主分类：数据分析与数据科学
辅助：增长运营、企业培训与人才发展（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": "云客服运营支持岗",
"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": "学历与经验：大学本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "一、数据驱动的运营决策支持\n\n1.数据体系建设：规划服务数据体系，搭建运营指标看板与目标管理机制，统一指标口径，保障跨团队数据一致性；从全量、准确性、易用性、安全性四个维度开展数据治理，保障数据资产质量；\n\n2.业务洞察与专项分析：通过数据挖掘和量化分析快速发现业务问题，承接专项分析需求，独立完成从需求探索到结论输出的分析闭环，推动业务策略落地与改善；\n\n3.经营分析支持：维护MBR/WBR等经营分析模板与会议机制，承接新业务数据接入需求，推动数仓建设与指标接入，确保新业务上线即有完整数据监控能力；\n\n4.服务交付全链路优化：从服务交付全链路视角，通过数据洞察识别流程瓶颈、资源错配和效率损失点，发现并推动优化机会，协调跨团队协作持续提升运营效率和服务交付质量；建立运营效率监测体系，量化评估改善效果，形成\"洞察→推动→验证\"闭环。\n\n二、用户全链路价值运营/用户增长运营\n1.用户分层与生命周期运营：建立用户分层画像体系，围绕获取、激活、留存、转化、召回全生命周期设计运营策略，通过数据定位关键因子，提升用户全链路价值与留存率；\n\n2.用户增长与精准营销：制定用户增长策略，结合渠道分析与A/B测试优化转化漏斗；基于用户画像设计精准营销方案，实现个性化触达，提升营销转化率与ROI；\n\n3.满意度监测与体验改善：搭建用户满意度监测体系，定期输出NPS分析报告并推动体验改善闭环；对营销活动全链路数据进行分析与归因，持续优化营销策略与资源配置。\n\n三、成本效率与绩效管理\n1.成本管理：维护成本核算口径与分摊数据，建立成本分析策略，保障OP目标达成；推动成本线上看板等产品能力迭代，提升成本数据线上化水平; \n\n2.绩效激励运营：基于峰值日历规划激励预算与方案，主动评估业务异常并匹配激励策略；建立复盘机制持续优化激励ROI；负责新业务绩效方案设计、测算及审批推进；维护绩效看板、ESS、绩效Agent等产品能力稳定运行。",
"requirements_text": "1.学历与经验：大学本科及以上学历，5年以上运营支持、数据分析、用户运营等相关经验，有客服行业运营支持经验优先。\n\n2.数据分析能力：熟练掌握SQL及常见数据分析工具，具备复杂数据提炼和呈现能力，熟悉常规数据分析方法，对数据分析有系统的方法论；具备数据看板搭建经验。\n\n3.数据挖掘与洞察：具备优秀的数据分析能力及结构化思维，敏锐的数据洞察力，能在复杂业务和数据之间连点成面，洞见深刻。\n\n4.财务/成本意识：具备基础财务知识，能够理解成本分摊逻辑、运营计划达成计算方式，能独立完成成本分析报告。\n\n5.系统工具能力：熟悉 ESS、绩效Agent、千帆等绩效管理系统，具备系统维护或需求分析经验。\n\n6.跨团队协作能力：能够与交付、生产力、招募、商务、财务BP、数仓、数据产品、结算、产研等多条线高效协同。\n\n7.用户运营与营销经验：具备用户运营或用户营销相关经验，熟悉用户分层、生命周期管理、增长策略、精准营销等方法论，有客服/外包行业用户运营经验优先。\n\n8.AI 应用能力：具备 AI 工具使用经验，能够将 AI 能力沉淀为工作提效手段（如数据分析自动化、报告生成、智能触达等），持续探索 AI 在数据运营、用户运营、营销自动化等场景中的深度应用；熟悉主流 AI 辅助分析工具（如对话式BI、智能报表、AI Agent 等），能独立完成从数据洞察到 AI 方案落地的闭环。",
"skills": [AI生成
"SQL",
"数据分析",
"数据挖掘",
"需求分析",
"团队协作",
"分析能力",
"用户运营",
"绩效管理",
"智能体开发"
],
"preferred_qualifications": "1.学历与经验：大学本科及以上学历，5年以上运营支持、数据分析、用户运营等相关经验，有客服行业运营支持经验优先；7.用户运营与营销经验：具备用户运营或用户营销相关经验，熟悉用户分层、生命周期管理、增长策略、精准营销等方法论，有客服/外包行业用户运营经验优先",
"job_highlights": "团队处于体系化建设早期，决策链路短；该岗位是定义团队运营标准的关键角色，候选人可通过完成数据体系、绩效机制、用户运营框架的搭建，成为团队后续能力建设的基准。"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4663341586&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4663341586",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4663341586&jobShareType=1"
},
"fulltext": "云客服运营支持岗\n云客服运营支持岗\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：业务运营\n更新时间：2026-09-16\n\n岗位职责\n一、数据驱动的运营决策支持\n\n1.数据体系建设：规划服务数据体系，搭建运营指标看板与目标管理机制，统一指标口径，保障跨团队数据一致性；从全量、准确性、易用性、安全性四个维度开展数据治理，保障数据资产质量；\n\n2.业务洞察与专项分析：通过数据挖掘和量化分析快速发现业务问题，承接专项分析需求，独立完成从需求探索到结论输出的分析闭环，推动业务策略落地与改善；\n\n3.经营分析支持：维护MBR/WBR等经营分析模板与会议机制，承接新业务数据接入需求，推动数仓建设与指标接入，确保新业务上线即有完整数据监控能力；\n\n4.服务交付全链路优化：从服务交付全链路视角，通过数据洞察识别流程瓶颈、资源错配和效率损失点，发现并推动优化机会，协调跨团队协作持续提升运营效率和服务交付质量；建立运营效率监测体系，量化评估改善效果，形成\"洞察→推动→验证\"闭环。\n\n二、用户全链路价值运营/用户增长运营\n1.用户分层与生命周期运营：建立用户分层画像体系，围绕获取、激活、留存、转化、召回全生命周期设计运营策略，通过数据定位关键因子，提升用户全链路价值与留存率；\n\n2.用户增长与精准营销：制定用户增长策略，结合渠道分析与A/B测试优化转化漏斗；基于用户画像设计精准营销方案，实现个性化触达，提升营销转化率与ROI；\n\n3.满意度监测与体验改善：搭建用户满意度监测体系，定期输出NPS分析报告并推动体验改善闭环；对营销活动全链路数据进行分析与归因，持续优化营销策略与资源配置。\n\n三、成本效率与绩效管理\n1.成本管理：维护成本核算口径与分摊数据，建立成本分析策略，保障OP目标达成；推动成本线上看板等产品能力迭代，提升成本数据线上化水平; \n\n2.绩效激励运营：基于峰值日历规划激励预算与方案，主动评估业务异常并匹配激励策略；建立复盘机制持续优化激励ROI；负责新业务绩效方案设计、测算及审批推进；维护绩效看板、ESS、绩效Agent等产品能力稳定运行。\n\n岗位基本要求\n1.学历与经验：大学本科及以上学历，5年以上运营支持、数据分析、用户运营等相关经验，有客服行业运营支持经验优先。\n\n2.数据分析能力：熟练掌握SQL及常见数据分析工具，具备复杂数据提炼和呈现能力，熟悉常规数据分析方法，对数据分析有系统的方法论；具备数据看板搭建经验。\n\n3.数据挖掘与洞察：具备优秀的数据分析能力及结构化思维，敏锐的数据洞察力，能在复杂业务和数据之间连点成面，洞见深刻。\n\n4.财务/成本意识：具备基础财务知识，能够理解成本分摊逻辑、运营计划达成计算方式，能独立完成成本分析报告。\n\n5.系统工具能力：熟悉 ESS、绩效Agent、千帆等绩效管理系统，具备系统维护或需求分析经验。\n\n6.跨团队协作能力：能够与交付、生产力、招募、商务、财务BP、数仓、数据产品、结算、产研等多条线高效协同。\n\n7.用户运营与营销经验：具备用户运营或用户营销相关经验，熟悉用户分层、生命周期管理、增长策略、精准营销等方法论，有客服/外包行业用户运营经验优先。\n\n8.AI 应用能力：具备 AI 工具使用经验，能够将 AI 能力沉淀为工作提效手段（如数据分析自动化、报告生成、智能触达等），持续探索 AI 在数据运营、用户运营、营销自动化等场景中的深度应用；熟悉主流 AI 辅助分析工具（如对话式BI、智能报表、AI Agent 等），能独立完成从数据洞察到 AI 方案落地的闭环。\n\n岗位亮点\n团队处于体系化建设早期，决策链路短；该岗位是定义团队运营标准的关键角色，候选人可通过完成数据体系、绩效机制、用户运营框架的搭建，成为团队后续能力建设的基准。\n一、数据驱动的运营决策支持\n\n1.数据体系建设：规划服务数据体系，搭建运营指标看板与目标管理机制，统一指标口径，保障跨团队数据一致性；从全量、准确性、易用性、安全性四个维度开展数据治理，保障数据资产质量；\n\n2.业务洞察与专项分析：通过数据挖掘和量化分析快速发现业务问题，承接专项分析需求，独立完成从需求探索到结论输出的分析闭环，推动业务策略落地与改善；\n\n3.经营分析支持：维护MBR/WBR等经营分析模板与会议机制，承接新业务数据接入需求，推动数仓建设与指标接入，确保新业务上线即有完整数据监控能力；\n\n4.服务交付全链路优化：从服务交付全链路视角，通过数据洞察识别流程瓶颈、资源错配和效率损失点，发现并推动优化机会，协调跨团队协作持续提升运营效率和服务交付质量；建立运营效率监测体系，量化评估改善效果，形成\"洞察→推动→验证\"闭环。\n\n二、用户全链路价值运营/用户增长运营\n1.用户分层与生命周期运营：建立用户分层画像体系，围绕获取、激活、留存、转化、召回全生命周期设计运营策略，通过数据定位关键因子，提升用户全链路价值与留存率；\n\n2.用户增长与精准营销：制定用户增长策略，结合渠道分析与A/B测试优化转化漏斗；基于用户画像设计精准营销方案，实现个性化触达，提升营销转化率与ROI；\n\n3.满意度监测与体验改善：搭建用户满意度监测体系，定期输出NPS分析报告并推动体验改善闭环；对营销活动全链路数据进行分析与归因，持续优化营销策略与资源配置。\n\n三、成本效率与绩效管理\n1.成本管理：维护成本核算口径与分摊数据，建立成本分析策略，保障OP目标达成；推动成本线上看板等产品能力迭代，提升成本数据线上化水平; \n\n2.绩效激励运营：基于峰值日历规划激励预算与方案，主动评估业务异常并匹配激励策略；建立复盘机制持续优化激励ROI；负责新业务绩效方案设计、测算及审批推进；维护绩效看板、ESS、绩效Agent等产品能力稳定运行。\n1.学历与经验：大学本科及以上学历，5年以上运营支持、数据分析、用户运营等相关经验，有客服行业运营支持经验优先。\n\n2.数据分析能力：熟练掌握SQL及常见数据分析工具，具备复杂数据提炼和呈现能力，熟悉常规数据分析方法，对数据分析有系统的方法论；具备数据看板搭建经验。\n\n3.数据挖掘与洞察：具备优秀的数据分析能力及结构化思维，敏锐的数据洞察力，能在复杂业务和数据之间连点成面，洞见深刻。\n\n4.财务/成本意识：具备基础财务知识，能够理解成本分摊逻辑、运营计划达成计算方式，能独立完成成本分析报告。\n\n5.系统工具能力：熟悉 ESS、绩效Agent、千帆等绩效管理系统，具备系统维护或需求分析经验。\n\n6.跨团队协作能力：能够与交付、生产力、招募、商务、财务BP、数仓、数据产品、结算、产研等多条线高效协同。\n\n7.用户运营与营销经验：具备用户运营或用户营销相关经验，熟悉用户分层、生命周期管理、增长策略、精准营销等方法论，有客服/外包行业用户运营经验优先。\n\n8.AI 应用能力：具备 AI 工具使用经验，能够将 AI 能力沉淀为工作提效手段（如数据分析自动化、报告生成、智能触达等），持续探索 AI 在数据运营、用户运营、营销自动化等场景中的深度应用；熟悉主流 AI 辅助分析工具（如对话式BI、智能报表、AI Agent 等），能独立完成从数据洞察到 AI 方案落地的闭环。",
"standard_classification": {
"std_category_code": "T017",
"std_aux_codes": [
"B002",
"F025"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}