用户增长算法工程师

优缺点分析

角色解读

• 在算法领域深耕，成为推荐系统或用户增长方向的技术专家
• 向AI架构师或科学家发展，主导前沿技术落地
• 横向理解综合金融业务，晋升为技术管理者或产品负责人
• 设计并优化金融和医疗健康产品的用户增长算法，包括搜索、推荐和流量运营
• 与产品、运营团队协作，针对不同业务场景定制智能化增长方案
• 探索大模型（如LLM）在搜索推荐中的应用，推动AI搜索和生成式推荐落地
• 扎实的编程能力，精通C++/Java/Python，熟练使用PyTorch或TensorFlow
• 较强的数据分析能力，能独立解决新问题，具备系统级思维
• 深厚的机器学习基础，熟悉LR、DNN、Transformer等模型原理

申请策略

• 关注平安在金融科技的战略定位，面试中强调对用户增长业务的理解
• 提前准备一个可落地的算法方案，展示创新思维
• 突出推荐系统或用户增长相关的项目经验，特别是实际落地效果
• 强调大模型应用经历，如LLM在搜索推荐中的尝试
• 展示数据处理和系统设计能力，体现独立解决问题的能力
• 深入学习Transformer和LLM原理，掌握Prompt工程和RAG技术
• 了解金融保险业务知识，熟悉用户增长核心指标（如LTV、CAC）

面试指南

• 技术问题采用STAR法则：情境、任务、行动、结果，突出思考过程
• 开放性问题从数据、模型、业务三个层面分层回答，展示系统性
• 请介绍一个你负责的推荐系统项目，如何提升用户留存或转化？
• 大模型在推荐场景的应用方向有哪些？你认为落地难点是什么？
• 如何设计金融产品的冷启动推荐策略？
• 在用户增长中，如何平衡短期转化和长期价值？
• 假设要优化保险产品的推荐，你会如何设计AB实验？
• 复习推荐系统经典模型（如DIN、DIEN）和CTR预估方法