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
阿里云视频云是面向政企行业用户的音视频全栈云平台，为客户提供直播、点播等核心产品与服务。本岗位主要负责视频直播服务端的架构规划、重构与研发工作，构建全面、稳定、安全的视频直播服务体系；跟踪前沿技术并推动工程落地，提升行业技术竞争力，满足客户对高质量直播服务的需求。 1. 负责/主导架构重构与产品化落地 ● 负责存量直播服务的架构重构规划、设计、实施及上线后的持续演进与维护。 ● 深入理解业务需求，编写高质量代码，完成核心功能开发与公共组件迭代；推动定制化逻辑的产品化落地，构建高内聚、低耦合的直播服务组件。 2. 保障系统高可用与性能体验 ● 深度参与线上疑难问题排查、故障应急响应，以及系统性能与成本优化。 ● 制定并完善全链路监控策略，持续提升系统可用性（SLA）与终端用户体验。 3. 探索前沿技术落地场景 ● 结合AI技术趋势，参与 AI Agent 在资源调度、智能运维（AIOps）等方向的技术预研与原型开发。 ● 深入研究直播核心技术链路（RTMP/HLS/RTC/编解码等），并将其创新应用于流媒体服务中，提升产品核心竞争力。
1、深挖供给资源（商家/商品），负责拓展和维护境外线路商家（包括但不限于批发商、地接社等），提供优质的供给资源及提升目的地供应链竞争力。 2、负责核心商家在平台的运营指导，运营和维护商家提供的优质货品资源，对供应链价库有深入了解。 3、通过供应商资源库的对接和甄别，能够创新和打造目的地爆款的能力。 4、协同运营、市场、消费者运营团队，辅助商家及商品在平台经营，且对经营结果负责。 5、了解平台模式的运作规则，并对市场其他渠道有足够认知，能引入新供应链的同时协同横向团队打造健康平台生态。
岗位JD：企业服务-数据分析与行业策略专员 岗位职责 一、行业洞察与策略（约50%） • 负责工业品、农业、个性定制、商业其中部分行业线的行业洞察：行业大盘与供需结构分析、竞对动态跟踪、品类机会挖掘与优先级排序等； • 输出有观点、可执行的行业策略洞察报告，支持行业小二的招商、供给建设与大促打法； • 参与季度/月度策略规划，通过增量预测、达成归因等量化手段为管理层决策提供依据。 二、数据分析与资产建设（约30%） • 面向行业和横向承接商家策略、商品策略方向的数据需求：商家分层、机会商家、商品供给结构、类目机会等核心专题的取数、分析与报表建设； • 搭建并维护策略团队核心数据看板（垂直行业经营监控、大促作战、商家/商品体检），沉淀可复用数据资产，用自动化和AI手段压缩临时取数占比； • 与数仓/DE团队协作，推动核心指标口径统一和底层数据建模优化。 三、AI提效工具建设（约20%） • 面向行业小二的日常场景（商家诊断、竞对监控、品类分析、汇报材料生成等），运用AI Agent、大模型等工具搭建轻量级提效工具或自动化工作流，赋能行业和横向小二，把重复性人肉工作产品化； • 沉淀团队级的AI分析方法论与Prompt/工作流资产，带动团队整体人效提升。
1、顾问式思维，针对全国及区域连锁类型餐饮品牌的外卖运营，制定月度/季度/年度计划，并对规划品类、品牌全网络营销方案有自己的独特思考； 2、策划品牌客户的线上线下活动及宣传方案，并有效落地执行； 3、根据公司业务发展的需求，主动寻找契合的资源一起联动； 4、关注区域商业信息，进行分析反馈并采取有效措施应对； 5、完成公司制定量化的销售目标；
1、顾问式思维，针对全国及区域连锁类型餐饮品牌的外卖运营，制定月度/季度/年度计划，并对规划品类、品牌全网络营销方案有自己的独特思考； 2、策划品牌客户的线上线下活动及宣传方案，并有效落地执行； 3、根据公司业务发展的需求，主动寻找契合的资源一起联动； 4、关注区域商业信息，进行分析反馈并采取有效措施应对； 5、完成公司制定量化的销售目标；
1. 搭建市场部数智化管理系统，推动目标追踪、预算治理、项目协同等流程标准化，协助市场团队实现流程化运作； 2. 探索 AI 驱动的营销新范式，在内容种草、投放优化等场景中设计 AI 落地方案，结合实战沉淀方法论与 AI 工具，输出可复用的模板与能力； 3. 关注 AI 发展带来的新媒介触点（如 GEO、AI 搜索总结等），探索品牌在 AI 对话场景中的流量洼地； 4. 以 AI 的方式做 AI 产品洞察，运用 AI 工具驱动行业趋势、市场动作与用户需求的实战洞察，赋能市场决策。
1. 设计并实现高性能的AIGC安全风控系统，并确保系统的稳定性和响应速度。 2. 设计线上系统日常运维机制，增强系统安全生产能力，减少稳定性问题的发生 3. 对接商业化项目，负责对客沟通，技术方案设计，开发实施，项目交付等系列工作
1、负责车载出行 Agent 的产品规划与定义：围绕充电、停车等高频驾驶场景，定义 Agent 的任务边界与交互形态，拆解意图理解、槽位澄清、工具调用与结果呈现链路，形成端到端可落地的产品方案； 2、负责 Agent 效果的度量与迭代闭环：搭建场景化评测集与 Bad Case 归因机制，通过数据分析定位任务失败环节，驱动 Prompt、工具 Schema 与决策策略迭代，持续提升任务完成率与用户满意度； 3、负责竞品分析与市场洞察：跟踪行业竞品及主流车厂座舱智能体的能力演进与体验路线，分析技术与市场趋势，为产品差异化和创新方向提供判断依据； 4、负责协同算法、工程、车厂等多团队，通过沟通和协调完整把控产品落地过程，保证交付效果与及时性。
1.负责淘宝闪购零售行业智能营销系统、AI 策略引擎、自动化营销工具、动态优惠表达等产品域的产品规划和能力搭建； 2.与零售各行业运营建立紧密联系，深刻理解行业战略和打法，基于日销、大促、拉新、促活及品牌合作等不同经营场景，引入 AI Agent 技术与大模型能力，设计自适应、智能化的平台产品能力，支持零售行业快速灵活发展； 3.基于行业趋势&竞品分析，从平台视角判断 AI 在营销领域的落地路径，提前完成智能营销框架与 Agent 生态布局，探索利用 AI 重构人货场匹配效率的新机会； 4.通过数据分析聚焦业务痛点，不断优化产品，构建“数据 - 策略 - 执行 - 反馈”的 AI 闭环，保障基础链路产品的可用性、稳定性及策略迭代的敏捷性。
【岗位职责】 1、深入重点客户业务场景，快速识别其对AI技术的需求场景，例如办公提效、经营优化、智能研发、多模态识别和生成等，充分利用企业数据对业务流进行重塑，通过数据+AI进行智能决策和行动，端到端完成需求分析、总体方案设计、架构设计、组件研发、数据集成、系统集成等工作，推动通义千问系列模型在行业场景的落地。 2、AI 应用架构与开发： 基于 Agent 平台完成 AI应用 场景的架构设计、开发与迭代，负责模型编排、调用链路、成本与性能优化，确保应用稳定可扩展。 3、场景落地与交付： 深入客户业务现场（制造/零售/能源等行业），理解行业痛点，将业务需求转化为 AI 技术方案并完成交付部署。 4、平台能力反哺： 基于一线项目反馈，抽象通用能力推动平台产品优化，实现从“定制项目”到“平台能力”的转化。
1. AI机会识别：根据阿里云战略发展方向，紧密跟踪生成式AI前沿趋势，包括大模型演进、智能体框架、AI基础设施架构及主要竞品动态，前瞻性地识别并开拓政企客户在大模型、智能计算等领域的业务机会，发掘潜力客户并捕获项目机会。 2. AI场景挖掘：重点聚焦阿里云AI产品在泛政府、教育科研、医疗卫健、泛企业等行业的场景销售机会点，深入调研客户业务场景，理解客户的AI目标和业务挑战，敏锐捕捉行业中的应用痛点与创新潜力，找到高价值的AI应用机会帮助客户成功，并沉淀行业解决方案。 3. AI客户经营：在政企领域与AI导向型的客户或合作伙伴建立长期、互信的合作关系，推动客户高满意度、高留存率及持续业务增购，为AI收入（如token收入）负责。 4. AI生态建立：善于整合技术、生态与商业资源，攻克AI落地中的关键挑战，与客户技术决策层及生态合作伙伴建立深度信任关系，沉淀可复用的行业解决方案与最佳实践。
岗位职责 1. 负责淘宝海外分站点的履约运营，对官方物流规模和体验负责 2. 从海外用户需求出发，联动上下游能力，提升官方物流可运能力； 3. 识别行业跨境履约体验痛点，打造行业专属服务权益，以服务驱动增长； 4. 能独立设计物流营销活动，持续调优 ROI； 5. 对所负责的海外市场、用户、物流有一定了解，能够制定相应的解决方案规划，营销推广，达成规模目标。
业务丰富，技术领先高德打车算法团队深度赋能打车业务全链路，涵盖 用户增长、风控、服务管控、路线与上下车点推荐、ETA 预估、智能客服 等核心场景。多样化的业务挑战为算法创新提供了广阔的发挥空间，团队已在 AI 顶级会议发表成果。 持续成长，共享共进团队每周固定进行技术分享，氛围开放、互助友好；除了解答算法与工程难题，资深同事还会分享项目经验，并传授业务理解与问题解决的方法论，助你快速成长。 在这里，你将负责高德共享出行业务 上下车点推荐、运力推荐、路线规划、服务管控 等核心环节的算法优化与效果提升，工作内容包括： ● 推荐链路优化基于时空轨迹、声音、视频等海量多模态数据，运用深度学习、多模态大模型等先进算法，提升召回、粗排、精排、重排等推荐环节的准确性，确保用户获得更优出行体验。 ● 时空数据预测与数据建设优化路线旅行时间预测、发单应答时长预估、供需预测等关键能力，并持续构建高质量的时空数据体系，为业务决策和算法迭代提供坚实支撑。 ● 行程问题智能处理：构建并优化模型，精准识别司乘纠纷、费用异常、服务质量波动、安全风险、客诉等多类行程问题，并实现自动化处理方案。 ● 端到端算法研发参与或指导从数据可视化、算法选型、数据清洗、模型搭建、参数调优，到工程化上线及用户反馈跟踪的全流程研发，确保算法方案高效、稳定落地。 在这里，你的算法将直接服务全国数亿级用户，带来真实而深远的影响；你能接触到前沿大模型、多模态、强化学习等核心技术，并与顶尖同事共创，在开放包容的创新氛围下，发挥你的创造力。
1、负责高德搜索产品，为搜索体验和流量效率负责，通过分析当前用户体验痛点问题制定规划和解决方案并推动落地，持续提升用户搜索体验； 2、结合对本地生活行业特点设计召回排序策略优化、平台流量策略等机制，持续提升搜索用户的需求满足度，通过对用户的动线进行持续追踪和研究，发现用户体验提升的新机会； 3、与策略算法、工程开发、数据团队紧密配合，持续推动搜索体验、策略质量的不断迭代优化提升。
1、负责品牌内容营销及 AI品牌可见度 方向的产品运营工作，围绕消费者在 AI 搜索、问答与决策场景中的真实需求，结合 AIGC 内容生产能力，制定从用户需求洞察、内容策略到规模化生产的整体运营策略。 2、负责消费者需求与 Query Map 建设。围绕品牌、品类及核心商品，挖掘和梳理用户在品类认知、需求问题、消费场景、对比决策、品牌/商品等不同阶段的高价值 Query，建立 Query—品牌/商品核心卖点—内容供给 的映射关系，并结合数据持续迭代。 3、深入理解电商品牌的营销诉求及核心商品卖点，将品牌需求转化为可被 AI 理解和调用的品牌知识、内容策略及生产标准；通过持续的品牌知识与内容建设，提升品牌在 AI 搜索、问答及推荐场景中的被看见、被理解与被推荐。 4、负责 AIGC 内容生产与质量优化。建立内容质量标准与评测体系，围绕内容准确性、品牌质感、卖点表达、同质化、合规及商业效果等维度，持续优化提示词、工作流、写作规范及内容生产机制，提升内容质量与规模化生产效率。 5、协同产品、销售及客户团队，参与品牌客户需求诊断、内容策略制定及项目交付；持续沉淀不同行业的 Query Map、品牌知识、内容策略及 AI品牌可见度方法论，将单点客户经验转化为可复用、可规模化的产品与运营能力。
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. 产品迭代评估方案与用户满意度量化 2. 跟随千问APP产品能力迭代节奏，针对新功能、新场景制定对应的评估方案和评分标准，明确评估维度和指标，并选择最合适的评估方法（自动评测、人工评估、众测、A/B实验等），兼顾效率与准确性； 3. 建立人工评估结果与线上众测数据、实验指标（留存率、使用率、满意度评分等）的对齐机制，确保离线评估结论能有效预测线上用户体验，将主观体验转化为可追踪、可对比的量化指标，支撑产品决策；
负责国际化风控多模态大模型的优化以及智能体的构建，建设世界领先的AI风控系统，落地到违禁、知识产权、资质合规等各类商品风险防控治理中，包括但不限于： 1. 商品多模态大模型优化，包括多语言多模态电商数据挖掘与清洗、任务微调、强化学习偏好对齐等，对海量商品信息（包括图片、标题描述等）进行高准确率、高召回率风险识别； 2. 与产技一起建设AI风控系统，进行智能体框架的设计与实现，并在各类治理场景中的落地； 3. 基于业务风险目标、审核成本和机器成本要求，设计落地多模态大模型运行的机制，达到风险、成本、体验的更优平衡。
负责业务系统的质量保障与效能提升，深度参与产品研发全流程，通过质量左移、自动化测试和稳定性建设，持续提升系统质量与团队交付效率；同时探索 AI 大模型在测试与研发效能场景的落地应用。 ● 主导所负责业务模块的需求交付，做好测试方案设计、风险识别与质量把关。 ● 精通所负责业务，深挖日常测试中的业务与技术问题，推动问题完成改进 ● 主导负责板块质量专项建设，并能针对性地做优化迭代，相关事项质量和健壮性良好，有价值输出 ● 探索 AI 大模型在测试用例生成、缺陷归因、日志分析、自动化脚本编写、精准测试等场景的落地，形成可复用的工具或能力。
团队背景：淘宝搜索算法团队是淘天集团内专注于创新和优化搜索技术的核心团队。我们的任务是通过持续研发高效、精准的搜索算法，以提升用户的在线购物体验和满意度，进而推动电商平台的商业成功。同时团队已经将大模型全面且真实部署到搜索链路的各个环节，也沉淀Prompt Generation这样对集团的通用型工作，欢迎志同道合的同学加入一起探索大模型在搜索内更极致的落地。 工作职责 1. 设计和参与升级淘宝电商搜索系统的整体召回算法框架，包括但不限于倒排索引检索、多模态语义向量召回检索、生成式检索以及个性化检索。 2. 研究和应用最新的可学习稀疏检索算法和倒排索引技术，以提高系统的搜索相关商品召回率，推动淘宝电商搜索倒排系统向高效、智能化在线截断方向演进。 3. 设计、实现和优化基于大型预训练模型的稠密检索系统，处理大规模电商数据，包括商品信息、用户搜索日志等，充分利用样本技术提高搜索结果的相关商品召回率，以提供高效的搜索体验；并结合近似最近邻搜索（Approximate Nearest Neighbor, ANN）算法，同时在表征和索引上协同优化商品搜索召回的性能。 4. 负责淘宝电商商品搜索领域生成式大模型商品检索方向的优化与应用，打造垂直领域业界标杆；研究商品索引结构设计、大模型生成式商品检索技术、大模型预训练的目标与下游商品检索任务对齐等技术。 5. 负责设计、实现和优化电商领域的个性化搜索召回系统，结合行为序列预训练建模技术，以提高搜索结果的个性化匹配和用户满意度；实现和优化电商领域商品维度的效率模型与退款率模型。