
高德-用户增长算法专家-信息业务
发布于 6 小时前普通员工/个人贡献者
值不值得投
综合评分 76
亿级用户增长算法专家岗,前沿AI技术密集、发展空间强,WLB信息未明确
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。
薪资怎么样
8.0万
比用户增长中位数高
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 380 个在招
市场机会
选择适中
北京 · 用户增长 · 32 个在招
职位详情
关于这个职位
该职位面向高德信息业务的用户增长算法体系建设,围绕激活、留存、活跃频次、召回等全生命周期进行建模与策略优化
最低要求
研究生及以上学历,计算机、统计学、数学、数据挖掘等相关专业
工作职责
增长机制与策略建模:深入理解用户增长的核心机制(激活—留存—活跃频次—召回全生命周期),主导亿级用户规模的增长算法体系建设,包括但不限于:用户价值分层与 LTV/长期价值建模、用户流失预警与召回人群放大(Lookalike)、Push/消息等触达渠道的择机决策与疲劳度控制、新用户冷启动与成长路径建模,持续提升用户规模、活跃频次与留存质量
优先资格
熟悉 LLM/Agent 技术栈(Prompt 工程、RAG、Function Calling、多智能体编排),对用 LLM/Deep Research 构建自动化分析与研究闭环(AutoResearch)有实际探索或落地经验者优先
AI 洞察
优缺点分析
优点
- 岗位处于用户增长与LLM/Agent结合的前沿方向,能够积累AI for Growth、AutoResearch、RAG策略库等稀缺实践经验
- 业务场景覆盖亿级用户规模,算法策略的影响面大,适合希望做高价值增长算法的人
- 技术栈丰富,涵盖生命周期建模、实验科学、搜广推、大模型、强化学习和生成式推荐,成长空间较大
- 与产品、运营、数据团队协同紧密,能够提升从业务洞察到算法落地的完整闭环能力
- AutoResearch属于前沿探索方向,落地过程中可能面临数据质量、系统稳定性、业务接受度等不确定性
- 适合有用户增长、推荐算法、实验科学或大模型应用经验,并希望在亿级用户业务中做前沿算法落地的资深算法人才
缺点 / 挑战
- 岗位要求跨度大,既要懂增长业务和实验科学,也要掌握大模型Agent与大规模算法工程,能力门槛较高
- 增长策略直接关联用户规模、活跃和留存指标,结果导向强,需要持续面对实验验证、归因和策略迭代压力
角色解读
- 纵向可成长为增长算法方向的技术专家或资深算法专家,负责更大规模、更复杂的增长策略体系与智能化研究闭环
- 横向可拓展到推荐算法、数据科学、实验科学、AI Agent应用、用户增长产品策略等方向,形成业务与技术复合能力
- 长期可向算法架构负责人、增长技术负责人或业务策略负责人发展,主导增长算法体系、实验平台与AI驱动工作流的整体建设
- 负责用户全生命周期增长算法建模,包括用户分层、LTV、流失预警、召回人群放大、冷启动和成长路径建模,直接服务用户规模、活跃和留存目标
- 设计Push、消息等触达渠道的择机决策和疲劳度控制策略,通过实验和因果推断验证策略效果,持续优化增长效率
- 构建LLM/Agent驱动的AutoResearch体系,让系统能够自动做多源数据分析、假设生成、实验验证、归因复盘和策略知识沉淀
- 跟进大模型、强化学习、生成式推荐、用户行为序列建模等前沿方向,并推动其在增长场景中的业务落地
- 需要具备扎实的算法与工程能力,精通至少一门主流编程语言,并熟悉TensorFlow、PyTorch、Spark、HiveSQL等框架和大规模数据处理工具
- 需要深入理解用户增长机制,掌握LTV建模、流失预警、用户分层、冷启动、A/B实验、因果推断和HTE分析等方法
- 需要具备LLM/Agent技术栈经验,包括Prompt工程、RAG、Function Calling、多智能体编排,以及用大模型构建自动化分析闭环的意识
- 需要较强的业务抽象和跨团队协作能力,能把模糊增长问题转化为可实验、可度量的算法问题,并与产品、运营、数据团队共同推动落地
申请策略
- 面试前建议重点了解高德地图信息业务的增长场景,思考地图类产品在激活、留存、活跃频次和召回上的特殊问题
- 申请时尽量用“业务问题—算法建模—实验设计—上线效果—复盘沉淀”的结构表达项目,体现端到端闭环能力
- 突出与用户增长直接相关的项目,如LTV建模、流失预警、召回人群放大、Push触达优化、新用户冷启动等,并写明业务指标提升
- 强化实验与因果推断能力,展示A/B实验设计、HTE异质性分析、归因复盘等经验,说明如何保证策略结论可靠
- 重点呈现LLM/Agent落地经历,尤其是Prompt工程、RAG、Function Calling、多智能体编排、自动化分析或报告生成等实践
- 补充大规模数据处理和工程能力,包括Python/Java/C++、TensorFlow/PyTorch、Spark、HiveSQL,以及亿级数据或高并发场景经验
- 可提前准备LLM驱动增长分析的案例,例如用Agent完成数据洞察、假设生成、实验设计、结果归因和策略复盘的全流程
- 加强对因果推断、实验科学、HTE分析和增长指标体系的梳理,形成可讲清楚的方法论
面试指南
- 项目类问题采用“背景目标—数据特征—模型/策略设计—实验方案—上线结果—复盘沉淀”的结构回答,并尽量量化业务影响
- 方案设计类问题先明确业务目标和约束条件,再拆解为指标定义、数据链路、建模方法、实验验证、风险控制和迭代机制
- 前沿技术类问题建议从“现有痛点—LLM/Agent能力边界—系统架构—人工决策环节—效果评估指标”展开,避免只讲概念
- 请介绍一个你主导的用户增长算法项目,如何定义目标指标、建模、实验并验证业务效果?
- 如何构建LTV模型或流失预警模型?如何处理样本偏差、时间窗口和数据稀疏问题?
- 在Push触达策略中,如何做择机决策和疲劳度控制?如何平衡短期点击与长期留存?
- 请设计一个LLM/Agent驱动的AutoResearch系统,如何实现多源数据分析、假设生成、实验验证和策略复盘?
- 如何评价A/B实验结果中的异质性效果?因果推断在实际增长策略中有哪些常见坑?
职位点评
薪资福利
该职位为专家级算法岗,要求高、技术栈稀缺,通常对应较好的薪资竞争力;但JD未披露具体薪资和福利信息,稳定性与福利细节无法进一步判断。
成长发展
岗位明确涉及LLM/Agent、AutoResearch、强化学习、生成式推荐等前沿方向,并要求主导增长算法体系建设,技能成长和技术纵深空间很强。JD还提到跟进学术界与工业界最新进展并推动落地,发展性动机匹配度高。
工作生活
JD仅明确工作地点为北京,未提及远程、混合办公、弹性工时、双休或加班情况,因此生活化动机只能基于地点和岗位复杂度做有限判断。整体办公灵活性与WLB信息不足。
使命价值
岗位聚焦用户增长、活跃频次和留存质量提升,对产品增长和业务价值有直接贡献;同时探索AI驱动增长工作流,具有一定创新意义。但JD未明确表达社会价值或使命导向,意义感主要来自业务增长和技术创新。
高德地图 的其他在招职位