共 4293 个在招岗位 · 实时同步阿里巴巴官方招聘数据
1、 参与新业务讨论、合同审阅、涉税问题解答等一系列工作，对所处行业发展不断了解。贴近业务，平衡管理成本与收益，依法制定相关税务处理方案； 2、 能根据业务依法制定相关税务处理，落实合规和优化建议，协助各单位申请各种适用税收优惠； 3、 指导并复核企业税务合规管理工作，使团队能高质量、高效率地完成税务工作，对团队交付成果负责； 4、 根据法规与时俱进、不断优化税务管理流程的方式，使税务管理工作不断深入和完善，沉淀复用； 5、 与外部合作单位/监管机构建立并维持良好的工作关系； 6、对国内外税收环境的变化有一定的敏锐度和自己的见解。
1.基于对生意和链路的深刻理解，以及对用户消费习惯和周边竞对市场变化的洞察，数据分析的诊断，找到生意机会点，绘制门店经营大图，拆分线上线下生意目标以及落地； 2.懂商品特性，能够结合经营策略进行商品匹配找到售卖机会，知道不同场景不同用户卖什么，怎么卖，在门店做好场景打造-人货场匹配； 3.以“客户第一”思维执行做好公司营运标准，确保线下卖场顾客良好的体验； 4.熟悉仓配履约链路，做好卖场线上线下确保优质的履约服务和成本的管理； 5.针对门店问题，能够与区域中台做到协同沟通，并反推中台帮助门店解决问题； 6.通过门店精细化管理，做好费率、营运成本、损耗等管控，为门店经营结果负责； 7.掌握识人用人的基本方法，搭建良性人才梯队，激发团队积极正向拿结果；
技术服务与支持 • 积极响应热线、官网反馈、工单等多渠道的客户反馈和咨询，快速定位问题，解决疑难技术问题 • 高效地排查并解决产品技术服务问题，在服务过程中关注客户体验提升、有效管控客情 • 理解客户技术问题，基于产品知识和工具进行解决，对于产品缺陷和bug问题，升级给产研 标准化方案沉淀 • 持续推进服务标准化的建设，例如服务升级处置流程、故障应急流程、知识沉淀流程等 • 沉淀标准化的服务方案及通用技术方案，比如推动产品、工具、知识库的建设和改进，引导客户向合理的解决方案方向前进 • 编写相关产品技术类分析报告，输出知识库、服务技术文档等 • 负责提供研发、运维、安全等的技术培训赋能 生态运营管理 • 通过技术赋能、认证培训、质量体系、工具平台和组织文化建设等手段，建设技术服务生态体系 • 管控生态伙伴的服务过程和结果，保证技术服务关键指标的达成，无重大安全生产事故
1.负责自研分布式消息队列的架构设计与核心开发，优化消息生产与消费链路，提升高并发场景下的吞吐量与端到端延迟表现； 2. 建设集群管理、分区调度、负载均衡及容灾恢复能力，保障大规模集群的高可用与数据可靠性； 3.优化网络通信、内存管理和线程模型，完善流控、过载保护与多租户隔离，提升资源利用率和可运维性； 4. 完善顺序消息、消费进度、消息重试及积压治理，推进不同存储系统的适配与性能优化，推动技术演进。
1、主导底层数值搭建调优以及设计细化。 2、主导养成/经济体系的设计与持续调优，达成良好的预期体验。 3、与团队策划协作，为战斗、系统设计等部分提供数值支持。
主导大模型「AI for Science」中生命科学与化学方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，以可验证奖励（verifiable reward）为核心，定义模型在生物、化学场景下的科学知识理解、科学推理、工具调用与长程科研任务执行的能力边界，构建高质量、可自动判分、可复现的标注与评测数据集。具体包括： 1. 能力体系与标准制定：从 0 到 1 搭建生命科学/化学评测体系，完成能力维度拆解（科学知识问答与文献理解、假设生成、实验与合成路线设计、分子/序列/结构分析、多步科研工作流执行、结果验证与错误纠正）、任务难度分级、标注规范与评分标准，制定 rubric 与金标准，沉淀查重去污、难度校准、一致性审核的可复用工具链。 2. 数据生产与标注：设计贴近真实科研流程的任务与实例（结构预测、序列与基因组分析、单细胞与图谱数据解读、分子性质预测与逆合成路线设计、数据库检索 PDB/UniProt/ChEMBL、生信分析、文献综述与 notebook 计算），组织专家标注与示范，产出金标准与失败案例；与化学、生物实验团队协作打通「湿实验 / 计算」数据闭环，将真实实验结果——尤其是失败数据——转化为可用于 SFT、偏好与可验证奖励训练的高质量数据并回流模型团队。 3. 模型评测建设：对可对照公共数据库或计算判定的任务优先建成自动化 verifiable eval；构建端到端 Agentic 科学评测——涵盖科学工具调用与编排、多轮交互、长程规划、异常恢复、结果可复现性与科研安全边界（含双重用途/生物安全判断），推动任务从「单点问答」向「复杂真实科研场景」演进。 4. 质量管控与质检：建立双标注一致性校验、资深专家抽检、难度标定校准、查重去污与一致性审核机制；对 bad case 做根因分析（数据 / rubric / verifier / 实例），并将结论回流数据生产与评测标准，保证结果可信、可复现、可追溯。 5. 数据基础设施共建：与工程团队共建支撑大规模科学标注与自动化评测的基础设施（沙箱 / 容器化科研环境、数据管线、评测框架），推进大规模生物数据（序列、结构、基因组、单细胞）的采集、编排与 AI-agent 接口建设。 6. 行业跟踪与跨团队协同：持续关注 AI for Science 与科学智能体方向动态；将评测洞察转化为模型改进方向（知识准确性、推理可靠性、长程任务成功率、科研安全），并与研究、工程及实验团队协作落地。
主导大模型「计算机操作」（Computer Use）方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，定义模型对浏览器与桌面原生软件界面的感知、理解与多步自主执行的能力边界，构建高质量训练与评测数据集。具体包括： 1. 能力体系与标准制定：从 0 到 1 搭建 Computer Use 数据体系，完成能力维度拆解（界面感知与视觉定位、控件识别与操作、多步任务执行、错误恢复、长程规划）、任务难度分级、标注规范与评分标准制定，制定 rubric 与金标准；覆盖有 DOM/accessibility tree 的结构化场景，以及无结构信息、需纯截图视觉 grounding 的原生应用场景。 2. 数据生产与标注：设计并产出高质量操作数据——组织多模态标注（截图、界面元素、操作轨迹、坐标级动作）、专家示范与金标准，覆盖浏览器任务（网页浏览、信息检索、表单填写）与桌面专业软件操作（办公文档/表格处理、CAD 绘图、Blender/3D 建模、图像与视频编辑、IDE 与终端命令、跨应用与 OS 级工作流），将真实使用经验转化为可用于 SFT、偏好与强化学习训练的数据。 3. 模型评测建设：构建贴近真实工作流的评测任务与端到端 Agentic 评测方案，涵盖视觉界面理解、工具调用与编排、多轮交互、长程规划、异常恢复与安全边界判断；针对桌面软件任务设计基于结果态的验证机制（导出文件校验、几何/渲染检查、脚本回读状态等），解决「操作对不对」难以自动判分的问题，推动任务从「单步指令」向「复杂真实场景」演进。 4. 质量管控与质检：建立任务查重与污染检测、难度标定校准、双标注一致性校验、资深抽检与一致性审核机制；对 bad case 做根因分析（数据 / rubric / verifier / 实例）并回流数据生产与评测标准，保证结果可信、可复现。 5. 数据基础设施共建：与工程团队共建支撑大规模自动化标注与评测的基础设施（含桌面/容器化操作环境、数据管线、评测框架）。 6. 行业跟踪与跨团队协同：持续关注浏览器操作、桌面自动化、专业软件 Agent 等 GUI Agent 方向动态；将评测洞察转化为模型改进方向（感知准确率、视觉定位精度、操作可靠性、安全性），并与研究、工程团队协作落地。
1. 制定日用百货品类采销策略与年度规划，明确品类定位与价格策略，支撑业务目标达成； 2. 拓展并管理优质供应商资源，通过谈判优化采购价格、账期与供货保障，确保货源稳定与成本可控； 3. 制定采购计划与库存管理方案，协调仓储物流与销售环节，提升库存周转效率； 4. 分析销售数据与毛利贡献，优化品类结构，协助完成品类货架规划、SKU汰换及毛利优化，提高利润空间； 5. 协同运营、营销团队制定促销计划，提升销售转化与毛利表现。
主导大模型「操作物理设备」方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，从 0 到 1 定义模型对实验室与工业设备的感知、理解、指令映射与多步自主操作的能力边界，构建高质量、可验证、可复现、以安全为先的标注与评测数据集。本方向以设备知识/接口规范、仿真与评测为核心：实体设备数据主要依托外部合作实验室与设备厂商协作获取，而非自建数据采集场。具体包括： 1. 能力体系与标准制定：搭建物理设备操作评测体系，完成能力维度拆解（设备状态感知与理解、read/write 原语到设备动作的映射、多设备编排、多步实验/工艺流执行、实时监控与动态调参、硬件错误恢复、安全限位判断、长程自主），制定任务难度分级、标注规范、评分标准与 rubric / 金标准。 2. 数据生产与标注：构建设备知识与「参考文件」数据——将设备手册、隐性操作经验、机器特性（如机械臂负载、量程、安全边界）通过自然语言标签结构化，沉淀为可供 agent 直接消费的标准化设备描述文件（能测什么、能调什么、强制哪些安全限位），支撑 agent 操作「从没见过的新设备」；以仿真与数字孪生为核心开展数据生产，在 digital twin / hardware-in-the-loop 环境中生成、扩充并验证设备操作轨迹与失败案例，缓解 sim2real 差距；实体设备数据通过与外部合作实验室、设备厂商协作获取，而非自建采集运营。 3. 模型评测建设：设计贴近真实科研/制造流程的评测任务，覆盖仪器操作（显微镜、液体处理器、机械臂、板读仪等）、跨设备协同、标准实验流程（如蛋白测定、qPCR、设备/激光校准、剂量-反应曲线）与工艺编排；构建端到端 Agentic 物理评测与安全验证——涵盖工具/驱动调用与编排（MCP、CLI、设备 API 与设备互操作规范集成）、多轮交互、长程规划、实时控制约束、异常与硬件故障恢复；针对物理任务设计基于结果态的验证机制（实验产出校验、设备状态回读、碰撞/超限检测），并把安全边界与不可逆风险评估作为一等公民，推动任务从「单条指令」向「复杂真实物理场景」演进。 4. 质量管控与质检：建立查重去污、难度标定校准、双标注一致性校验、资深抽检机制，规范多模态标注（传感器信号、设备元素、动作轨迹、指令级动作）并做一致性审核；对 bad case 做根因分析（数据 / rubric / verifier / 实例）并回流数据生产与评测标准，保证结果可信、可复现、以安全为先。 5. 数据基础设施共建：与工程/硬件团队共建仿真环境、评测框架、驱动集成与数据管线，推进可复现的物理设备数据资产沉淀。 6. 行业跟踪与跨团队协同：持续关注具身智能、实验室自动化与设备互操作方向动态；将评测洞察转化为模型改进方向（设备感知准确率、操作可靠性、安全性），并与研究、工程、硬件及外部合作实验室协作落地。
主导大模型「金融财会」方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，定义模型在财务、会计、审计、税务、金融分析等场景下的能力边界，构建高质量、可验证、可复现的标注与评测数据集。金融财会可验证性强——会计恒等式、报表勾稽关系、税法规则、会计准则等均有客观标准，既适合规模化数据生产与自动判分评测，也对数字精度与合规零容忍。具体包括： 1. 能力体系与标准制定：完成金融财会能力维度拆解（财报分析与编制、账务处理与对账、税务申报与筹划、审计底稿与核查、估值与财务建模、金融数据分析、合规判断）、任务难度分级、标注规范与评分标准，制定 rubric 与金标准，沉淀查重去污、难度校准、一致性审核的可复用工具链。 2. 数据生产与标注：设计贴近真实财务工作流的任务与实例，共建 rubric，组织专家标注与示范，产出金标准与失败案例；覆盖财报/对账/发票/税务/审计底稿/估值/研报等场景，将领域经验转化为可用于 SFT、偏好学习与可验证奖励训练的高质量数据。 3. 模型评测建设：设计可自动核验的评分机制（对账勾稽、税额计算、准则符合性等），并构建端到端 Agentic 评测——覆盖 Excel/ERP、金融数据终端、数据库与 MCP 工具调用、多步财务流程执行；重点检出数字精度错误、幻觉与合规风险，推动任务从「单点问答」向「复杂真实财务场景」演进。 4. 质量管控与质检：建立双标注一致性校验、资深专家抽检、难度标定校准、查重去污与一致性审核机制；对 bad case 做根因分析（数据 / rubric / verifier / 实例），并将结论回流到数据生产与评测标准，保证结果可信、可复现、可追溯。 5. 数据基础设施共建：与工程团队共建支撑大规模金融财会标注与自动化评测的基础设施（数据管线、评测框架、沙箱 / 容器化环境），推进可自动判分的数据资产沉淀。 6. 行业跟踪与跨团队协同：持续关注金融财会大模型与 Agent 方向动态；将评测洞察转化为模型改进方向（数字精度、准则理解、合规可靠性），并与研究、工程及业务团队协作落地。
1.全链路数据建设：搭建业务数据体系（基建层-分析层-应用层），覆盖生态广告业务全链路的数据表、分析指标库，供数据分析及生产应用； 2.协调技术、数科团队建设基础底层表、内部流通表及数据看板，为决策与业务增长提供可信数据底座； 3.与产运团队协作，用产品化的方式解决业务问题，提高运营效率，提升运营半径，形成产品化的解决方案；结合阿里妈妈的整体产品及商业策略，协同内外部各团队及资源，提升服务商生态市场的商业规模。
主导大模型「长程 Agent 环境」方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，定义模型在多步、有状态、需工具调用与长程规划的复杂 agentic 任务上的能力边界，构建高质量、可复现、可自动判分的任务环境与评测数据集。本岗位为横向底座，不绑定单一行业，所搭建的长程任务环境统一服务编程、数据分析、办公、科研、金融等各垂直方向；其核心不是判定单点答案正误，而是把真实任务转化为可复现、难度分级、抗奖励作弊的环境，并按执行过程对整条轨迹打分。具体包括： 1. 能力体系与标准制定：定义长程 agentic 任务的能力维度（任务分解与规划、跨步状态跟踪、长上下文保持、模糊性与中断处理、错误恢复与反思、长程一致性与终止判断），建立以步数、分支、不可逆性、信息完整度刻画难度的分级与可解性标定方法，制定过程级评分标准（里程碑 checkpoint + 子目标 + 最终态 + rubric 软标准）与金标准轨迹规范，沉淀为各垂直方向复用的统一方法论。 2. 数据生产与标注：把真实任务构建为可复现的有状态环境（固定初始状态、可重置 / 回放 / 分支的中间态、以录制或 mock 替代真实工具与 API、结果自动校验钩子）并容器化交付；将领域专家提供的任务抽象为可参数化的环境模板族，批量生成难度递增的变体；产出多步专家示范轨迹——尤其是「中途出错并恢复」「应对中断与模糊指令」等高价值样本，供 SFT、偏好学习与可验证奖励强化学习（RLVR）使用。 3. 模型评测建设：为每个环境配套自动判分机制，兼顾最终结果与过程关键节点、支持按步骤部分给分（credit assignment）；用前沿模型跑 pass@k 标定长程难度与可解性；通过大规模 rollout 定位长程特有失败模式（规划漂移、误差累积、状态漂移、上下文丢失、工具误用、过早终止 / 死循环、中断后无法恢复），沉淀轨迹级失败案例库并反哺各垂直方向。 4. 质量管控与质检：逐条审阅数十步执行轨迹、判断每一步动作与环境状态是否合理；建立环境分层校验（静态检查 → 冒烟 → 可达性 → 领域合理性）、双标注一致性校验、资深专家抽检、难度标定校准与查重去污；重点排查奖励作弊（reward hacking、绕过 checkpoint、伪造完成）与判分器可靠性、结果可复现性；对 bad case 做根因分析（数据 / rubric / verifier / 环境实例 / 具体轨迹步）并回流到模板与标准。 5. 数据基础设施共建：与工程团队共建长程任务沙箱、状态快照与重置 / 回放 / 分支机制、mock API 与工具 / MCP 编排、rollout 与过程打分管线、环境模板库与数据血缘，把「一次设计、批量生成变体」的能力工程化，供所有垂直方向复用。 6. 行业跟踪与跨团队协同：持续关注长程 agent、过程监督（process supervision）、可验证奖励与 agent 环境评测方向动态；与各垂直领域岗协作——领域岗负责任务真实性与答案正确性，本岗负责长程环境、过程奖励与轨迹质检——与研究、算法、工程团队形成「数据生产 → 训练 → 评测 → 回流」闭环。
1. 深入理解基于NAND的固态硬盘（SSD)，基于SCM介质的Persistent Memory (PMEM)的原理、架构、控制器/固件实现，以及相应主机端驱动和操作系统IO软件栈的架构和实现。针对阿里云业务场景，架构 / 设计 / 开发相关产品，满足阿里数据中心对于新型SSD和PMEM的需求。 2. 深入理解存储业务应用，对分布式文件系统、块存储、对象存储、文件存储、以及大数据平台进行深入分析，了解阿里业务情况与用户需求，制定低成本、高性能的存储软硬件技术和产品的发展路线。 3. 与工业界、学术界密切接触，跟进新研究和开发状态，结合阿里业务发展，规划未来阿里存储软硬件产品以及相应软硬件架构的路线图，推进存储平台的标准化，发表文章和专利，树立国际影响力。 4. 与服务器架构团队密切配合，规划机型，并落地针对块存储/对象存储/冷存储/大数据存储等各类软硬件产品。
1. 主导大模型推理性能优化：通过算子优化、模型压缩/量化/稀疏化、推理引擎开发及分布式系统设计等技术手段，全面提升大模型在GPU/PPU等异构硬件上的推理速度、系统效率与部署性价比。 2. 开展软硬协同的深度调优：针对不同架构和规模的AI加速硬件（如GPU、专用AI芯片），对KV Cache管理、内存调度、计算图优化等核心模块进行定制化性能调优，突破算力与访存瓶颈。 3. 支撑多模态与前沿模型架构落地：参与大模型推理系统的核心模块研发，支持Transformer、MoE、Diffusion、LLM、VLM等多种架构的高性能推理，并与算法、产品及业务团队紧密协作，实现端到端场景优化。 4. 构建高性能AI基础设施：基于软硬件协同理念，打造业界领先的AI推理底座，通过融合模型算法与底层硬件特性，释放组合优化潜力，形成显著的性能与成本优势。 5. 追踪和引领技术前沿：持续关注大模型推理领域的最新研究成果与开源生态，推动技术创新与工程落地，发掘软硬结合的技术创新，强化技术壁垒与商业竞争力。
1、负责电影项目的全流程制片管理，统筹项目立项、筹备、拍摄、后期及宣发各阶段进度计划与预算控制，确保项目按时按质交付。 2、协调导演、编剧、摄影、美术、后期等核心创作团队，推进各环节高效协作与顺利衔接，解决制作过程中的关键问题与风险。 3、参与电影项目的前期策划与立项评估，把控项目创意方向与可执行性。 4、跟踪电影行业动态与市场趋势，参与项目选题与投资评估，探索新类型、新技术的应用机会，推动内容创新与商业化落地。
光网络运营团队负责阿里巴巴数据中心内光互连的规划、建设、测试和运营，致力于建设安全可靠，技术先进、可灵活调度、高效运营、大容量的信息传输通道，以支撑阿里云智能各项业务的发展。 • 负责全球全球骨干网、城域网、数据中心网络光网络巡检维护以及问题定位，并快速解决网络风险及故障； • 全球网络运营风险管理，负责网络生命周期的风险识别、规避控制和消除，涉及架构引入测试、验收、风险防范，确保网络服务满足稳定性需求。 • 负责网络设备/光模块产品引入、质量控制、线上运营、链路故障维修支持和能力建设。 • 研发高可用的光互联网络规划、建设和运营平台； • 负责网络运营自动化脚本编写，推进网络的自动化运维能力； • 通过数据分析和研究，提前识别网络架构风险、设备软硬件风险、设备老化风险，预测故障； • 持续推动网络架构模型优化
1.参与游戏系统、玩法和战斗的数值模型搭建和平衡优化 2.在既定的循环数值框架和成长规划下，落地系统、玩法和活动的资源投放和消耗，确保玩家的抽卡、练度和成长符合规划预期 3.体验和研究成功的数值游戏，分析并学习优秀的概率控制机制、边际收益递减、商业化付费体验，应用到项目中 4.能够根据测试反馈和运营数据，迭代版本内的经济数值和付费数值，解决平衡性问题
1、驻点重点产业带，负责目标商家的引入，通过本地头部商户树立标杆，圈层深耕产业带商户入驻； 2、属地化服务，整合本地渠道及生态资源、平台资源扶持商家在淘工厂渠道快速成长； 3、洞察商家需求，通过商家成长政策、平台激励，放大商家成长和经营效果； 4、定期开展负责区域赋能培训，提高业务在产业带的影响力和渗透率； 5、根据市场情况，善于及时调整可实施策略。
痴迷表演： 渴望与观众呼吸共震，享受表演时那颗纯粹而炽热的心 钻研剧本： 相信台词的力量，愿意为一个字的重量、一个句子的节奏反复琢磨，能独立分析角色和进行艺术再创造 敬畏职业：拥有良好的职业素养和品行 热爱舞台：拥有足以填满整个剧场空间的表现力与情感张力、形体控制力与舞台控制力 团结协作：导演、编剧及其他演员保持良好的创作合作关系 坚持学习： 学习参加各项培训、艺术研讨及基本功训练，享受从排练厅到舞台这个缓慢而神圣的过程
1. 参与新业务的模式设计，评估近期与远期规划布局，判断财务可实现性； 2. 评估与深入分析创新业务经营进展，并调整模型假设，动态测算投资回报； 3. 有外部视角，及时掌握市场动态，能通过外部视角来帮助业务迭代模型； 4. 参与设计业务流程，以财务视角结合业务实际情况和行业卓越实践，设定财务管理方式和规则，促业务，控风险； 5. 全链路测算损益，并设置管理节点和止损节点，对新业务财务链路和财务风险的把控负责；
1、负责ATH网站业务运营的研发支撑工作，构建适合业务快速迭代的平台能力； 2、对业务场景保持敏锐，快速熟悉业务流程并理解业务痛点，对产品需求进行沟通、分析，完成技术方案的制定，核心系统及模块的设计与研发，驱动产品快速迭代； 3、快速构建AI Agent/Skills 体系能力，实现开发及业务提效； 4、设计AI业务应用开发的技术规范与最佳实践，提升团队整体AI工程化水平。
1、品类策略与产品规划：基于消费者洞察、消费决策树及区域饮食文化差异，挖掘即食食品细分赛道机会，输出品类发展路线图与产品矩阵策略，并对品类GMV、毛利率、周转率等核心指标负责。 2、产品研发协同与创新落地：运用产品经理方法论，主导产品企划、卖点提炼、包装设计与打样测试；深度对接内部研发/外部工厂，推动符合当地口味偏好、具备工艺可行性且能快速迭代的即食产品上市。 3、供应商全链路管理：拓展并筛选优质食品加工厂及核心原料供应商，建立分级评估与动态淘汰机制；主导商务谈判、成本拆解、质量管控（含食品安全合规、保质期管理）与交付周期优化，构建稳定、敏捷的供应网络。 4、定价策略与毛利运营：结合竞品监测、渠道特性与成本，制定科学定价模型；通过配方优化、规模集采、工艺升级、损耗控制等手段持续优化毛利结构，实现健康盈利。 5、跨部门协同与生意增长：联动线上运营、线下渠道，共同制定并落地新品上市计划、促销节奏与销售目标，打通“研-采-销-仓”闭环。 6、流程体系搭建与团队赋能：完善采购SOP、供应商准入/考核标准、出入库协同机制；沉淀品类方法论，提升组织作战效率与抗风险能力。
1、AI服务落地与智能化提效 负责AI客服体系日常运营、场景打磨与规模化落地，持续优化智能问答、用户分流、工单自动化流转规则，搭建并完善「AI前置拦截+人工精准兜底」的人机协同服务模型。深度参与客满AI智能化升级建设，跟进系统迭代、新功能试点与工具落地，建立常态化效果复盘与迭代机制，持续实现服务提效、成本优化与风险压降。 2、数据体系搭建与业务洞察 依托多维度数据工具开展周期性数据复盘，持续监控AI替代率、服务首响、一次性解决率、客诉结构、流转时效等核心指标。通过数据清洗、归因分析，精准挖掘用户痛点、产品体验短板、服务流程漏洞及团队运营问题，沉淀售后趋势洞察。协同搭建客服业务数据指标体系与可视化看板，建立标准化数据分析模型，以数据驱动服务治理、流程优化、团队管理与业务规则迭代。 3、业务策略迭代与跨部门协同 基于数据洞察输出用户分层运营、体验优化、链路提效等专项策略，持续跟进落地效果并迭代优化。联动业务、产研、供应链等多团队，同步AI落地问题、功能优化需求与产品体验建议，参与AI能力验收、场景灰度测试，打通用户VOC闭环，实现体验问题业务化、产品化解决。 4、服务运营升级与流程治理 基于数据结论持续迭代FAQ知识库、服务话术、服务标准，推动服务模式从被动问题响应，向主动体验治理、前置风险防控升级，构建精细化、标准化、智能化的服务运营体系。
1. 负责北美大区 Global to Global的跨境包裹解决方案设计，独立对全链路产品的时效、成本、规模负责，重点国家美国出口到拉美国家； 2. 目的国供应商的管理，包括开发、商务谈判、日常review等； 3. 目的国政策法规应对、异常应对和处理 4. 标准化全链路和分段实操流程，确保上下游衔接合理且高效 5. 持续对物流产品做提效降本，提升市场竞争力；
岗位职责： 1、负责母婴童装相关品类行业商家商品的运营工作，制定并执行商家引入策略，推动优质产业带资源入驻。 2、搭建和优化半托管商家的商品管理体系，包括商品选品、定价、上架、促销策略等，提升平台商品竞争力与用户转化率，为品类GMV增长目标负责。 3、制定品类运营策略，通过数据驱动分析，识别市场趋势与用户需求，持续优化类目结构和商品组合。 4、协同供应链团队，推动商品库存、物流及履约效率的提升，保障商品供应稳定性和用户体验。 5、与市场、技术、产品等部门紧密配合，推动商家扶持政策落地，提升商家满意度与活跃度。
1. Agent 沙箱环境矩阵构建，打造毫秒级启动的轻量化 Web 沙箱，构建完备的 ContainerUse 环境支持体系。 2. Agent 沙箱环境矩阵构建，突破OS 层虚拟化瓶颈，构建支持全功能桌面的沙箱，实现ComputerUse环境，支撑基于复杂人机交互（GUI）的评测需求。 3. 统一沙箱管理引擎研发：设计实现端侧管控服务的极致轻量化与高并发承载能力。 4. 推动云原生AI领域前沿技术预研、落地及开源生态建设，持续引领技术创新与行业实践。
1、根据公司业绩要求，承担海外产品销售目标，主动开拓潜在销售渠道或者客户线索，储备优质客户资源，完成销售目标，实现业绩稳步增长； 2、负责并参与 Homestyler 海外版的销售策略制定和产品解决方案规划；并能根据客户的特定需求，包装和设计行业解决方案； 3、结合海外市场特点和需求，建立并管理区域性的本地化销售渠道和代理渠道，并规范相应服务和支持体系； 4、收集市场反馈和用户意见，调查市场及行业竞品信息，对产品优化和开发提出建设性建议，促进公司制定更加合理的产品策略、市场策略； 5、跟进并推进已签约用户的需求落地和订单履约。
1、完成费用预提相关账务处理及其他月结事项处理，确保相关账务时效和质量。 2、审核对应业务的AP结算单，确保结算无风险，具有风险意识，能够识别流程中的风险点及效率提升点；配合产技推动相关业务的结核算自动化项目。 3、负责所处理业务的BS科目管理工作，推动BS满足审计要求以及账实一致。 4、及时反馈问题，与团队保持良好的沟通
1.制定并执行产业带及中小商家招商策略，挖掘源头工厂，白牌商品等优质资源，负责目标商家引入，帮助商家开辟新的生意赛道。 2.推动商家入驻及分层运营，入驻赋能： 协助新入驻工厂快速理解平台规则与节奏，通过选品，定价，盈利模型测算，商家生意规划能力等半托管核心能力， 深度理解工厂在转型中面临的痛点，协同内部运营、产品团队，为工厂提供定制化的成长建议与解决方案。 3.持续运营与关系维护： 作为工厂在平台的主要对接人之一，定期回顾合作情况，收集反馈，协调平台资源帮助工厂成长，提升其经营满意度和忠诚度。 4. 整合平台流量、营销工具及供应链资源，协同跨部门团队推动商家成长，解决业务落地中的复杂问题，保障项目高效执行与目标达成。 5、属地化服务，整合本地渠道及生态资源、平台资源扶持商家在淘工厂渠道快速成长； 6、与产业带当地的政府主管部门、行业协会、商会及关键企业建立并维护长期稳定的战略合作伙伴关系，拓展招商渠道。定期开展本区域赋能培训，提高淘工厂在产业带的影响力和渗透率；
1、负责直营店铺的运动户外行业相关行业运营，基于业务目标拆解，制定店铺年／季／月度运营计划，对生意结果负责； 2、基于消费者需求，制定品类规划，搭建健康的品类结构，产出具有精准性与前瞻性的商品企划，为商品力负责； 3、进行产业带供应商招商与洽谈，围绕品类策略与消费者需求，共同制定货盘计划，提升商家经营规模和效率； 4、围绕爆品进行运营，负责提升单品效能及ROI，针对商品生命周期进行整体规划和运营，基于各资源定位协同商品运营进行货品供给； 5、结合对性价比/质价比用户的洞察和消费趋势，把握消费者购买决策的关键因素，在销售策略、渠道推广、玩法互动产出方案并进行项目的落地执行。
