职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:199904240005

共享出行 LBS海外产品实习生

未披露 · 北京 · 高德

主分类:策略与机制产品经理
产品
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": "共享出行 LBS海外产品实习生",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "高德地图",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "产品类"AI生成
    },
    "company": {
        "company_name": "高德",
        "company_industry": "数字地图 / 导航服务",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "高德提供电子地图和导航服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 负责「高德打车」上下车点、导航、路线规划等核心地图能力的产品功能及策略,对业务的整体转换效率 及 司乘体验负责;\n2. 数据驱动产品迭代,通过SQL数据分析、用户访谈、线上实验等方式建立\"发现—分析—解决—实验\"的闭环,持续发现功能不足/场景体验洼地,优化策略效果与用户体验;\n3. 具备行业洞察与创新能力,深入洞察网约车行业司乘两端痛点,探索创新的解决方案,打造行业级亮点功能;\n4. 以 AI Native思维重构地图与出行场景,运用大模型/Agent能力,提出 AI时代下更高效的解决方案,实现团队的高效运转;",
        "requirements_text": "1. 本科及以上学历,数学/统计、计算机、地理信息(GIS)相关专业优先\n2. 具备网约车、出行、地图导航、本地生活等产品经验者优先(滴滴、货拉拉、美团、百度/腾讯地图等);或者具备搜索/语音处理/图像处理等策略产品经验\n专业能力:\n1. 熟练使用 SQL进行多维数据拆解分析,通过数据洞察多环节转换/多场景or群体间差异,并针对性优化\n2. 了解大模型应用,具备 AI能力在垂直业务中落地的思考与实践\n3. 具备 Vibe Coding 能力\n4. 理解策略产品上下游链路,能够在涉及多模块的系统设计中,理清上下游关系并界定模块职能\n软件素质:\n1. 行业洞察力:对网约车行业格局、司乘行为有深刻理解,能从细节中发现非显性问题\n2. AI Native思维:习惯优先从AI能力思考解决方案,而非将 AI作为附加功能\n3. 跨团队协同力:能清晰拆解多模块联动关系,与算法、工程、运营高效协作",
        "skills": [AI生成
            "SQL",
            "大语言模型"
        ],
        "preferred_qualifications": "1. 本科及以上学历,数学/统计、计算机、地理信息(GIS)相关专业优先;2. 具备网约车、出行、地图导航、本地生活等产品经验者优先(滴滴、货拉拉、美团、百度/腾讯地图等);2. AI Native思维:习惯优先从AI能力思考解决方案,而非将 AI作为附加功能",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199904240005?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199904240005",
        "post_date": "2026-06-16",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199904240005?deptCodes="
    },
    "fulltext": "共享出行 LBS海外产品实习生\n共享出行 LBS海外产品实习生\n\n基础信息\n毕业起止时间要求:2027-06-01 - 2030-01-01\n职位类别:产品类\n招聘项目:阿里巴巴日常实习生\n工作地点:北京\n\n职位描述\n1. 负责「高德打车」上下车点、导航、路线规划等核心地图能力的产品功能及策略,对业务的整体转换效率 及 司乘体验负责;\n2. 数据驱动产品迭代,通过SQL数据分析、用户访谈、线上实验等方式建立\"发现—分析—解决—实验\"的闭环,持续发现功能不足/场景体验洼地,优化策略效果与用户体验;\n3. 具备行业洞察与创新能力,深入洞察网约车行业司乘两端痛点,探索创新的解决方案,打造行业级亮点功能;\n4. 以 AI Native思维重构地图与出行场景,运用大模型/Agent能力,提出 AI时代下更高效的解决方案,实现团队的高效运转;\n\n职位要求\n1. 本科及以上学历,数学/统计、计算机、地理信息(GIS)相关专业优先\n2. 具备网约车、出行、地图导航、本地生活等产品经验者优先(滴滴、货拉拉、美团、百度/腾讯地图等);或者具备搜索/语音处理/图像处理等策略产品经验\n专业能力:\n1. 熟练使用 SQL进行多维数据拆解分析,通过数据洞察多环节转换/多场景or群体间差异,并针对性优化\n2. 了解大模型应用,具备 AI能力在垂直业务中落地的思考与实践\n3. 具备 Vibe Coding 能力\n4. 理解策略产品上下游链路,能够在涉及多模块的系统设计中,理清上下游关系并界定模块职能\n软件素质:\n1. 行业洞察力:对网约车行业格局、司乘行为有深刻理解,能从细节中发现非显性问题\n2. AI Native思维:习惯优先从AI能力思考解决方案,而非将 AI作为附加功能\n3. 跨团队协同力:能清晰拆解多模块联动关系,与算法、工程、运营高效协作\n\n在招业务\n高德地图\n1. 负责「高德打车」上下车点、导航、路线规划等核心地图能力的产品功能及策略,对业务的整体转换效率 及 司乘体验负责;\n2. 数据驱动产品迭代,通过SQL数据分析、用户访谈、线上实验等方式建立\"发现—分析—解决—实验\"的闭环,持续发现功能不足/场景体验洼地,优化策略效果与用户体验;\n3. 具备行业洞察与创新能力,深入洞察网约车行业司乘两端痛点,探索创新的解决方案,打造行业级亮点功能;\n4. 以 AI Native思维重构地图与出行场景,运用大模型/Agent能力,提出 AI时代下更高效的解决方案,实现团队的高效运转;\n1. 本科及以上学历,数学/统计、计算机、地理信息(GIS)相关专业优先\n2. 具备网约车、出行、地图导航、本地生活等产品经验者优先(滴滴、货拉拉、美团、百度/腾讯地图等);或者具备搜索/语音处理/图像处理等策略产品经验\n专业能力:\n1. 熟练使用 SQL进行多维数据拆解分析,通过数据洞察多环节转换/多场景or群体间差异,并针对性优化\n2. 了解大模型应用,具备 AI能力在垂直业务中落地的思考与实践\n3. 具备 Vibe Coding 能力\n4. 理解策略产品上下游链路,能够在涉及多模块的系统设计中,理清上下游关系并界定模块职能\n软件素质:\n1. 行业洞察力:对网约车行业格局、司乘行为有深刻理解,能从细节中发现非显性问题\n2. AI Native思维:习惯优先从AI能力思考解决方案,而非将 AI作为附加功能\n3. 跨团队协同力:能清晰拆解多模块联动关系,与算法、工程、运营高效协作",
    "standard_classification": {
        "std_category_code": "PM008",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}