Auchan logo
欧尚
AI算法工程师(优惠券投放)

AI算法工程师(优惠券投放)

发布于 2 个月前

普通员工/个人贡献者

AI 估算 · 2.5–4.0万 · AI 参考估算
中级经验
硕士
全职员工仅现场办公算法优化工程师
算法优化工程师
A/B测试
Maxcompute
Uplift模型
机器学习
运筹优化

值不值得投

73综合评分

综合评分 73

大型零售企业核心算法岗,业务场景丰富、数据量大,侧重营销算法与ROI优化,适合注重技术成长与业务赋能的求职者。

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

3.3万

比算法优化工程师中位数低

发布情况

长期在招 · 54 天前发布

公司情况

这家公司招聘很活跃

25 个在招 · 其中算法优化工程师 2 个

市场机会

选择面较广

上海 · 算法优化工程师 · 约 210 个在招

职位详情

关于这个职位

该职位主要负责大润发优惠券线上智能投放算法的研发与落地,通过结合AI算法与经济学机制,运用uplift模型、机器学习及运筹优化等技术构建智能化投放策略

你需要持续跟踪A/B测试并迭代模型,以优化ROI并实现会员的增长与留存

最低要求

研究生及以上学历,计算机/数学/人工智能/统计专业

熟悉MaxComputer/Hive/Hbase/Spark以及大数据的处理
熟悉Python/Shell以及相关模块的使用
熟悉uplift模型、运筹优化、机器学习等领域的算法理论和应用,有较强的数学建模能力

工作职责

负责大润发优惠券线上智能投放算法的研发与落地,跟踪A/B测试和线上效果,对模型进行持续迭代与效果归因

结合AI算法和经济学等机制,探索使用uplift模型、机器学习、运筹优化等模型,构建优惠券智能化投放策略,不断优化ROI,实现会员增长和留存

优先资格

有2年以上相关工作经验优先

有用户增长、优惠券智能投放等领域经验者优先
对AB测试设计、实验分析有实际项目经验者优先

AI 洞察

优缺点分析

优点

  • 依托大型零售企业,拥有海量真实的用户交易数据,为算法落地和模型迭代提供绝佳土壤
  • 业务场景明确(优惠券投放),ROI优化效果可直接衡量,成就感强
  • 线上效果受多种外部因素影响,模型归因和持续优化的难度较大
  • 适合对智能营销、用户增长感兴趣,具备扎实数学建模能力且希望将算法应用于实际商业变现的求职者

缺点 / 挑战

  • 零售行业的算法落地需要深入理解业务逻辑与经济学机制,对业务理解要求较高

角色解读

  • 从算法工程师向资深算法专家或算法团队负责人发展
  • 深入零售数字化与智能营销领域,成为业务与技术的复合型专家
  • 负责大润发优惠券智能投放算法的研发,将AI技术与经济学机制结合,设计并优化投放策略
  • 通过A/B测试跟踪线上效果,持续迭代模型以提升ROI和会员留存
  • 扎实的机器学习与运筹优化理论基础,熟练掌握Uplift模型等营销算法
  • 具备大数据处理能力(Spark/Hive等)及Python/Shell编程能力

申请策略

  • 了解大润发及高鑫零售近期的数字化转型战略,面试时可结合其实际业务场景(如线上线下融合)提出算法优化思路
  • 重点突出在Uplift模型、运筹优化或推荐/营销算法方面的实际项目经验
  • 展示过往项目中通过A/B测试提升ROI或用户增长的具体数据指标
  • 深入了解零售行业的优惠券发放逻辑与营销经济学原理
  • 复习并强化大数据处理框架(如Spark)的底层原理与性能调优

面试指南

  • 采用STAR法则回答项目经验,重点突出业务背景、技术方案(如模型选择、特征设计)、A/B测试设计及最终的业务收益(ROI提升、转化率等)
  • 对于开放性问题,结合业务逻辑与算法原理进行结构化拆解,展现对零售营销场景的深度思考
  • 请详细介绍一个你主导过的Uplift模型或营销算法项目,遇到了哪些挑战?
  • 在优惠券投放场景中,如何设计A/B测试来准确评估算法的增量效果?
  • 如何处理大数据环境下的特征工程,以提升模型的训练效率和效果?
  • 结合经济学机制,你认为除了价格补贴,还有哪些因素会影响用户的优惠券核销率?
  • 准备1-2个深度的算法项目案例,能够清晰画出系统架构图和模型流程图
  • 提前了解大润发App或小程序的优惠券玩法,思考现有玩法的算法优化空间

职位点评

薪资福利75
成长发展80
工作生活60
使命价值70

薪资福利

75中等

职位位于上海,要求硕士及2年经验,薪资估算处于市场中上水平,依托大型零售企业,整体薪酬福利具备一定竞争力。

薪资信号未披露(AI估算:2.5千–4.0万/月)

成长发展

80较高

岗位涉及前沿AI技术在零售业务中的落地,能接触到海量真实业务数据,对提升算法工程化和业务理解能力有极大帮助。

技术前沿主流现代技术
技术栈Python、MaxCompute、Hive、HBase、Spark、Uplift模型、运筹优化、机器学习、A/B测试
业务类型profit_center

工作生活

60中等

JD未明确提及工作模式与加班情况,但作为核心算法部门且涉及线上效果跟踪,可能需要一定的业务响应时间。

工作模式未明确
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

70中等

零售数字化是传统行业转型的重要方向,通过AI技术提升零售效率、优化消费者体验,具有一定的社会与商业价值。

行业发展稳定成熟行业
社会影响中性/一般
使命信号驱动零售业务革新
创新程度积极采用新技术
Watch Jobs