招聘信息分享
JOBHUNTER
聚合各大厂 / 国企官网招聘信息，实时同步官方数据
招聘信息分享
JOBHUNTER
聚合各大厂 / 国企官网招聘信息，实时同步官方数据
这个世界的运行机制是否是可计算的？世界的复杂性是否唯有用 AI 的复杂性来应对？人类是否可以造出一台机器，让未来就像过去一样历历在目？ 这些问题正在从思辨走向科学。当视频生成模型开始隐式学会重力与碰撞，当 3D 场景合成可以补全从未被观测的视角，当 action-conditioned generation 让智能体在虚拟世界中试错而非在真实世界中付出代价——通用世界模型的轮廓已经浮现。它不只是下一代生成式 AI，而是对物理现实的可计算镜像：给定任意初始状态与动作序列，推演出符合物理规律的未来。 阿里巴巴旗下高德地图·视觉技术中心已经在这条路上深耕多年。我们拥有高德积累 20 年的海量真实时空数据，无限制的算力集群，以及一支在空间智能与生成式 AI 领域持续产出世界级成果的顶尖研究团队。 现在，我们需要你的加入——与我们一起，把「让机器理解并预演物理世界」从可能变为现实。 【岗位职责】 1. 参与通用世界模型核心算法研发，包括但不限于视频生成、3D 场景合成、物理仿真等方向； 2. 设计并优化大规模生成模型的训练与推理流程，在万卡集群上实现高效训练； 3. 构建数据飞轮——从海量真实时空数据中提取高质量训练信号，持续提升模型对物理世界的理解能力； 4. 将世界模型能力落地于自动驾驶仿真、导航场景预测、空间智能等实际业务场景。
我们是谁？ 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现厘米级高精地图、实时三维重建、多模态感知等核心技术的引擎，持续突破自动驾驶、AR导航、智慧交通等领域的技术边界。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 岗位职责： 我们在构建面向具身智能与交互式世界模型的下一代推理基础设施：支持多模态流式输入（视频/传感器/地图）、实时闭环输出（动作/轨迹/场景状态），在端云一体部署下实现确定性低延迟、可规模化吞吐与可持续的成本效率。你将负责推理加速基础框架与关键性能机制建设，打通“模型—引擎—硬件—调度—观测”的全链路。 你将负责 1) 推理基础框架与运行时 ● 设计并实现端云一体推理框架：统一模型加载、版本管理、热更新、灰度与回滚能力 ● 建设流式推理 pipeline：ingest → preprocess/encode → predict/plan → control，支持异步与背压 ● 推理引擎集成与改造：vLLM / TensorRT-LLM / SGLang / TGI（云端），TensorRT / ONNX Runtime / TVM / NPU SDK（端侧） 2) 实时调度与性能关键路径 ● Prefill/Decode 分离调度（如适用）、长度分桶、连续 batching、尾延迟治理（P99/P999） ● KV cache 管理：paged/block、prefix/prompt cache、逐出策略、显存碎片治理 ● 多机多卡并行与通信：TP/PP/EP（MoE），NVLink/IB/RDMA 等链路优化 ● 投机解码/并行解码（Speculative/Medusa 等）在业务场景的落地与收益闭环 3) 量化与算子/Kernel 优化 ● 建立 profiling 体系：算子画像（attention/GEMM/视觉编码/采样解码等）、输入分布、性能回归基线 ● 分层量化策略：FP8/INT8/INT4 与 activation-aware 量化，质量回归与灰度上线 ● CUDA/Triton kernel、算子融合、内存与流水并行优化；端到端 latency 优化而非单点指标 4) 可观测性与可靠性 ● 建立实时推理指标体系：E2E latency、jitter、FPS/Hz、丢帧率、功耗/温控降频、OOM/重试等 ● 帧级/样本级 tracing，故障定位、过载保护、降级与安全回退路径（端侧尤重）"
关于团队 我们是瓴羊One 经营参谋技术团队，业务覆盖电商智能运营等核心场景，用 Agent + 大模型重塑商家的"看店、问数、做内容、做决策"全链路。 Agent 能不能被信任，最终取决于它读到的数据对不对、快不快、懂不懂业务。所以数据研发在这里不是"提供表"的角色：你要建的是面向 Agent 的数据语义层——让指标口径、维度关系、业务规则以智能体可理解、可调用、可推理的形式沉淀下来。我们离业务足够近，也离模型足够近，链路完整、决策空间大。 你将负责 1、面向 Agent 的数据语义层建设：参与并主导语义层的设计与落地，推动数据资产从"一堆表"演进为智能体可理解、可调用、可推理的消费形态（语义模型、统一指标口径、元数据与工具化接口），支撑 Text2SQL / 问数 / 分析助手等场景； 2、端到端建模与交付：负责核心业务域的数仓分层与模型设计（ODS/DWD/DWS/ADS），基于流批一体架构（Flink + Spark/MaxCompute + Paimon）完成实时与离线链路的统一构建、开发与上线，对交付结果负责； 3、实时计算攻坚：主导 Flink 实时链路建设，覆盖 CDC 接入、多流 Join、维表关联、状态管理与 Exactly-Once 保障；独立处理反压、数据倾斜、Checkpoint 失败、状态膨胀等线上问题； 4、质量治理与稳定性保障：建设覆盖全链路的监控告警、基线、DQC 规则与血缘追踪，确保关键数据任务满足 SLA；参与故障应急与复盘改进； 5、成本与研发效能：负责计算/存储资源治理与任务性能优化，沉淀研发规范、模板与自动化工具，让治理靠机制而不靠人肉巡检。 我们提供 真实场景：服务百万级商家，数据链路每天被业务、被 Agent 真实调用与拷问；完整链路：从接入、建模、语义层、服务到治理与评测，技术栈不"半成品"；决策空间：技术选型与架构演进有充分话语权，团队鼓励"先发起、再讨论"；成长加速：与一线大模型、Agent 框架团队紧密协作，定期内部技术分享。
研发下一代机器人通用运动控制器的研发与落地：基于强化学习突破复杂地形自适应运动、多运动模态平滑切换、sim2real策略部署等关键技术，构建面向真实物理系统的运动策略训练框架，提升运动保真度与鲁棒性。
推动在各个行业专家领域高生产力价值Cowork Agent的构建与实践落地，让模型在Agent环境中完成现实世界的真正复杂任务，持续提升模型在真实、高经济价值任务中的表现，拓展大模型实际能力边界。 1. Envs/Harness Building & Generalization：复现并维护高可靠性主流Harness环境，提升模型在不同Harness场景下的泛化能力；同步探索Qwen Frontier Harness设计，探索Loop Engineering、Multi-Agent 与 Auto-Harness，与算法/数据链路 codesign 实现更好效果。 2. Data Design & Scaling：挖掘金融、量化、法律、医疗、设计、数据分析、工业、工程等场景下的高价值数据和workflow，探索数据Pattern演化，User-Centric Data优化，General Long-Horizon Data Pipeline构建；在CPT/SFT/RL端到端验证配比/学习策略，优化模型端到端长程的行业Agent解决方案。 3. Agentic Rewarding System：构建面向真实Agentic任务的General Verifier，设计Evolving Rubrics、Code Verifier、实现Outcome & Process Level 数据监督与自动化Rewarding，User model Rewarding。 4. Real World RL：基于现实环境、现实任务的大规模Agentic RL训练，探索CPT->RL的端到端Scaling Law，Multi-step Rewarding Shaping，Agentic Behavior Learning。
1. 统筹平台物流骑手保险业务策略的制定及优化：负责业务策略的制定和实施，形成标准化规范、流程、机制并业务沉淀，确保所负责项目的高质量交付及运营。 2. 负责骑手保险业务的运营支持工作，包含但不仅限于资金结算，跨部门机制建设等。 3. 牵头进行骑手险业务分析及洞察，制定并完善运营指标；制定优化策略，通过迭代平台产品及运营机制，提升运营效率。 4. 洞察业务风险及完善用户需求，围绕风险、效率、成本持续迭代保险运营指标，完善建立指标体系，缮制业务分析报告，推动建立业务分析工具，推动业务持续优化。 5. 参与保险运营的分析及调研，为骑手保险体系的深化建设制定规则和可行性方案；重点项目的管理与推动，部门其它保险保障事项的协同等。
1、标准化技术支撑 • 通过风险治理、产品变更升级、故障应急等来维护客户云平台的稳定性 • 通过不断的资源与性能优化，帮助客户持续提升用云效率 • 以用户视角推动云产品运维能力可支持性持续提升，降低云平台运维难度 2、标准化迁云 帮助客户业务迁移上云、用好数，为客户提供应用/大数据架构设计、数据库国产化，应用/大数据性能调优，数据治理以及数据中台建设等技术服务，提供云上产品在行业应用的最佳实践和解决方案。 3、技术支持 • 作为主要联系人，解决客户在使用阿里云服务过程中遇到的技术问题，通过风险治理、产品变更升级、故障应急等来维护客户云平台的稳定性 • 向客户提供最佳实践、指导和培训，帮助他们充分利用阿里云的功能和服务 • 向客户提供全方位的云技术支持、成本优化、成熟评估与咨询、合规与安全加固等服务，以提升客户的云上业务效率和可靠性 4、技术咨询和规划 作为技术专家，理解客户的IT战略和方向，结合云产品为客户提供深入的技术咨询、架构建议、产品选型等服务相关解决方案，成为客户数字化转型的长期伙伴 5、云上优化 • 通过对业务需求的深入理解，搭建和优化系统架构、建设业务容灾能力、设计和实施监控系统，引导日常容灾演练，以提高云上业务的稳定性和可靠性，保证高并发下的系统性能和响应速度 • 实现智能监控和预警，提升客户的业务效率和用户体验，并优化基础架构和应用程序 6、客情建设和商机拓展 识别客户关键决策人，用客户的语言展开对话，获取客户信任，挖掘产品和技术需求，形成有效商机并进行履约
1、作为云产品容器云原生领域的专家，为客户提供云产品的专家服务支持，负责疑难升级问题的快速定位、分析解决。 2、与研发团队对接，根据客户反馈的问题推动云产品Bug修复、架构方案优化。推进后台诊断工具、用户侧自主化诊断工具的落地。 3、基于云产品问题排查能力和经验，利用AI Agent来完成问题处理提效。 4、整理输出官方技术文档与解决方案，指导用户合理使用云产品。 5、为客户提供企业级服务中云产品相关场景的的解决方案，协助客户完成云环境上的业务技术落地。
1、负责淘天集团直营业务的行业运营，能够基于业务目标拆解，制定行业年／季／月度运营计划，对生意结果负责； 2、洞察消费者需求，制定行业品类增长策略，设计分层商品梯度并做好商品决策关键要素的运营，联动商家定向引入供给，结合渠道机制运营打爆，实现业务规模的增长； 3、有商家运营经验，可以结合业务发展需求，设计商家分层梯度并运营商家，整合资源，实现商家规模&业务规模的增长
1. 负责研发大规模世界模型，提升模型对真实世界动态变化的建模能力。 2. 研究可规模化的世界模型架构，解决世界模型在长程预测中的物理一致性问题和长期记忆等问题。 3. 构建世界模型数据体系，探索世界模型在参数与数据规模上的 Scaling Laws。 4. 构建可交互的世界模型系统，并推动技术在实际产品中的落地。
1、负责千问、夸克的Agent应用研发，熟练运用agent相关技术，实现诸多AI应用的快速落地与持续迭代； 2、保障Agent应用系统的稳定、高效运行，帮助业务优化性能和改善系统稳定性，持续提升用户体验； 3、持续跟踪前沿技术趋势，关注并探索引入新技术新方法，持续提升产品技术、工程架构上的先进性。
团队介绍 负责高德全栈语音技术，能力覆盖语音生成与语音交互两条主线：自研 TTS 基座大模型、多语种与可控语音生成、语音识别与复杂声学理解、端到端对话模型与全双工交互、RTC 流式语音、端侧模型、模型服务与推理优化，以及配套的数据与自动评测体系。业务承载高德全部核心场景：语音导航、AI 领航员、AI 语音助手、室外步行导航与具身交互、IP 语音定制与虚拟陪伴、国际化、智能外呼、语音内容生成（有声书、播客、交互式播客）。团队通过前沿语音技术的研究与落地，支撑下一代 AI 产品创新。 职责 1. 语音交互系统研发 研发多模态对话大模型，实现"边听、边说、边想、边做"的交互形态：流式声学与时空上下文感知、增量语音输出、推理与生成并发、对话中调用工具完成任务。承担语音对话 pipeline、端到端、以及分层解耦（Thinker + Talker）三类方案的选型与实现，攻克全双工下的轮次让渡与抢占时机、打断与恢复、backchannel、流式推理链（reasoning in streaming）、主动发起交互（proactive interaction）。落地语音增值服务、室外步行导航、具身交互、本地生活通用语音入口等场景，并与高德全链路各 Agent 协同优化端到端交互体验。 2. 模型架构与训练方法创新 在首包与端到端延迟约束下提升模型智力上限（实时智能），优化方向包括注意力与状态空间结构、推理期算力动态分配、深度与专家稀疏化；探索文字 / 语音 / 视觉跨模态混合训练的最佳实践，以及面向 speech language model 的后训练技术（指令微调、偏好对齐、蒸馏与能力保持）。 3. 复杂声学理解与拟人化交互 提升复杂声学场景下的语音理解与副语言信息（情感、意图、说话人状态）建模能力，融合时空上下文；优化交互行为的灵活度、时机合理性，以及生成内容与音色的自然度，目标是在盲测中难以与真人区分。 4. 语音生成前沿技术 连续值自回归建模、多码本并行预测与延迟模式、指令驱动的可控合成（音色 / 风格 / 情感 / 韵律解耦与组合）、广义音频生成（T2A：语音 / 音效 / 环境声统一建模）、面向人类偏好与可验证指标（清晰度、说话人相似度、韵律)的强化学习优化、超越 WER 与 MOS 的多维自动化评测体系。 5. 创新业务形态落地 生成侧：长篇小说有声化、播客自动生成、交互式播客（可打断、可追问、按听者兴趣动态改写内容）；交互侧：IP 语音包向具备长程记忆、稳定人格与成长感的虚拟陪伴演进。 6. 海量语音数据与评估体系 建立数据的定性分析与定量评估手段，设计自动评估框架，研发 scalable 的数据质量改进方案。以上工作均要求跟进语音理解、语音生成、语音交互三个方向的最新进展，提出新的技术框架或改进现有算法，持续提升技术与业务指标；鼓励撰写论文、申请专利。
1. 深入研究不同行业SaaS/AI原生软件的行业发展方向、典型场景清单、业务流程、技术架构等，梳理各场景在AI应用的需求和价值，帮助SaaS等软件企业设计AI落地路径； 2. 从头部AI原生软件/SaaS类客户典型业务场景出发，结合阿里云千问模型、百炼、Agent平台等AI核心产品，帮助软件企业设计和落地大模型解决方案（覆盖客服、金融、办公OA、ERP、CRM、零售、营销、制造、医疗等行业赛道），包括如下： 1）客户需求洞察及方案设计 • 大模型场景洞察：理解客户业务场景、整体技术架构，主动挖掘客户核心业务中的高价值的大模型应用场景，与客户共创业务和技术的关键问题与效果标准，理解行业内AI场景的价值。 • 方案设计：基于客户业务目标与技术约束，设计端到端MaaS解决方案，涵盖模型选型、工程链路（推理/微调/RAG/Agent）、效果评估体系及上线路径。 2）售前引导和支持与实操能力 • 结合客户的业务场景需求，通过标杆案例及demo演示展示阿里云大模型的竞争优势，建立在客户侧的技术影响力，影响客户的决策。向客户高层展示阿里云AI全栈产品的竞争优势，确保技术方案与客户业务目标深度绑定。 • 技术验证：动手搭建Prompt、RAG、多Agent工作流及微调实验，快速验证业务可行性，对POC结果的安全性、稳定性、性能、可持续性和运行效率给出技术建议。对客户业务与技术双线相关人员清晰阐述AI带来的效率提升、成本节约或收入增长，建立科学的AI效果评估共识。 3）能力沉淀和赋能 • 构建可复用的知识资产：沉淀面向细分领域/场景的大模型调用最佳实践、细分领域标杆案例等知识文档。 • 内部团队、生态伙伴、客户赋能和培训。 4）产品需求和改进反馈 • 识别和理解阿里云大模型的技术问题和机会，传递客户需求和反馈给产品团队，影响功能开发和未来产品路线图，保持阿里云产品的市场竞争力。 • 了解客户大模型使用的情况恶化效果，将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。
AI 客户开拓与商机挖掘： ● 新客户开拓及覆盖：负责AI原生及新兴增长赛道的市场机会识别及快速、敏锐判断，通过各种渠道开拓新客户，或挖掘现有客户的maas产品和技术需求，形成有效商机。 ● 客户业务理解及需求挖掘：深度理解客户所在行业，了解客户商业模式和业务流程，能够进行业务分析，解构客户生产链路及对应的痛点，挖掘有效AI切入场景,找到双方合作机会点。 ● 驱动Token价值挖掘与跃迁： 推动标准化AI产品、平台及Agent类应用的推广，通过深入挖掘客户使用场景，驱动模型调用量（Token）实现跨越式增长，为客户提供价值。 ● 建立组织客情：能与客户业务负责人对话，维护好关键决策点的客情关系，协调我司管理层和客户建立连接，作为“铁三角”的导演，进行良好的内部项目协调。与客户各层级建立长期的业务和技术关系，赢取客户信任，在合作中获得关键性支持。 AI 价值传递与场景共创 ● 理解阿里云MaaS产品及市场产品的差异化：深入理解阿里云MAAS产品的技术价值及适用场景，了解国内外市场先进模型特点及阿里云的差异化竞争优势，能够根据客户需求初步制定模型、应用及方案的匹配。 ● 独立面向客户讲解业务解决方案：针对客户特定场景业务需求，独立面向客户讲解阿里云业务解决方案，清晰的传递阿里云竞争力以及能够为客户创造的业务价值。 AI 客户商务转化策略与业务收入 ● 促进客户决策及商机转化：能摸清并影响客户决策链路，制定应对商务方案，运用销售策略，转化商机，达成业绩，实现与客户的双赢。对AI MaaS业务的Token用量和收入增长负责 ● 客户运营和管理：作为第一责任人，从商机获取、客户交流、招投标商务流程管理、客户交付及问题解决，到内部产研、财税法等支撑部门有效协同，整合内外部资源，识别管理风险点，做好精细化运营和项目落地。 持续做好客户服务与市场洞察 ● 客户全生命周期的业务支持：持续做好客户服务，及时解决客户问题，提高客户满意度。 ● 竞对与趋势研究，推动产品反向优化：主动研究市场动态及竞对产品优劣，理解与阿里云的产品差异化优势，结合用户体验，持续输出产品优化建议，推动内部产品解决方案和流程体系的改进。
1、对智能硬件，AI硬件等新品类产品发展态势敏感，能基于业务洞察构建产品营销体系，熟悉GTM为牵引的工作流，可以通过营销方案落地，驱动产品、销售、运营、算法&技术等多部门协同。 2、承接品牌策略、目标顾客洞察、产品技术和功能，制定产品营销的目标及路径策略，输出产品营销创意核心策略，有效提炼产品卖点，制定整个生命周期在线上、线下、通路营销各维度的营销方案与项目管理，确保按计划执行落地，不断提升产品的认知度、考虑度与转化率； 3、从产品立项阶段开始参与新品从上市到发布到热销到退市再迭代的生命周期全流程，通过产品发布策划、产品传播策划等关键策略，开展产品声量舆情运营、销售渠道营销支持，联动产品研发、运营及线上、线下零售&渠道销售，推动实现用户增长的核心目标，对产品的成功上市负责。主导产品营销的广告前测、Campaign策划与效果评估等项目，定期进行复盘分析； 4、独立协调和推动公司内部资源，多快好省的支撑年度/季度/月度营销计划的落地和目标达成； 5、把外部标杆企业、公司内等相关的信息、案例或技术进行收集、分析、沉淀与总结并输出成果，形成可复制的经验与模式并有效落地与运用，提升团队专业技能水平。
1、基于飞猪酒店业务，进行高星酒店业务拓展，保证所辖区域高星酒店覆盖率； 2、结合阿里生态&市场特性为高星酒店客户提供运营方案，帮助商家提升运营能力并驱动销量持续提升，与所辖区域商家并建立深度业务合作关系； 3、协同产品、运营团队，推动业务及项目落地，持续优化用户体验。
【岗位定位】 本岗位旨在寻找具备全域风控视野的策略专家，不仅精通传统风控逻辑，更致力于推动AI技术在风险感知、归因定性及决策处置中的深度落地。你将作为连接“业务风险”与“人工智能”的桥梁，构建下一代智能风控引擎。 【岗位职责】 1、全域风险感知体系构建： 负责营销反作弊、账户安全、交易欺诈等多场景的风险指标监控；建立基于异常检测的主动感知机制，实现对未知风险的早期发现。 2、智能归因与风险定性： 主导复杂风险事件的深度分析，利用统计学与AI辅助手段，快速完成风险定性；沉淀风险特征库，为模型迭代提供高质量标签。 3、AI风控场景落地： 探索大模型（LLM）与机器学习在风控中的应用，包括但不限于：自动化风险报告生成、非结构化数据（如文本、图像）的风险识别、智能归因助手开发等，提升运营效率。 4、实时风控逻辑优化： 深入理解实时风控引擎运作机制，将业务洞察转化为高效的实时策略。 5、跨场景策略统筹： 打破单一业务线壁垒，统筹营销、账户、支付等全量风险防控策略，确保风控体系在应对跨场景交叉攻击时的整体有效性。
AI 客户开拓与商机挖掘： ● 新客户开拓及覆盖：负责AI原生及新兴增长赛道的市场机会识别及快速、敏锐判断，通过各种渠道开拓新客户，或挖掘现有客户的maas产品和技术需求，形成有效商机。 ● 客户业务理解及需求挖掘：深度理解客户所在行业，了解客户商业模式和业务流程，能够进行业务分析，解构客户生产链路及对应的痛点，挖掘有效AI切入场景,找到双方合作机会点。 ● 驱动Token价值挖掘与跃迁： 推动标准化AI产品、平台及Agent类应用的推广，通过深入挖掘客户使用场景，驱动模型调用量（Token）实现跨越式增长，为客户提供价值。 ● 建立组织客情：能与客户业务负责人对话，维护好关键决策点的客情关系，协调我司管理层和客户建立连接，作为“铁三角”的导演，进行良好的内部项目协调。与客户各层级建立长期的业务和技术关系，赢取客户信任，在合作中获得关键性支持。 AI 价值传递与场景共创 ● 理解阿里云MaaS产品及市场产品的差异化：深入理解阿里云MAAS产品的技术价值及适用场景，了解国内外市场先进模型特点及阿里云的差异化竞争优势，能够根据客户需求初步制定模型、应用及方案的匹配。 ● 独立面向客户讲解业务解决方案：针对客户特定场景业务需求，独立面向客户讲解阿里云业务解决方案，清晰的传递阿里云竞争力以及能够为客户创造的业务价值。 AI 客户商务转化策略与业务收入 ● 促进客户决策及商机转化：能摸清并影响客户决策链路，制定应对商务方案，运用销售策略，转化商机，达成业绩，实现与客户的双赢。对AI MaaS业务的Token用量和收入增长负责 ● 客户运营和管理：作为第一责任人，从商机获取、客户交流、招投标商务流程管理、客户交付及问题解决，到内部产研、财税法等支撑部门有效协同，整合内外部资源，识别管理风险点，做好精细化运营和项目落地。 持续做好客户服务与市场洞察 ● 客户全生命周期的业务支持：持续做好客户服务，及时解决客户问题，提高客户满意度。 ● 竞对与趋势研究，推动产品反向优化：主动研究市场动态及竞对产品优劣，理解与阿里云的产品差异化优势，结合用户体验，持续输出产品优化建议，推动内部产品解决方案和流程体系的改进。
负责 AliExpress 重点国家/区域的新客获取与激活策略制定，基于市场阶段、用户结构、供给能力和业务目标，输出国家/区域增长策略 负责海外广告投放的全局策略与预算分配，统筹 Facebook、Google、TikTok 等多渠道组合，提升新用户规模、激活效率与首单转化 深入分析不同国家用户行为、人群质量与供需匹配关系，联动站内用增、行业、商品、创意团队，推动广告人群与站内承接链路高效匹配 跟踪海外市场动态、竞品策略与媒体趋势，识别新市场、新渠道和新人群机会，推动投放策略从单渠道优化升级为综合增长操盘 打通站外广告到站内激活、首单、留存的完整链路，监控漏斗表现，通过总结投放经验赋能AI投放产品的迭代升级
1、基于飞猪酒店业务，进行高星酒店业务拓展，保证所辖区域高星酒店覆盖率； 2、结合阿里生态&市场特性为高星酒店客户提供运营方案，帮助商家提升运营能力并驱动销量持续提升，与所辖区域商家并建立深度业务合作关系； 3、协同产品、运营团队，推动业务及项目落地，持续优化用户体验。