欧尚
产品经理（数智门店-陈列/资源位）
产品经理（数智门店-陈列/资源位）
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公产品经理
产品经理
产品规划
优化算法
商品陈列
大模型
数据分析
门店营运
零售数字化
值不值得投
薪资怎么样
3.2万
比产品经理中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
23 个在招 · 其中产品经理 7 个
市场机会
选择面较广
上海 · 产品经理 · 约 550 个在招
职位详情
关于这个职位
负责商超门店陈列与资源位（货架、端架、堆头、促销位）相关产品的规划与设计，把门店空间资源数字化、标准化，并通过数据分析提升销售、毛利、库存周转等经营指标
岗位还需推动陈列决策从「规则配置+人工经验」走向数据驱动与智能决策，探索 AI、大模型、Agent 在商品与资源位匹配、陈列量建议等场景的应用
最低要求
）5年以上产品相关经验，有商超零售、商品、空间管理、品类管理、门店营运或零售数字化相关产品经验优先
对商品陈列、空间规划、门店资源位、促销资源管理等一个或多个领域有较深入理解
）具备较强的业务理解与抽象、产品规划、数据分析及复杂项目推动能力，能够从经营目标和业务指标出发发现问题并形成产品解决方案，而非单纯承接业务需求
）具备较强的数据意识和创新意识，对AI、大模型、Agent及优化算法等技术在零售经营中的应用保持关注
有相关产品实践或智能陈列、空间优化、商品推荐等项目经验者优先
工作职责
）负责商超零售门店陈列及资源位相关产品的规划、设计与持续优化，围绕货架、端架、堆头、促销位等门店空间资源，以及商品陈列位置、陈列量、排面等核心场景，推动门店空间资源的数字化、标准化及精细化运营
）深入理解商品、门店、营销及营运场景，从销售、毛利、库存周转、缺货/损耗、促销效果及空间利用效率等经营目标出发，建立商品与门店空间资源之间的关联，通过数据分析发现问题、设计产品方案，并推动业务落地及效果复盘
）推动陈列及资源位从「规则配置+人工经验」逐步向数据驱动和智能决策演进
结合公司未来数智化战略，探索算法、AI及Agent在商品与资源位匹配、陈列量建议、资源位智能分配、执行异常识别、经营效果分析与策略优化等场景的应用，逐步形成「目标/策略—智能决策—执行—结果反馈—持续优化」的经营闭环
优先资格
）有商超零售、商品、空间管理、品类管理、门店营运或零售数字化相关产品经验优先
）有 AI、大模型、Agent 相关产品实践，或智能陈列、空间优化、商品推荐等项目经验者优先
AI 洞察
优缺点分析
优点
- 岗位明确鼓励探索 AI、大模型、Agent，有机会积累「传统业务+AI 落地」的复合实战案例
- 大型跨国零售企业拥有海量门店与商品数据，产品有真实的试验场和验证闭环
- 岗位强调从经营目标出发定义问题，属于策略型产品而非需求承接型，成长空间较大
- 线下零售业务链条长，总部规则到门店执行之间涉及商品、营运、店长等多方，推动标准化落地的阻力不小
- 门店数据基础与作业规范程度可能参差不齐，算法与 AI 方案见效周期长、验证成本高
- 适合有零售、供应链或空间管理背景，且希望把 AI 真正落到实体业务中、愿意啃复杂线下场景的资深产品经理
缺点 / 挑战
- 陈列与空间资源位数字化是零售数智化中较深、较少人做的细分方向，经验稀缺性和可迁移性都较高
- 岗位直接绑定销售、毛利、库存周转等经营指标，需要对结果负责，压力较为直接
角色解读
- 可从单一场景（陈列或资源位）产品，成长为门店数智化整体解决方案的产品负责人
- 积累的「空间资源+数据+算法」经验可迁移到品类管理、商品推荐、供应链计划等相邻领域
- 若能做出 AI 在实体零售落地的标杆案例，未来可转向 AI 产品负责人或零售数字化转型管理岗
- 负责门店货架、端架、堆头、促销位等空间资源相关产品的规划与迭代，把这些线下资源数字化、标准化
- 通过分析销售、毛利、库存周转、缺货损耗等经营数据发现问题，设计产品方案并推动在门店落地和复盘
- 同时推动陈列决策从「规则配置+人工经验」向算法与 AI 智能决策演进，探索大模型、Agent 在陈列量建议、资源位分配、异常识别等场景的应用
- 需要5年以上产品经验，并对商品陈列、空间规划、品类管理、门店营运中至少一个领域有较深理解
- 核心能力是从经营指标出发抽象业务问题、做产品规划与数据分析，而不是被动承接业务需求
- 还要具备复杂项目推动力，能在商品、营销、营运、门店之间协调落地
- 对 AI、大模型、Agent、优化算法的能力边界与零售落地场景有基本认知
申请策略
- 提前了解欧尚/高鑫零售的门店业态与数智化战略方向，面试时能对上业务语言
- 准备用「业务—数据—AI」三角结构串起自己的经历，展示你不是只会做功能，而是能定义目标与策略
- 优先呈现与零售、商品、门店营运、空间管理相关的产品项目，说明你负责的是哪一段决策链路
- 用数据量化结果，例如陈列优化带来的销售提升、缺货率或损耗下降、空间利用率或坪效改善
- 单独列出「从经营指标出发定义问题、而非承接需求」的案例，体现业务抽象能力
- 若有 AI、算法、推荐或智能决策类项目，单独成段说明落地范围与实际效果
- 系统补齐零售经营指标知识，如毛利结构、库存周转、缺货率、坪效、促销 ROI 的计算口径与相互影响
- 了解空间优化、货架陈列算法与推荐系统的基本原理和常见做法
面试指南
- 指标先行：先讲清目标和衡量口径（销售、毛利、周转、缺货损耗、空间效率），再讲手段与产品设计，避免一上来讲功能
- 案例用 STAR 结构，重点落在结果量化和你的具体决策，而非团队整体成果
- 落地节奏分层讲：先数据与规则标准化，再算法辅助决策，最后才是智能决策，同时说明每阶段的风险与验证方式
- 你会如何定义门店陈列与资源位产品的核心经营指标？怎么衡量这个产品的价值？
- 讲一个你从数据分析发现问题、到产品方案落地、再到效果复盘的完整案例
- 如果门店数据基础薄弱、店长习惯靠个人经验，你如何推动标准化与数字化落地？
- 你认为 AI/Agent 在陈列量建议、资源位智能分配上能做到什么程度？边界和风险在哪？
- 总部统一规则与不同区域/门店差异之间，你怎么平衡？
Watch Jobs