(2027届)算法工程师-增长方向

1. 01

   渠道投放优化 参与主流广告渠道的投放数据接入、特征建设和效果分析。 建立渠道、账户、计划、人群和素材等不同粒度的效果预测模型。 根据成本、转化、留存、ROI、LTV等指标，辅助预算分配、渠道选择和投放调控。

2. 02

   素材效果预估 基于素材内容、投放配置、渠道环境及历史表现，预测素材的点击率、转化率、获客成本和后链路质量。 探索图像、视频、文本及多模态大模型在素材理解、标签提取、相似度分析和爆款预测中的应用。 参与素材冷启动、潜力素材筛选、素材疲劳识别及生命周期管理策略建设。

3. 03

   增长策略建模 围绕拉新、拉活、召回等增长场景，设计人群选择、预算分配、频次控制和投放节奏策略。 结合用户分层、转化概率和长期价值预测，优化不同人群与渠道的匹配效率。 通过 A/B 实验、因果分析等方法评估策略的真实增量效果。

4. 04

   智能出价与成本预估 参与转化率、目标成本、竞争强度和可承受出价等模型建设。 研究基于规则、监督学习、在线学习、Bandit或强化学习的动态出价方法。 在成本、量级、ROI和长期价值等多目标约束下，持续优化投放策略。

5. 05

   AI 投放系统建设 将预测模型和增长策略接入现有 AI 投放系统，参与“数据采集—效果预估—策略生成—投放执行—效果反馈”的闭环建设。 配合产品、工程、数据和投放团队完成算法方案上线、监控、评估及持续迭代。 建设模型与策略的指标看板、异常诊断和效果归因能力，提高智能投放的稳定性与可解释性

1、2027届本科及以上学历，计算机、人工智能、数学、统计学、运筹学、自动化等相关专业；

2. 02

   具备良好的编程基础，熟悉 Python；能够使用 SQL完成数据提取和分析；

3. 03

   掌握常见机器学习方法，理解分类、回归、排序、聚类及模型评估的基本原理；

4. 04

   具备较好的概率统计、数据分析和逻辑推理能力，能够将业务问题转化为算法问题；

5. 05

   对广告投放、用户增长或推荐系统感兴趣，愿意深入理解业务指标和真实投放场景。

6. 06

   具备良好的沟通协作能力、学习能力和结果意识。

加分项

1. 01

   有广告算法、推荐系统、搜索、增长分析或数据挖掘相关项目、竞赛或实习经历；

2. 02

   了解 CTR/CVR预估、用户 LTV预测、智能出价、预算分配或流量价值评估；

3. 03

   了解因果推断、A/B 实验、运筹优化、在线学习、Bandit或强化学习；

4. 04

   有图像、视频、NLP或多模态大模型相关实践经验；

5. 05

   使用过 PyTorch、TensorFlow、LightGBM、XGBoost等工具；

6. 06

   对广告渠道机制、素材生产流程或投放平台有一定了解