传音
AI产品经理（推荐）(J20191)
AI产品经理（推荐）(J20191)
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公AI产品经理
AI产品经理
Ai助手
Rlhf
个性化推荐
大语言模型
推荐算法
数据分析
用户画像
值不值得投
76综合评分
综合评分 76
核心AI推荐产品岗，技术栈前沿且成长空间大，商业化导向明确，但工作强度与多线程压力较高。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
与AI产品经理中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 700 个在招 · 其中AI产品经理 18 个
市场机会
选择适中
深圳 · AI产品经理 · 50 个在招
职位详情
关于这个职位
该职位负责传音推荐系统的代际演进与架构规划，主导基于大模型和长短期记忆系统的个性化推荐及AI助手对话推荐产品设计
你需要深入理解推荐算法全流程，结合设备端传感数据与用户画像，实现跨应用的主动意图感知与任务闭环，对推荐效果和用户增长负责
最低要求
具备3年以上互联网产品经验，3年以上个性化推荐、搜索或AI算法产品领域经验
有极强的用户共情能力，能够区分“用户想要的”和“用户真正需要的”，在商业化目标与用户体验之间达成精妙平衡
具备极强的数据敏感度和数据驱动思维，熟练使用数据分析工具，能通过数据挖掘用户需求、评估产品效果，推动产品迭代
深入理解个性化推荐算法基础，熟悉推荐系统的召回、排序、过滤全流程，能与算法团队高效协同，清晰拆解业务需求为技术可执行方案，对RLHF在推荐领域的应用有实际落地经验
具备优秀的跨团队沟通协调能力、逻辑思维能力和问题解决能力，能推动复杂项目落地，应对多线程工作压力
对AI技术和个性化推荐领域有强烈的兴趣和探索欲，具备敏锐的行业洞察力和创新意识，能快速跟进技术前沿与行业趋势
工作职责
战略演进与架构规划：负责推荐系统从“被动信息匹配”向“主动意图感知与任务闭环”的代际演进规划
主导构建基于长短期记忆中心与全场景上下文的个性化架构蓝图
推荐体系建设：主导用户画像与兴趣建模，负责AI助手对话推荐、主动建议等场景的个性化推荐算法逻辑设计，对用户增长、满意度等核心指标负责，并从海量数据中洞察用户未被满足的需求
场景化感知：在合规框架下结合设备端传感数据，定义并挖掘用户多维标签，构建长短期记忆系统，实现跨应用的深度理解，设计主动服务触发机制，确保推荐的“恰逢其时”
大模型增强推荐：探索大语言模型在推荐解释性、零样本推荐及复杂意图拆解中的应用，提升推荐内容的准确性与丰富度
优先资格
有手机端AI助手/智能语音助手及个性化推荐方向核心项目主导经验优先
AI 洞察
优缺点分析
优点
- 处于AI大模型与推荐系统结合的前沿领域，技术壁垒高，个人能力成长空间大
- 负责核心业务指标（用户增长、满意度），容易产出高价值业绩
- 传音在出海和智能终端领域有庞大用户基数，数据场景丰富
- 需要平衡商业化目标与用户体验，决策难度大
- 跨团队协同算法、工程、业务多方，沟通与推动落地的复杂度高
- 适合具备扎实推荐算法产品经验、对大模型技术有浓厚兴趣，且能在复杂业务场景中平衡商业与体验的资深产品人才
缺点 / 挑战
- 涉及大模型、长短期记忆等前沿技术，技术迭代快，学习压力大
角色解读
- 从AI产品经理向AI产品专家或推荐业务线负责人发展
- 未来可转型为AI商业化产品总监或智能终端AI生态架构师
- 规划推荐系统架构，推动其从被动匹配向主动意图感知演进
- 设计AI助手对话推荐和主动建议的个性化算法逻辑
- 探索大模型在推荐解释性和零样本推荐中的应用
- 深入理解推荐系统全流程（召回、排序、过滤）及RLHF落地经验
- 极强的数据驱动思维与数据分析工具使用能力
- 出色的跨团队协同与复杂项目推动能力
申请策略
- 提前体验传音旗下手机（如TECNO, Infinix, Itel）的AI助手和推荐功能，准备针对性的优化建议
- 了解传音在新兴市场的本地化策略，思考推荐系统如何适应不同文化背景的用户
- 突出主导过的个性化推荐或AI助手核心项目，量化用户增长和满意度提升指标
- 展示对推荐算法（召回/排序）及RLHF的实际理解和落地经验
- 强调数据驱动决策和跨团队推动复杂项目落地的案例
- 深入学习大语言模型（LLM）在推荐系统中的应用（如零样本推荐、意图拆解）
- 提升对设备端传感数据及端侧AI模型的理解
- 强化商业化变现与用户体验平衡的策略设计能力
面试指南
- STAR法则：针对项目经验，按照情境、任务、行动、结果来结构化回答，重点突出数据指标的提升
- 业务与技术结合：在回答算法相关问题时，先讲业务目标，再讲技术实现逻辑，最后讲产品策略
- 用户视角：始终从“用户真正需要什么”出发，展示共情能力和对场景的深度理解
- 请分享一个你主导的个性化推荐或AI助手项目，你是如何平衡商业化目标与用户体验的？
- 推荐系统的召回、排序、过滤全流程中，你认为产品经理最应该关注哪些核心指标？如何与算法团队高效协同？
- 你如何看待大语言模型（LLM）在推荐系统中的应用？请举例说明RLHF在推荐领域的落地经验
- 如果设备端传感数据与用户云端行为数据产生冲突，你如何设计长短期记忆系统来融合这些数据？
- 复习推荐系统经典算法原理及最新大模型在推荐中的应用论文
职位点评
薪资福利80
成长发展90
工作生活50
使命价值75
薪资福利
80较高
岗位属于核心AI产品岗，技术壁垒高，薪资在深沪两地具有较强竞争力，但JD未明确披露具体薪资和福利细节。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
岗位涉及大模型、长短期记忆、主动意图感知等前沿技术，技术栈非常新，且负责核心架构演进，个人技术视野和产品能力能得到极大提升。
技术前沿前沿/新兴技术
技术栈大语言模型、RLHF、个性化推荐、长短期记忆系统、用户画像、意图感知
业务类型profit_center
工作生活
50较低
JD未提及工作模式和WLB相关信息，但作为核心AI产品岗且要求应对多线程工作压力，推测工作节奏较快。
工作模式未明确
办公地点未明确
加班情况JD含高强度暗示词
使命价值
75中等
推动推荐系统向主动意图感知演进，提升用户体验，具有较好的产品创新价值，但主要服务于商业化和用户增长，社会影响力中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs