻辑\n• 有从 0 到 1 建设新场域、新用户心智或大规模增长产品的经验。\n为什么值得加入\n这是一个边界相对独立、可以更大胆验证 AI 新交互的搜索场域，也是一项横跨搜索理解、推荐策略、内容供给、交互设计和增长实验的产品工作。你面对的不是一次页面改版，而是一次重新定义搜索发现体验的机会：既能影响大规模真实用户，也能沉淀可反哺主搜索的长期能力。\n如果你希望亲手建立一种新的搜索消费体验，欢迎加入我们。",
"skills": [AI生成
"商家运营",
"交互设计",
"大语言模型"
],
"preferred_qualifications": "1. 有搜索、推荐、信息流、内容社区或 AI 产品经验，对 AI/LLM 在搜索场景的应用有深入理解，有 Agentic Search、对话式导购、AI 内容生成等相关产品经验优先；加分项",
"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=100040220005"
}
]
},
"posting": {
"posting_id": "100040220005",
"post_date": "2026-09-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100040220005"
},
"fulltext": "智能算法产品事业部-AI搜索产品经理（Agentic Search灵感导购方向）-淘宝搜索\n智能算法产品事业部-AI搜索产品经理（Agentic Search灵感导购方向）-淘宝搜索\n\n基础信息\n工作地点：北京\n\n职位描述\n一、我们在做什么\n淘宝搜索是阿里核心业务之一，日均服务数亿用户的购物决策。我们正在将搜索从\"找商品\"升级为\"发现灵感\"，探索 AI Native 的下一代搜索体验。\n我们尝试打造全新的Agentic Search搜索产品范式：围绕店铺 Profile 理解、店铺优质装修素材挖掘，以及 User × Query × 趋势的兴趣推理，建设店铺内容型 Agentic 灵感导购，帮助用户更高效地发现风格、店铺和值得继续深逛的商品。\n这个方向将形成区别于主链路“逛商品”的认知心智，并把用户在灵感浏览、自然语言反馈和多轮选择中产生的高质量兴趣信号，反哺主搜索的个性化推荐策略。\n二、你的岗位使命\n作为这一方向的AI搜索PM，你将负责定义“店铺内容型 Agentic 灵感导购”是什么、解决谁的什么问题，以及如何证明它创造了新的搜索价值。你需要把用户需求、搜索与推荐能力、店铺供给、内容表达和 AI 交互组织成一条完整链路，并推动产品从概念验证走向规模化。\n三、职位描述\n你将负责\n1. 定义产品方向与演进路线。 围绕内容、灵感、发现和效率，明确「逛」区别于主搜索商品链路的用户价值；从宽泛词切入，识别优先场景并推动 MVP、实验和持续迭代。\n2. 建设搜索理解与店铺推荐策略。 和算法团队共建 Query 理解、店铺级召回排序及个性化策略，将用户当下需求、长期偏好与趋势信号转化为可解释、可承接的推荐结果。\n3. 推动店铺 Profile 与内容供给建设。 组织店铺风格、适用人群、场景、价格带、商品结构、服务与权威信息；探索店铺装修、穿搭内容等素材的识别、筛选和治理机制，解决素材质量参差、覆盖不足和同质化问题。\n4. 设计 AI 原生的连续导购体验。 在不牺牲首屏效率的前提下，探索轻量AI Summary 的价值；重点建设流内持续对话，让用户能够自然表达，并驱动结果刷新和收敛。\n5. 设计并验证内容承接链路。 比较内容详情、店铺全部宝贝等不同承接方式，确保用户在封面看到的商品和风格能够被后续页面接住，同时平衡发现效率、浏览深度和交易转化。\n6. 建立实验与增长闭环。 定义核心指标和可验证假设，通过受控实验识别 Summary、内容形态、个性化和承接方式的净增量；将「逛」场景沉淀的兴趣反馈转化为主搜索个性化可复用的策略资产。\n在这些工作中，你直接负责产品判断、方案设计、实验定义和结果复盘；搜索算法、数据、设计、工程及商家供给能力由你牵引相关伙伴共同建设。\n\n职位要求\n我们希望你\n1. 有搜索、推荐、信息流、内容社区或 AI 产品经验，对 AI/LLM 在搜索场景的应用有深入理解，有 Agentic Search、对话式导购、AI 内容生成等相关产品经验优先\n2. 具备优秀的 数据敏感度，能从用户行为数据中提炼产品洞察，有搜索 Query 分析、用户动线分析经验，能够系统拆解 Query 意图、召回、排序、个性化、结果组织与承接链路，知道一次体验问题应该通过产品、算法、供给还是交互解决。\n3. 熟悉服饰等强视觉、强风格行业，理解穿搭、店铺调性与内容素材对消费决策的影响，理解“明确找货”与“灵感发现”的差异，能够在内容感、浏览效率和交易效率之间做出有依据的取舍。\n4. 对大模型和 Agentic 产品有实际认知，理解模型能力边界、延迟、成本、缓存、可解释性与降级策略，能够判断什么时候应该用 AI、什么时候不应该。\n5. 能把抽象目标转化为可执行的产品机制，并推动算法、数据、设计、研发和业务伙伴围绕同一验证目标协同落地。\n6. 具备扎实的数据与实验能力，能提出可证伪的假设、冻结非实验变量、建立指标口径，并识别相关性、选择偏差与真实因果增量。\n加分项\n• 对服饰穿搭、时尚趋势有热情和理解，对内容审美和素材真实性有判断力，并能把主观审美转化为可度量、可治理、可规模化的机制。\n• 有内容社区产品经验（小红书/抖音/得物等），理解内容型导购的用户心智\n• 有店铺/商家侧产品经验，理解店铺装修、素材生产、商家运营逻辑\n• 有从 0 到 1 建设新场域、新用户心智或大规模增长产品的经验。\n为什么值得加入\n这是一个边界相对独立、可以更大胆验证 AI 新交互的搜索场域，也是一项横跨搜索理解、推荐策略、内容供给、交互设计和增长实验的产品工作。你面对的不是一次页面改版，而是一次重新定义搜索发现体验的机会：既能影响大规模真实用户，也能沉淀可反哺主搜索的长期能力。\n如果你希望亲手建立一种新的搜索消费体验，欢迎加入我们。\n一、我们在做什么\n淘宝搜索是阿里核心业务之一，日均服务数亿用户的购物决策。我们正在将搜索从\"找商品\"升级为\"发现灵感\"，探索 AI Native 的下一代搜索体验。\n我们尝试打造全新的Agentic Search搜索产品范式：围绕店铺 Profile 理解、店铺优质装修素材挖掘，以及 User × Query × 趋势的兴趣推理，建设店铺内容型 Agentic 灵感导购，帮助用户更高效地发现风格、店铺和值得继续深逛的商品。\n这个方向将形成区别于主链路“逛商品”的认知心智，并把用户在灵感浏览、自然语言反馈和多轮选择中产生的高质量兴趣信号，反哺主搜索的个性化推荐策略。\n二、你的岗位使命\n作为这一方向的AI搜索PM，你将负责定义“店铺内容型 Agentic 灵感导购”是什么、解决谁的什么问题，以及如何证明它创造了新的搜索价值。你需要把用户需求、搜索与推荐能力、店铺供给、内容表达和 AI 交互组织成一条完整链路，并推动产品从概念验证走向规模化。\n三、职位描述\n你将负责\n1. 定义产品方向与演进路线。 围绕内容、灵感、发现和效率，明确「逛」区别于主搜索商品链路的用户价值；从宽泛词切入，识别优先场景并推动 MVP、实验和持续迭代。\n2. 建设搜索理解与店铺推荐策略。 和算法团队共建 Query 理解、店铺级召回排序及个性化策略，将用户当下需求、长期偏好与趋势信号转化为可解释、可承接的推荐结果。\n3. 推动店铺 Profile 与内容供给建设。 组织店铺风格、适用人群、场景、价格带、商品结构、服务与权威信息；探索店铺装修、穿搭内容等素材的识别、筛选和治理机制，解决素材质量参差、覆盖不足和同质化问题。\n4. 设计 AI 原生的连续导购体验。 在不牺牲首屏效率的前提下，探索轻量AI Summary 的价值；重点建设流内持续对话，让用户能够自然表达，并驱动结果刷新和收敛。\n5. 设计并验证内容承接链路。 比较内容详情、店铺全部宝贝等不同承接方式，确保用户在封面看到的商品和风格能够被后续页面接住，同时平衡发现效率、浏览深度和交易转化。\n6. 建立实验与增长闭环。 定义核心指标和可验证假设，通过受控实验识别 Summary、内容形态、个性化和承接方式的净增量；将「逛」场景沉淀的兴趣反馈转化为主搜索个性化可复用的策略资产。\n在这些工作中，你直接负责产品判断、方案设计、实验定义和结果复盘；搜索算法、数据、设计、工程及商家供给能力由你牵引相关伙伴共同建设。\n我们希望你\n1. 有搜索、推荐、信息流、内容社区或 AI 产品经验，对 AI/LLM 在搜索场景的应用有深入理解，有 Agentic Search、对话式导购、AI 内容生成等相关产品经验优先\n2. 具备优秀的 数据敏感度，能从用户行为数据中提炼产品洞察，有搜索 Query 分析、用户动线分析经验，能够系统拆解 Query 意图、召回、排序、个性化、结果组织与承接链路，知道一次体验问题应该通过产品、算法、供给还是交互解决。\n3. 熟悉服饰等强视觉、强风格行业，理解穿搭、店铺调性与内容素材对消费决策的影响，理解“明确找货”与“灵感发现”的差异，能够在内容感、浏览效率和交易效率之间做出有依据的取舍。\n4. 对大模型和 Agentic 产品有实际认知，理解模型能力边界、延迟、成本、缓存、可解释性与降级策略，能够判断什么时候应该用 AI、什么时候不应该。\n5. 能把抽象目标转化为可执行的产品机制，并推动算法、数据、设计、研发和业务伙伴围绕同一验证目标协同落地。\n6. 具备扎实的数据与实验能力，能提出可证伪的假设、冻结非实验变量、建立指标口径，并识别相关性、选择偏差与真实因果增量。\n加分项\n• 对服饰穿搭、时尚趋势有热情和理解，对内容审美和素材真实性有判断力，并能把主观审美转化为可度量、可治理、可规模化的机制。\n• 有内容社区产品经验（小红书/抖音/得物等），理解内容型导购的用户心智\n• 有店铺/商家侧产品经验，理解店铺装修、素材生产、商家运营逻辑\n• 有从 0 到 1 建设新场域、新用户心智或大规模增长产品的经验。\n为什么值得加入\n这是一个边界相对独立、可以更大胆验证 AI 新交互的搜索场域，也是一项横跨搜索理解、推荐策略、内容供给、交互设计和增长实验的产品工作。你面对的不是一次页面改版，而是一次重新定义搜索发现体验的机会：既能影响大规模真实用户，也能沉淀可反哺主搜索的长期能力。\n如果你希望亲手建立一种新的搜索消费体验，欢迎加入我们。",
"standard_classification": {
"std_category_code": "PM004",
"std_aux_codes": [
"PM008"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}