算法工程师岗(J13113)

职位描述

岗位职责

● 分析程序化广告投放全链路数据，覆盖流量获取、竞价、曝光、点击、转化及后链路价值，定位影响投放规模、成本和收益的关键因素。

● 深入理解业务目标和投放约束，将实际业务问题转化为可计算、可验证的策略或算法问题。

● 根据问题选择合理的解决方案，包括数据治理、特征优化、流量选择、规则调整、智能出价、预算分配、模型优化或产品机制改进。

● 负责点击率、转化率、深度转化和流量价值等预估能力的建设与优化，以线上业务增量而非单一离线指标评价模型效果。

● 参与广告召回、排序、流量分配、出价和成本控制等核心策略研发，在投放规模、效果和稳定性之间取得平衡。

● 设计并执行 A/B 测试，识别样本偏差、流量差异、归因延迟和指标口径问题，准确判断策略及模型的真实收益。

● 建立日常分析和复盘机制，解释核心指标变化，形成明确的业务判断和下一步优化方案。

● 推动算法和策略工程化落地，参与上线验证、灰度、监控、异常排查和回滚，持续跟踪真实运行效果。

● 与产品、研发、数据和投放运营团队协作，推动方案从问题发现、设计验证到正式落地的完整闭环。

● 沉淀指标口径、分析方法、实验结论和策略边界，提升团队算法迭代的可复用性和决策效率。

任职要求

任职要求

● 本科及以上学历，计算机、数学、统计学、人工智能等相关专业优先；特别优秀者可适当放宽学历要求。

● 具有 3 年以上广告、推荐、搜索、用户增长、商业策略或相关算法经验，有真实线上业务落地案例。

● 具备较强的数据分析能力，熟练使用 SQL 和 Python，能够独立完成数据提取、口径核对、归因分析、假设验证和效果复盘。

● 对数据和业务变化敏感，能够从指标异常继续追查到流量、配置、数据质量、策略或业务机制层面的根因。

● 掌握常用机器学习方法，理解样本构造、Label 定义、特征工程、模型评估、数据泄漏及训练与线上一致性等关键问题。

● 熟悉点击率/转化率预估、排序、智能出价、预算控制或流量价值评估中的至少一个方向。

● 具备实验设计能力，理解 A/B 测试、显著性、归因窗口、实验污染和指标波动等问题。

● 具备较强的业务理解和结果意识，能够平衡投放规模、成本、收益和长期稳定性，不局限于优化模型离线指标。

● 具备良好的沟通和协作能力，能够与业务团队讨论投放问题，也能与研发和数据团队共同推进技术落地。

加分项

● 有 DSP、ADX、SSP、RTB 或程序化广告相关经验。

● 有智能出价、流量选择、成本控制、预算分配或投放节奏优化经验。

● 有大规模稀疏特征、冷启动、跨域迁移、在线学习或多任务学习实践。

● 熟悉因果推断、Uplift、增量评估、强化学习或运筹优化。

● 有高并发、低延迟在线推理、实验平台或模型发布体系建设经验。

● 能够阅读或使用 Go、Java、C++ 等工程语言，具备一定的线上问题排查能力。

我们更看重什么

我们希望候选人能够讲清楚：

● 业务问题是什么，而不只是用了什么模型。

● 如何通过数据找到真正的限制因素。

● 为什么选择模型、策略或规则作为解决方案。

● 如何证明线上效果确实来自本次优化。

● 方案上线后如何监控、复盘和继续迭代。