小红书
用户增长分析师（数科方向）
用户增长分析师（数科方向）
发布于 大约 3 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
学历未注明
数据分析
Ltv建模
实验设计
广告投放
数据分析
用户分层
用户增长
统计学
AI 估算 · 25k–40k
小红书核心增长岗位，需2-3年经验，结合行业及平台薪资水平，预估中位数约32.5K/月。
职位详情
关于这个职位
该职位负责小红书用户增长相关的数据科学工作，包括构建LTV预测模型、设计增量实验、开展用户分层分析等，为广告投放和预算分配提供数据决策支持
适合具备统计学基础和建模经验、对用户增长感兴趣的数据分析师
最低要求
年+数据分析经验，有DS/DA背景
扎实的统计学基础，熟悉建模与实验方法
工作职责
负责小红书用户增长相关的数据科学工作
构建LTV预测模型，支持投放决策与预算分配
设计增量实验方案，搭建效果评估指标体系
开展用户人群洞察与分层分析，挖掘增长机会
优先资格
表达清晰，有广告投放分析经验，熟悉实验设计/模型逻辑
AI 洞察
优缺点分析
优点
- 深入核心业务，与增长团队紧密合作，影响力大
- 使用前沿技术（增量模型、因果推断），技能积累快
- 小红书平台用户基数大，数据场景丰富，成长空间广
- 涉及敏感用户数据，对数据伦理和合规要求高
- 需与多个部门（投放、产品、运营）协调沟通，复杂度高
- 适合具备扎实统计学和数据分析基础、对用户增长有浓厚兴趣、善于从数据中挖掘商业洞察的求职者
缺点 / 挑战
- 增长目标压力大，需要快速产出并验证效果
角色解读
- 在数据科学领域深化，成为增长数据科学家或算法专家
- 转型用户增长策略或产品运营，走向业务负责人角色
- 晋升为数据团队管理者，带领增长分析小组
- 构建LTV预测模型，量化用户生命周期价值，指导广告投放和预算分配
- 设计增量实验（如DID、PSM），评估不同渠道和策略的增长效果
- 开展用户分群与行为洞察，识别高价值用户及增长机会
- 扎实的统计学基础，熟悉回归、聚类、因果推断等建模方法
- 熟练使用SQL进行数据提取，掌握Python或R进行数据分析和建模
- 具备实验设计能力，理解AB测试、DID、PSM等前沿方法论
申请策略
- 投递前了解小红书用户增长的核心指标（DAU、留存、ROI）和产品方向
- 展示对数据驱动增长的理解，可附上相关博客或Kaggle项目
- 突出构建LTV模型或类似预测模型的项目经验，展示量化结果
- 列举实验设计案例（如AB测试、DID），说明如何评估策略效果
- 强调用户分层或用户增长分析相关经历，体现业务思维
- 系统学习因果推断方法（DID、PSM、IV），在GitHub上找实践项目
- 熟悉主流广告投放平台（如巨量引擎、腾讯广告）的数据逻辑
- 练习用Python实现LTV模型，掌握生存分析或RFM模型
面试指南
- 结构清晰：先定义问题，再阐述方法（模型/实验），最后总结业务影响
- 强调量化结果：用数字说明模型的准确率或实验的置信度
- 展示思考深度：提及可能的风险（如样本选择偏差）和应对措施
- 如何构建一个LTV预测模型？你选什么特征和模型？
- 请设计一个实验评估新广告素材的效果，并说明可能遇到的偏差
- 如何识别高价值用户？请给出具体的分群方法和业务落地思路
- 过去的数据分析项目中最有挑战的部分是什么？如何解决的？
- 复习统计学核心概念（回归假设、贝叶斯、因果推断）和常见面试题
职位点评
71
综合评分
小红书核心增长岗位，技术前沿、发展空间大，但工作强度可能较高。
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。
更适合这类人
最适合重视技能成长和前沿技术、愿意接受一定工作压力的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
薪资未在JD中明确，但小红书作为互联网大厂，薪酬竞争力强，且提供五险一金等基础福利。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
85较高
要求扎实统计学基础，涉及LTV建模、增量实验等前沿方法，成长性高。
技术前沿前沿/新兴技术
技术栈LTV预测、增量实验、因果推断、用户分层
业务类型profit_center
工作生活
50较低
仅现场办公，上海办公，未提及弹性工作或远程。互联网行业通常加班较多，但JD未明确说明。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
用户增长是互联网核心赛道，小红书持续增长，对用户行为产生直接影响，但社会影响力中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
小红书 的其他在招职位
相似职位推荐
Watch Jobs