TikTok
机器学习工程师（策略算法方向）-TikTok Shop
机器学习工程师（策略算法方向）-TikTok Shop
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Gbdt
Pytorch
Tensorflow
Uplift建模
因果推断
大语言模型
特征工程
运筹优化
值不值得投
75综合评分
综合评分 75
TikTok Shop核心策略算法岗，技术栈前沿、业务价值高，适合追求技术成长与商业影响力的候选人。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
12 个在招
市场机会
选择面较广
北京 · 机器学习工程 · 约 460 个在招
职位详情
关于这个职位
该职位负责TikTok Shop东南亚电商业务的策略算法建设，涵盖智能经营、商家营销及商城玩法等核心方向
你将运用因果推断、Uplift建模及大模型等前沿技术，驱动平台GMV增长与补贴效率提升，实现从问题定义到线上收益归因的端到端闭环
最低要求
本科及以上学历，计算机、统计、数学、运筹或数据挖掘等相关专业
具备海量原始数据上的特征工程经验，例如商家、商品、用户或交易行为的画像构建
扎实的数据结构与算法基础，熟练掌握并有实际落地经验的机器学习模型，如GBDT、逻辑回归、聚类等
良好的工程能力，熟练使用Python、Spark及TensorFlow/PyTorch等深度学习框架
结果导向、业务导向，具备主动学习意愿和跨团队协作推动能力，能在复杂多变的国际化业务环境中独立拆解问题
工作职责
面向东南亚电商的商家侧与平台侧增长，通过自动化、规模化、个性化、实时化的算法决策驱动GMV Uplift与补贴钱效（mROAS）提升
负责智能经营方向的算法建设：基于有监督学习的选品预测与商品潜力评估、基于因果推断与价格弹性建模的商品定价、基于LLMs的商家经营诊断与动作建议生成，以及联盟撮合（达人与商品的双边匹配、佣金率建议与带货效果预估），推动平台从「引导商家用工具」转向「平台托管商家经营」
负责商家营销方向的算法建设：动态佣金机制设计、千人千券的个性化补贴分配、营销工具推荐与营销诊断，在预算与ROI约束下实现平台GMV、平台收入与商家GMV的多目标平衡
负责商城玩法方向的算法建设：砍价裂变、多人团、砸金蛋、Bonus与会员券包等玩法的数值策略寻优、激励任务设计与人群/商品圈选，把依赖运营经验的规则策略升级为可持续产生增量的自动化能力
综合运用因果推断、Uplift建模、约束优化、时间序列预测与表征学习等方法，完成从问题定义、策略设计、AB实验设计到线上收益归因的端到端闭环
沉淀可复用的通用解决方案与算法框架，在单一区域打透后快速适配并复制到东南亚多个国家与品类，与产品、运营、数据智能DS及算法工程团队紧密协作推动落地
优先资格
有因果推断、Uplift建模、价格弹性、运筹优化或强化学习相关经验
具备严谨的实验设计与收益归因意识
熟悉电商相关领域，如LLMs与Agent应用、营销与补贴、搜索/广告/个性化推荐、供给增长等方向
AI 洞察
优缺点分析
优点
- 核心业务方向，直接驱动GMV与收入增长，业务价值与影响力大
- 技术栈前沿，涵盖大模型、因果推断等，能积累深厚的策略算法经验
- 对业务理解要求高，需在预算与ROI等多目标约束下寻找最优解，平衡技术与业务
- 具备扎实算法基础与丰富落地经验，对电商业务有浓厚兴趣，且能在复杂业务环境中独立拆解问题的算法工程师
缺点 / 挑战
- 国际化业务环境复杂，需应对多国市场与品类的差异化挑战
角色解读
- 可向资深算法专家方向发展，深耕电商策略与商业化算法
- 也可转向算法团队管理，负责整体业务线的技术规划与团队搭建
- 负责TikTok Shop东南亚电商业务的策略算法建设，涵盖智能经营、商家营销及商城玩法等核心方向
- 运用因果推断、Uplift建模及大模型等技术，驱动平台GMV增长与补贴效率提升，实现端到端的算法闭环
- 扎实的机器学习基础与海量数据特征工程能力，熟练使用Python、Spark及深度学习框架
- 具备因果推断、运筹优化或强化学习等高级算法经验，以及严谨的实验设计与收益归因能力
申请策略
- 准备具体的AB实验设计与收益归因案例，展示如何通过算法解决实际业务问题
- 关注TikTok Shop近期的产品动态与营销策略，体现对业务的深刻理解
- 突出在因果推断、Uplift建模或运筹优化等高级算法上的实际落地项目与业务收益
- 展示海量数据特征工程经验及端到端闭环能力，强调跨团队协作与业务导向思维
- 深入学习大语言模型（LLMs）与Agent在电商场景的应用，补充强化学习或价格弹性建模知识
- 了解东南亚电商市场特点及TikTok Shop的业务逻辑
面试指南
- STAR法则：情境（业务背景与痛点）、任务（目标与约束）、行动（算法设计、实验设计与工程实现）、结果（业务收益与归因分析）
- 强调业务导向与端到端闭环思维
- 请详细介绍一个你主导的因果推断或Uplift建模项目，如何设计实验并归因收益？
- 在预算与ROI约束下，如何设计个性化补贴分配算法实现多目标平衡？
- 如何将依赖运营经验的规则策略升级为自动化算法能力？
- 在海量数据下，如何进行高效的特征工程与模型训练？
- 面对东南亚多国市场的差异，如何设计可复用的通用算法框架？
- 复习因果推断、Uplift建模、约束优化等核心理论，准备2-3个深度参与且取得显著业务收益的项目案例
职位点评
薪资福利85
成长发展90
工作生活40
使命价值75
薪资福利
85较高
核心策略算法岗，技术门槛高，薪资处于市场高位，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
90较高
涉及大模型、因果推断等前沿技术，直接参与核心业务增长，技术深度与业务广度兼具，成长空间巨大。
技术前沿前沿/新兴技术
技术栈Python、Spark、TensorFlow、PyTorch、GBDT、因果推断、Uplift建模、LLMs、Agent、强化学习
业务类型profit_center
工作生活
40较低
JD未提及工作模式与WLB相关信息，且核心业务算法岗通常面临较高的业务压力与快节奏。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
推动东南亚电商发展，赋能商家经营，具有一定的商业价值与社会连接，但主要目标仍是商业增长。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
TikTok 的其他在招职位
相似职位推荐
Watch Jobs