主分类：内容运营
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": "美团评价策略运营",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "核心本地商业-美团平台",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "运营类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 深入洞察美团本地生活不同业务的用户看评场景，通过对用户看评诉求分析及本地生活各行业的决策特征理解，制定行业的有用性标准与标签体系，提升评价内容的真实性、丰富度及对用户的决策参考价值。\n\n2. 通过用户行为分析及体感洞察，精准定位用户在选店决策路径中的痛点，针对评价排序、双端（美团/点评）供给差异等场景进行分析下探，抽象业务规则，推动算法模型迭代，并验证策略上线后的增量价值。\n\n3. 结合AI/大模型能力探索评价智能化方向，推动AI辅助内容理解、智能总结、效果归因等链路的产品化落地，评估AI应用对运营效率与用户体验的实际提升效果。 \n\n4. 作为业务与算法、产品、运营等多团队之间的桥梁，在模糊的业务场景中高效推动策略落地，建立策略实验与效果评估的标准化闭环，通过持续迭代验证策略有效性。",
"requirements_text": "1. 3年以上内容平台、搜索、推荐或评价体系的策略运营/产品经理经验，熟悉流量分发、排序权重调优及内容相关性、真实性等核心策略逻辑，有评价/内容生态相关经验者优先。\n\n2. 兼具良好的数据分析和用户洞察能力，对指标含义、用户价值、行业价值有足够的思考和理解，能从千万级用户行为数据中抽象出产品策略，能够敏锐洞察用户价值与行业差异，并将其转化为可量化的策略指标。\n\n3. 对AI在内容理解、智能交互等场景的应用有实践或深度思考，能够快速理解AI技术边界并找到与业务场景的结合点。\n\n4. 具备较强的跨团队沟通协作能力和项目推动力，对本地生活行业有基本认知，能从用户视角判断策略价值，在用户体验、商户价值与平台生态之间找到平衡点。",
"skills": [AI生成
"数据分析"
],
"preferred_qualifications": "1. 3年以上内容平台、搜索、推荐或评价体系的策略运营/产品经理经验，熟悉流量分发、排序权重调优及内容相关性、真实性等核心策略逻辑，有评价/内容生态相关经验者优先",
"job_highlights": "1. 这是一个深度参与评价业务核心策略的岗位，你将直接负责评价体系的策略设计与效果优化，驱动用户评价行为和内容生态的健康发展。\n\n2. 评价是用户消费决策中最关键的信任资产之一，你将有机会重新定义“什么是高质量评价”，通过精细化策略运营，提升评价内容的质量和可信度，让优质评价更好地服务用户决策。\n\n3. 岗位横跨用户、商户、审核治理、算法分发等多个关键环节，能够完整锻炼平台型产品的系统设计和跨团队推动能力。\n\n4. 这是一个非常适合结合 AI 提效的场景，内容理解、智能总结、效果归因等链路都有大量 AI "
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4626426410&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4626426410",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4626426410&jobShareType=1"
},
"fulltext": "美团评价策略运营\n美团评价策略运营\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-美团平台\n职位类别：运营类\n职位族群：内容运营\n更新时间：2026-07-14\n\n岗位职责\n1. 深入洞察美团本地生活不同业务的用户看评场景，通过对用户看评诉求分析及本地生活各行业的决策特征理解，制定行业的有用性标准与标签体系，提升评价内容的真实性、丰富度及对用户的决策参考价值。\n\n2. 通过用户行为分析及体感洞察，精准定位用户在选店决策路径中的痛点，针对评价排序、双端（美团/点评）供给差异等场景进行分析下探，抽象业务规则，推动算法模型迭代，并验证策略上线后的增量价值。\n\n3. 结合AI/大模型能力探索评价智能化方向，推动AI辅助内容理解、智能总结、效果归因等链路的产品化落地，评估AI应用对运营效率与用户体验的实际提升效果。 \n\n4. 作为业务与算法、产品、运营等多团队之间的桥梁，在模糊的业务场景中高效推动策略落地，建立策略实验与效果评估的标准化闭环，通过持续迭代验证策略有效性。\n\n岗位基本要求\n1. 3年以上内容平台、搜索、推荐或评价体系的策略运营/产品经理经验，熟悉流量分发、排序权重调优及内容相关性、真实性等核心策略逻辑，有评价/内容生态相关经验者优先。\n\n2. 兼具良好的数据分析和用户洞察能力，对指标含义、用户价值、行业价值有足够的思考和理解，能从千万级用户行为数据中抽象出产品策略，能够敏锐洞察用户价值与行业差异，并将其转化为可量化的策略指标。\n\n3. 对AI在内容理解、智能交互等场景的应用有实践或深度思考，能够快速理解AI技术边界并找到与业务场景的结合点。\n\n4. 具备较强的跨团队沟通协作能力和项目推动力，对本地生活行业有基本认知，能从用户视角判断策略价值，在用户体验、商户价值与平台生态之间找到平衡点。\n\n岗位亮点\n1. 这是一个深度参与评价业务核心策略的岗位，你将直接负责评价体系的策略设计与效果优化，驱动用户评价行为和内容生态的健康发展。\n\n2. 评价是用户消费决策中最关键的信任资产之一，你将有机会重新定义“什么是高质量评价”，通过精细化策略运营，提升评价内容的质量和可信度，让优质评价更好地服务用户决策。\n\n3. 岗位横跨用户、商户、审核治理、算法分发等多个关键环节，能够完整锻炼平台型产品的系统设计和跨团队推动能力。\n\n4. 这是一个非常适合结合 AI 提效的场景，内容理解、智能总结、效果归因等链路都有大量 AI 工具赋能运营效率的创新空间。 \n\n5. 你将面对真实的大规模用户场景，产出的策略能力可以被上亿用户使用，并直接影响用户体验、交易效率和平台生态健康度。\n1. 深入洞察美团本地生活不同业务的用户看评场景，通过对用户看评诉求分析及本地生活各行业的决策特征理解，制定行业的有用性标准与标签体系，提升评价内容的真实性、丰富度及对用户的决策参考价值。\n\n2. 通过用户行为分析及体感洞察，精准定位用户在选店决策路径中的痛点，针对评价排序、双端（美团/点评）供给差异等场景进行分析下探，抽象业务规则，推动算法模型迭代，并验证策略上线后的增量价值。\n\n3. 结合AI/大模型能力探索评价智能化方向，推动AI辅助内容理解、智能总结、效果归因等链路的产品化落地，评估AI应用对运营效率与用户体验的实际提升效果。 \n\n4. 作为业务与算法、产品、运营等多团队之间的桥梁，在模糊的业务场景中高效推动策略落地，建立策略实验与效果评估的标准化闭环，通过持续迭代验证策略有效性。\n1. 3年以上内容平台、搜索、推荐或评价体系的策略运营/产品经理经验，熟悉流量分发、排序权重调优及内容相关性、真实性等核心策略逻辑，有评价/内容生态相关经验者优先。\n\n2. 兼具良好的数据分析和用户洞察能力，对指标含义、用户价值、行业价值有足够的思考和理解，能从千万级用户行为数据中抽象出产品策略，能够敏锐洞察用户价值与行业差异，并将其转化为可量化的策略指标。\n\n3. 对AI在内容理解、智能交互等场景的应用有实践或深度思考，能够快速理解AI技术边界并找到与业务场景的结合点。\n\n4. 具备较强的跨团队沟通协作能力和项目推动力，对本地生活行业有基本认知，能从用户视角判断策略价值，在用户体验、商户价值与平台生态之间找到平衡点。",
"standard_classification": {
"std_category_code": "B004",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}