增长算法工程师（补贴策略方向）（J100442）

优缺点分析

角色解读

• 在增长算法方向深耕，成为补贴策略领域的专家，负责更核心的业务增长
• 向技术管理方向发展，带领团队构建增长中台或策略平台
• 横向拓展到推荐、广告等其他算法领域，积累多元业务经验
• 设计并优化百度地图加油充电业务的用户增长补贴策略，构建用户分层和定向补贴模型
• 通过A/B实验和因果推断方法评估补贴效果，提升转化率、留存和ROI
• 探索强化学习、Uplift Modeling等前沿技术，自动化补贴分配决策
• 与产品、运营、工程团队协作，将业务问题转化为算法方案并推动上线
• 扎实的机器学习基础，熟悉LR、GBDT、DNN等模型及特征工程
• 熟练因果推断方法（如DRCFR、因果森林）和Uplift Modeling
• 至少精通一门编程语言（Go/Python/Java/C++），具备工程实现能力
• 熟悉SQL、Hive、Spark等数据处理工具，具备大数据分析能力

申请策略

• 在简历和面试中强调你如何将算法策略落地并产生业务收益，用数据说话
• 了解百度地图加油充电业务的现状和竞争格局，思考可能的优化方向，展现你的主动性
• 突出过往在增长、推荐或广告领域的项目经验，特别是涉及补贴、营销策略优化的成果
• 详细描述你使用因果推断或Uplift Modeling的实际案例，包括实验设计、评估方法和增量效果
• 强调编程能力和工程实现能力，展示你参与过的在线策略系统或实时特征处理项目
• 列出你处理过的大数据规模、使用的工具（Spark、Hive等）以及优化效果
• 深入学习因果推断的理论和实践，尤其是Uplift Modeling和增量评估方法
• 熟悉百度常用的技术栈（如PaddlePaddle、A/B实验平台），可通过公开资料或开源项目学习

面试指南

• 对于策略设计类问题，先明确目标（如ROI、增量），再提出用户分层、补贴方案、评估指标，最后强调实验验证
• 对于因果推断问题，先区分关联与因果，再介绍方法（如DID、DRCFR），并说明假设和局限性
• 对于优化类问题，将问题形式化为带约束的优化目标，考虑预算分配、边际效应等，可使用强化学习或线性规划
• 请设计一个针对新用户的补贴策略，如何评估其效果？
• 解释Uplift Model和传统响应模型的区别，适用场景是什么？
• 如何解决A/B实验中的溢出效应？请举例
• 你过去使用因果推断解决的一个实际业务问题，详细描述过程
• 给定成本约束，如何优化补贴分配以最大化增量订单？