哈啰出行
资深/高级营销算法工程师
资深/高级营销算法工程师
发布于 大约 17 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
学历未注明
机器学习
数据科学
深度学习
强化学习
因果推断
推荐系统
用户建模
营销算法
运筹优化
画像推断
AI 估算 · 35k–55k
资深算法岗，技术难度高，公司平台大，薪资竞争力强。
职位详情
关于这个职位
你将负责哈啰出行金融业务的营销算法优化，包括获客、留存等场景的模型设计与开发，综合机器学习与优化技术解决营销问题
同时需要沉淀算法平台能力，提供数据科学解决方案，并运用深度学习、强化学习、因果推断等技术提升用户转化
适合有营销或推荐经验、善于分析问题的算法工程师
最低要求
有营销、广告、推荐等相关领域经验，并在机器学习、深度学习、因果推断或运筹优化等领域中任一方向有较深积累
逻辑思维能力好，善于分析问题、拆解问题、解决问题，且具备优秀的数据分析和业务洞察力
有比较好的团队协作能力，能和业务团队紧密合作，达成业务目标
工作职责
负责金融业务营销算法的优化工作，包括营销获客，留存促活等场景的算法设计与开发，综合机器学习与优化技术，解决金融营销问题
沉淀算法平台能力，提升算法应用效率，提供画像推断、响应建模、客群挖掘、补贴权益分发、营销触达决策等数据科学解决方案
结合金融业务场景，运用深度学习、强化学习、因果推断、运筹优化等技术，构建用户模型，提升用户转化
优先资格
有在国际顶级会议上有论文发表者优先，在ACM / 机器学习等竞赛获奖者优先
AI 洞察
优缺点分析
- 金融+算法结合，业务价值高，算法产出可直接提升营收
- 超大型平台，数据资源丰富，利于模型迭代
- 技术栈前沿（深度学习、强化学习、因果推断），个人成长快
- 营销场景复杂多变，对模型效果和稳定性要求高
- 需要与业务团队紧密协作，沟通成本较高
- 可能面临业务压力，需要快速迭代和交付
- 适合有算法经验，对金融营销感兴趣，喜欢解决实际业务问题的工程师
角色解读
- 技术路线：从高级算法工程师成长为算法专家或技术负责人
- 横向拓展：可转向推荐系统、广告算法等更广泛的AI领域
- 管理路线：积累业务经验后转向技术管理或产品方向
- 负责金融业务营销算法优化，包括获客、留存等场景的模型设计与开发
- 沉淀算法平台能力，提供画像推断、响应建模、客群挖掘等数据科学解决方案
- 运用深度学习、强化学习、因果推断等技术构建用户模型，提升转化
- 扎实的机器学习/深度学习算法基础及调优经验
- 因果推断或运筹优化至少一方向有较深积累
- 强大的数据分析和业务洞察力，能拆解复杂问题
申请策略
- 了解哈啰出行在金融科技方面的业务布局，思考算法如何赋能
- 关注公司技术博客或公开分享，提前熟悉技术文化
- 突出营销/广告/推荐领域的项目经验，写明业务效果和模型指标
- 强调因果推断或深度学习的实际应用案例，展示技术深度
- 体现数据分析和业务洞察力，例如如何定义问题并驱动决策
- 复习强化学习和因果推断的经典算法（如DQN、双重机器学习）
- 准备一个完整的营销场景项目案例，从问题定义到落地评估
面试指南
- 先拆解问题，明确目标、约束和评估指标
- 提出多种候选方案，对比优劣并给出推荐
- 强调离线评估和在线A/B测试的设计
- 如何设计一个营销获客算法，并评估其效果？
- 请解释因果推断在营销中的应用，举例说明
- 如何处理营销场景中的数据稀疏和冷启动问题？
- 设计一个补贴权益分发策略，考虑预算和效率
- 如何通过用户建模提升留存？请讲一下你的思路
匹配度报告
72
综合匹配度
大厂资深算法岗，前沿技术栈，薪资高，但工作节奏可能较快。
适合人群
适合重视技术成长和薪资回报的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活50
使命价值65
薪资福利匹配
85较高
薪资水平较高，平台大且稳定，但JD未明确福利，综合补偿性较好。
薪资信号未披露 (35K-55K/月)
成长发展匹配
90较高
技术栈前沿，涉及深度学习、强化学习、因果推断等，成长路径清晰，非常有利于技能积累。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、强化学习、因果推断、运筹优化
业务类型profit_center
工作生活匹配
50较低
明确现场办公，未提及弹性或远程，预计高强度工作，WLB一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
65中等
金融营销业务有一定社会价值，但主要商业化导向，意义感中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs