主分类：策略与机制产品经理
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": "用户增长策略产品-TikTok Shop",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "产品"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"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、负责电商个性化补贴策略设计，与算法团队共建用户级补贴模型，定义补贴模型的核心目标（转化率、边际GMV、长期LTV、补贴效率）；\n2、与算法团队协作，推动补贴策略与流量分发深度结合，将业务补贴逻辑抽象为算法可执行的特征、约束和目标函数，通过实验（A/B Test）持续优化补贴模型效果与稳定性；\n3、与数据、产品、商家侧团队协作，推动补贴策略落地与效果复盘。",
"requirements_text": "1、能理解常见推荐/预测模型（CTR/CVR/LTV等）在补贴场景中的应用；\n2、具备较强的策略抽象能力，能把复杂业务问题转化为算法问题；\n3、有数据敏感度，能从实验结果中定位问题、迭代方案；\n4、有良好的跨团队协作和项目管理能力（算法/产品/业务）。",
"skills": [AI生成
"项目管理",
"团队协作"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7585408552921041157/detail"
}
]
},
"posting": {
"posting_id": "7585408552921041157",
"post_date": "2025-12-19",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7585408552921041157/detail"
},
"fulltext": "用户增长策略产品-TikTok Shop\n职位描述\n1、负责电商个性化补贴策略设计，与算法团队共建用户级补贴模型，定义补贴模型的核心目标（转化率、边际GMV、长期LTV、补贴效率）；\n2、与算法团队协作，推动补贴策略与流量分发深度结合，将业务补贴逻辑抽象为算法可执行的特征、约束和目标函数，通过实验（A/B Test）持续优化补贴模型效果与稳定性；\n3、与数据、产品、商家侧团队协作，推动补贴策略落地与效果复盘。\n\n职位要求\n1、能理解常见推荐/预测模型（CTR/CVR/LTV等）在补贴场景中的应用；\n2、具备较强的策略抽象能力，能把复杂业务问题转化为算法问题；\n3、有数据敏感度，能从实验结果中定位问题、迭代方案；\n4、有良好的跨团队协作和项目管理能力（算法/产品/业务）。\n1、负责电商个性化补贴策略设计，与算法团队共建用户级补贴模型，定义补贴模型的核心目标（转化率、边际GMV、长期LTV、补贴效率）；\n2、与算法团队协作，推动补贴策略与流量分发深度结合，将业务补贴逻辑抽象为算法可执行的特征、约束和目标函数，通过实验（A/B Test）持续优化补贴模型效果与稳定性；\n3、与数据、产品、商家侧团队协作，推动补贴策略落地与效果复盘。\n1、能理解常见推荐/预测模型（CTR/CVR/LTV等）在补贴场景中的应用；\n2、具备较强的策略抽象能力，能把复杂业务问题转化为算法问题；\n3、有数据敏感度，能从实验结果中定位问题、迭代方案；\n4、有良好的跨团队协作和项目管理能力（算法/产品/业务）。",
"standard_classification": {
"std_category_code": "PM008",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}