P搜推算法专家（电商推荐方向）

负责电商平台推荐系统的算法设计、迭代与落地，覆盖如首页信息流、商品详情页推荐、购物车推荐等核心场景。

深入理解电商业务目标及用户决策链路，结合用户、商品、交易等多维数据，发现流量分发、转化效率、供给匹配等方面的问题与机会。

带领团队优化推荐全链路，包括召回、粗排、精排、重排、策略调控、冷启动、探索利用及效果评估等环节。

面向核心业务指标开展算法优化，提升流量分发效率、用户体验、商品曝光质量、点击转化、成交额及长期用户价值。

建立完善的数据分析、实验评估与归因体系，能够基于数据定位问题，设计合理的实验方案并推动算法策略持续迭代。

与产品、运营、数据、工程等团队紧密协作，将业务诉求抽象为可落地的算法问题，推动推荐策略在线稳定运行并持续创造业务价值。

跟踪推荐、搜索、广告及大模型等相关领域的前沿技术，并结合实际业务场景完成创新应用与效果验证

具备较强的业务理解能力，能够深入理解电商用户、商品供给、交易转化及运营策略之间的关系，而非仅围绕单一离线指标进行优化。

具备优秀的数据分析和问题定位能力，能够从实际业务现象、用户行为及数据变化中发现问题，拆解原因并提出有效的优化方案。

有推荐全链路优化经验，理解召回、排序、重排及策略层之间的协同关系，能够围绕流量分发效率进行系统性优化。

熟悉 A/B 实验、指标体系和因果分析的基本方法，能够独立完成实验设计、效果分析及策略复盘。

计算机、人工智能、统计学、数学、电子信息等相关专业，硕士及以上学历；具备推荐系统、机器学习、搜索或广告算法相关经验。

扎实掌握机器学习、深度学习、排序学习、特征工程等基础理论，熟悉常见推荐算法，如协同过滤、双塔召回、序列推荐、多任务学习、CTR/CVR 预估、Learning to Rank 等。

具备良好的沟通协作能力和主人翁意识，能够主动推动跨团队项目落地。 加分项

有大型电商平台搜推算法经验。

有流量调控、多目标优化、供需匹配、长尾商品分发、冷启动、增长策略相关经验。

具备小组管理经验，曾带领3人以上算法团队完成搜推项目落地。 我们希望你具备

能够以业务问题为起点，以数据分析为依据，以算法和工程手段推动结果落地。

不只关注模型指标，更能理解每一次推荐背后的用户需求与商业价值。

不只解决局部算法问题，更能站在推荐全链路视角提升流量分发效率