中国平安
用户增长算法工程师
用户增长算法工程师
发布于 大约 2 个月前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
软件工程
机器学习
深度学习
PyTorch
TensorFlow
用户增长
大模型
搜索推荐
AI 估算 · 30k–50k
大厂核心算法岗，用户增长方向热门，薪资竞争力强，预计月薪3-5万。
职位详情
关于这个职位
该职位负责金融和医疗健康产品的用户增长算法，包括搜索推荐、流量运营等，利用大模型技术提升业务效果
适合有机器学习基础、熟悉深度学习框架的算法工程师，工作地点在深圳
最低要求
具备扎实的代码和数据结构基础、熟悉C++/java/Python等语言和PyTorch/TensorFlow 等算法框架
良好的数据分析和解决问题的能力，能对新问题、新场景有独立探索精神和系统级解决问题的能力
具备较好的机器学习和深度学习基础，熟悉LR、DNN、Transformer等算法模型及其原理
工作职责
参与金融类和医疗健康类产品的用户增长、流量运营、搜推等算法工作
支持保险、银行、医疗服务等场景的用户增长和经营业务
与产品、运营协同，构建针对不同场景的智能化用户增长方案
探索大模型技术在搜索、推荐场景的应用，研究AI搜索、生成式推荐、LLM4Rec在综合金融等场景的落地
AI 洞察
优缺点分析
优点
- 大平台：中国平安为跨国巨头，资源丰富，项目影响力大
- 前沿技术：涉及大模型、AI搜索等热门方向，技术积累价值高
- 行业前景：金融和医疗健康是稳定增长的赛道，职业发展空间大
- 工作强度：互联网大厂节奏快，可能需要应对高强度工作
- 技术难度：需要同时掌握传统算法和大模型技术，学习曲线陡峭
- 适合有2-5年算法经验、对搜索推荐和大模型感兴趣、愿意在金融科技领域深耕的工程师
缺点 / 挑战
- 竞争压力：用户增长算法岗位热门，内部竞争激烈
角色解读
- 技术方向：从算法工程师成长为技术专家，深入大模型和推荐系统
- 管理方向：可晋升为技术主管或团队负责人，带领算法团队
- 业务方向：积累金融和医疗行业经验，转型为产品经理或业务专家
- 负责金融和医疗健康产品的用户增长算法，包括搜索推荐、流量运营等
- 与产品、运营团队协作，设计智能化用户增长方案
- 探索大模型技术在搜索推荐场景的应用，推动AI搜索和生成式推荐落地
- 扎实的编程基础，熟悉C++/Java/Python和PyTorch/TensorFlow
- 良好的数据分析和问题解决能力，能独立探索新场景
- 机器学习与深度学习基础，熟悉LR、DNN、Transformer等模型
申请策略
- 关注平安科技在AI领域的布局，面试中展现对金融+AI的理解
- 准备一个完整的项目案例，从问题定义到解决方案和效果评估
- 突出用户增长、搜索推荐相关的项目经验，量化成果（如提升转化率）
- 强调大模型应用经验，如LLM在推荐或搜索中的实践
- 展示编程和算法竞赛获奖，体现代码和数据结构功底
- 补充大模型相关知识，如Transformer、Prompt Engineering
- 学习推荐系统经典算法和评估方法
- 熟悉金融或医疗业务场景，了解行业痛点
面试指南
- STAR法则：描述情境、任务、行动、结果，突出个人贡献和量化指标
- 对比分析：比较不同算法的适用场景，展示技术深度
- 业务导向：将技术方案与业务目标（如用户留存、转化率）关联
- 请介绍一个你负责的用户增长算法项目，包括目标、方法和效果
- 如何用大模型改进推荐系统的冷启动问题？
- LR、DNN、Transformer在推荐场景中各自的优缺点是什么？
- 如何评估用户增长策略的有效性？
- 请解释一下生成式推荐的基本原理
匹配度报告
71
综合匹配度
大厂核心算法岗，前沿技术栈，薪资优厚，但工作强度可能较大。
适合人群
最适合追求技术成长和薪资回报的求职者，对工作生活平衡要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活40
使命价值70
薪资福利匹配
85较高
大厂核心岗位，薪资竞争力强，福利完善，但未明确具体薪资和福利细节。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
90较高
涉及大模型、AI搜索等前沿技术，成长空间大，但未明确晋升路径。
技术前沿前沿/新兴技术
技术栈大模型、AI搜索、生成式推荐、LLM4Rec、Transformer
业务类型profit_center
工作生活匹配
40较低
仅现场办公，未提及弹性工作或WLB，互联网大厂通常工作强度较大。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
金融和医疗健康行业具有社会价值，但职位描述未强调使命感。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs