字节跳动
用户增长算法工程师（达人方向）-Data
用户增长算法工程师（达人方向）-Data
发布于 大约 1 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
学历未注明
机器学习工程
Hive Sql
Llm
Uplift建模
因果推断
整数规划
用户增长
AI 估算 · 30k–60k
字节核心增长业务，算法岗薪资竞争力强，月薪3-6万，年包约15薪。
职位详情
关于这个职位
字节跳动用户增长算法工程师（达人方向）岗位，负责建设智能补贴算法、达人分级与潜力预估、因果诊断及智能Agent等核心系统，运用Uplift建模、因果推断、LLM等技术驱动电商达人成长
加入后你将在海量数据上打磨算法，参与业务策略制定，快速积累增长算法实战经验
最低要求
熟悉常用的算法模型，对模型调优有一定实践经验
对以下任一方向有相关经验，熟悉相关的算法技术：
）用户增长：熟悉Uplift建模与评估方法
了解因果推断，整数规划/线性规划等运筹算法
）搜索推荐：了解主流深度学习建模技术方向，包含但不限于多场景/多任务、长序列、特征交叉、图网络等方向，了解召回/粗排/精排等流程
）广告投放：熟悉深度转化建模与评估，预算调控Pacing机制
了解强化学习出价建模方式更佳
）LLM模型：对LLM相关知识有一定了解，理解大模型核心技术（模型结构、数据构成、训练Recipe等），包括但不限于后训练、RAG、Agent框架建设等
熟悉至少一门编程语言（C++/Java/Python），熟悉至少一种大数据计算工具（Hive SQL/Spark/MapReduce），熟悉Linux开发环境
善于沟通，良好的团队合作精神
对新技术充满好奇，能够持续学习
工作职责
建设智能补贴算法流程，结合流量、折扣券、现金等不同形式在各环节对达人进行激励与扶持，同时设计并优化达人任务系统与后链路的流量扶持与转化补贴，确保任务内容能够有效引导达人快速成长，提升达人短期行为积极性与表现，撬动长期价值增长
达人分级体系与潜力预估建设，通过潜力建模、LTV预估、体系及评分机制的建设，挖掘潜在的达人电商机会，建立并丰富高潜力作者的候选集合
以数据驱动的方式评估达人在电商内容生产中的表现
通过透明的评价标准，激励达人积极参与并持续贡献高质量内容
达人诊断框架建设，结合Causal Inference进行因子挖掘、Ranking及方案关联，持续引导达人健康迅速成长
围绕达人全生命周期构建智能Agent，通过后训练、Agent框架搭建，完善Agent多轮对话、场景遵循、Tool调用等核心能力，实现选品、创作等核心流程自动化决策和反馈，提升达人成长体验
AI 洞察
优缺点分析
优点
- 用户增长是电商核心，业务影响力大，个人价值体现明显
- 技术栈前沿，涉及Uplift、LLM Agent等，学习机会多
- 薪酬福利在业界有竞争力
- 算法工程落地复杂，需要跨团队协作，沟通成本高
- 技术快速迭代，需要持续学习，保持竞争力
- 适合对用户增长和电商算法感兴趣，具备扎实算法功底且能适应快节奏的工程师
缺点 / 挑战
- 字节跳动平台大，数据资源丰富，算法在核心业务上挑战性高
- 业务节奏快，工作强度大，可能需要承受较大的KPI压力
角色解读
- 在算法工程方向深耕，从初级算法工程师成长为高级专家或技术Leader
- 用户增长方向可拓展到业务策略、产品运营等复合型路径
- 公司内部有横向转岗机会，如推荐、广告、搜索等领域
- 负责达人侧智能补贴算法与任务系统的设计与优化，通过流量、券、现金等手段激励达人成长
- 构建达人分级与潜力预估模型，利用Uplift、LTV预估等识别高价值达人并丰富候选池
- 搭建达人诊断框架，结合因果推断进行因子挖掘和方案关联，指导达人健康发展
- 围绕达人全生命周期建设智能Agent，提升多轮对话、工具调用等能力，实现选品创作自动化
- 扎实的算法基础，熟悉Uplift建模、因果推断或运筹优化等技术
- 精通至少一门编程语言（C++/Java/Python），熟悉大数据工具如Hive SQL/Spark/MapReduce
- 对深度学习或LLM有实践经验，了解Agent框架、RAG等
- 良好的沟通能力和持续学习的热情
申请策略
- 了解字节跳动电商达人生态，思考当前业务痛点
- 在面试中展示对用户增长指标和实验评估的理解
- 突出用户增长相关的项目经验，如补贴策略、潜力预估、因果推断等
- 强调在业务中实际落地过的算法模型和效果提升数据
- 展示编程能力和大数据处理经验
- 如有LLM或Agent相关项目，重点突出
- 复习Uplift建模和因果推断常用方法，如元学习、倾向得分等
- 熟悉LLM Agent框架，如LangChain、CoT、ReAct模式
面试指南
- 用STAR法则回答项目经历，突出目标、方案、结果和反思
- 对于策略设计问题，先澄清约束条件，再给出分步方案，包括评估指标
- 对模型问题，强调特征工程、模型选型、离线评估和线上A/B测试闭环
- 请介绍一个你做过与用户增长相关的算法项目，如何评估效果？
- 如何设计一个预算有限的补贴策略，最大化达人ROI？
- 你了解哪些因果推断方法？在什么场景下使用？
- 如何搭建一个达人潜力预测模型？特征和标签怎么定义？
- 你对LLM Agent有什么理解？如何应用到达人成长中？
职位点评
70
综合评分
核心增长算法岗，技术前沿，薪资高，但工作强度大，WLB较弱。
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。
更适合这类人
适合追求技术成长和薪资回报，能够接受高强度工作的算法工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活40
使命价值60
薪资福利
75中等
薪资水平高，福利完善，但工作强度大，补偿性满足较好。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
技术栈前沿，业务核心，成长空间大。
技术前沿前沿/新兴技术
技术栈Uplift建模、因果推断、LLM、Agent、深度学习、Spark、Hive SQL
业务类型profit_center
工作生活
40较低
需要现场办公，字节工作节奏快，WLB较差。
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
60中等
行业增长快，但社会意义中性。
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
字节跳动 的其他在招职位
相似职位推荐
Watch Jobs