滴滴出行
资深营销算法工程师
资深营销算法工程师
发布于 大约 16 小时前普通员工/个人贡献者
杭州市
高级经验
全职员工
仅现场办公
硕士
软件工程
Ltv预估
Pytorch
Tensorflow
Uplift Model
因果推断
推荐算法
机器学习
用户增长
运筹优化
AI 估算 · 35k–60k
资深算法工程师，技术壁垒高，市场需求大，一线互联网薪资水平。
职位详情
关于这个职位
作为滴滴代驾的资深营销算法工程师，你将主导用户全生命周期营销算法的优化工作，包括用户LTV预估、Uplift建模、智能补贴与定价策略等
你需要运用因果推断和运筹优化技术解决样本稀疏、选择偏差等业界难题，直接驱动GMV与ROI增长，并探索LLM等前沿技术在营销场景的应用
最低要求
计算机、数学、统计学、运筹学等相关专业硕士及以上学历，5年以上推荐、广告、用户增长或智能营销算法经验
具备极强的业务抽象与拆解能力，能够在复杂、模糊的业务诉求下定义核心科学问题，独立设计端到端的算法方案并推动落地，过往有主导千万级DAU产品增长策略者优先
编程功底扎实，精通Python/Java编程语言，熟练使用TensorFlow/PyTorch及Spark/Hive大数据处理框架
在机器学习、因果推断、运筹优化领域有深厚积累，熟悉LTV预估、Uplift Model、运筹规划、多场景建模等技术
工作职责
负责用户全生命周期营销算法优化，包括用户LTV预估、Uplift建模、个性化触达（Push/Email/短信）及智能补贴/定价策略，直接驱动GMV与ROI增长
独立主导营销场景下的算法选型与技术攻坚，解决样本稀疏、选择偏差、延迟反馈等业界难题，特别是在因果推断与运筹优化方向上有深入落地经验
建立营销效果观测与归因分析体系，能够从数据波动中精准定位增长瓶颈，并通过策略迭代验证因果逻辑
跟进业界最新技术（如LLM、图神经网络），探索其在营销场景（如智能外呼、内容推荐）中的应用可行性
优先资格
在KDD、NIPS、ICML、RecSys等顶级会议发表过论文或取得过国际算法竞赛优异名次者优先
AI 洞察
优缺点分析
优点
- 技术前沿：涉及因果推断、运筹优化、LLM等热门方向，技能积累价值高
- 业务影响大：直接驱动GMV和ROI增长，成果可见且受重视
- 平台优势：滴滴为上市巨头，数据量大，算法场景丰富
- 薪资竞争力强：资深岗位薪资优厚，且可能享受股票激励
- 技术难度大，需要深入理解因果推断与运筹优化，持续跟进前沿论文
缺点 / 挑战
- 工作强度较高，互联网大厂节奏快，可能面临较大压力
- 业务目标驱动，需要快速验证策略效果，试错成本较高
- 适合拥有5年以上算法经验、热爱技术挑战、希望在用户增长领域深耕的资深工程师
角色解读
- 在营销算法领域深耕，成为用户增长与因果推断方向的专家
- 向技术管理方向发展，带领团队主导核心策略的研发与创新
- 横向拓展至推荐系统、广告算法等相邻领域，提升综合技术影响力
- 负责用户全生命周期营销算法的优化，包括LTV预估、Uplift建模、个性化触达和智能补贴策略
- 主导因果推断与运筹优化方向的技术攻坚，解决样本稀疏、选择偏差等业界难题
- 建立营销效果归因分析体系，从数据波动中定位增长瓶颈并迭代策略
- 探索LLM、图神经网络等前沿技术在智能外呼、内容推荐中的应用
- 精通机器学习、因果推断与运筹优化算法，熟悉LTV预估和Uplift Model
- 扎实的编程能力，熟练使用Python/Java及TensorFlow/PyTorch、Spark/Hive
- 强大的业务抽象与拆解能力，能独立设计端到端算法方案并推动落地
- 具备大规模用户增长或营销算法实战经验，善于从数据中发现问题
申请策略
- 了解滴滴代驾的业务模式和数据特点，思考如何将现有经验迁移
- 关注滴滴的技术博客或开源项目，面试时展示对公司的兴趣
- 突出用户增长或营销算法的实战项目，尤其是带来显著GMV/ROI提升的案例
- 展示因果推断或运筹优化的应用经验，如Uplift建模、智能补贴等
- 强调编程能力和大数据处理经验，列举使用的具体框架和工具
- 如果有顶会论文或竞赛名次，务必突出
- 系统学习因果推断（如双重差分、工具变量）与运筹优化（如线性规划、MDP）
- 熟悉LLM和GNN的基本原理，准备一些营销场景的应用思路
面试指南
- 使用STAR法则描述项目，重点突出业务挑战、算法方案和量化结果
- 结合具体技术细节论述，如使用逆概率加权或双重稳健估计解决偏差，用survival analysis处理延迟反馈
- 对比不同方法的优缺点，展现技术深度和选择依据
- 请介绍一个你主导的用户增长算法项目，从问题定义到最终效果
- 如何解决营销场景中样本选择偏差和延迟反馈问题？
- 你对Uplift Model的理解是什么？有哪些实际应用？
- 你是如何评估因果效果与相关性的？请举例说明
- 如何将运筹优化应用于智能补贴或定价策略？
职位点评
76
综合评分
滴滴代驾资深算法岗，前沿技术、高薪、WLB一般。
更适合这类人
最适合追求技术成长和高薪回报、能够接受高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展90
工作生活60
使命价值70
薪资福利
85较高
该职位薪资水平偏高，作为资深专家在一线互联网公司，薪酬具有竞争力，但JD中未明确福利，故略有保留。
薪资信号偏高 (35K-60K/月)
成长发展
90较高
该职位技术前沿，涉及因果推断、运筹优化和LLM等，成长空间大，但未提及正式晋升通道。
技术前沿前沿/新兴技术
技术栈机器学习、因果推断、运筹优化、LTV预估、Uplift Model、TensorFlow、PyTorch、Spark、Hive、LLM、图神经网络
业务类型profit_center
工作生活
60中等
工作地点为杭州，未提及远程或弹性办公，默认现场办公，WLB信息不明确。
工作模式仅现场办公
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
70中等
属于出行行业，高速增长，但社会影响力相对中性，创新程度较高。
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
Watch Jobs