增长算法工程师（UG专项）

优缺点分析

角色解读

• 从专注增长算法到负责整个用户增长技术方向，成为团队技术骨干
• 可向技术专家或技术管理双通道发展，如晋升为高级算法工程师、算法团队Leader
• 积累用户增长和推荐系统全栈经验后，可转型为业务产品技术负责人或创业
• 负责推荐系统全链路算法优化，包括召回、排序、策略，提升用户增长效率
• 设计并优化消息推送算法，确定推送时机、频次和内容，提高用户拉新与活跃度
• 开发广告投放算法，针对新用户和流失用户进行精准触达，涉及多目标学习、价值预估等
• 探索因果推断和强化学习在增长场景的应用，搭建因果平台赋能业务
• 扎实的机器学习与深度学习基础，熟悉推荐、搜索、广告等领域主流算法
• 掌握Java/C++/Scala/Python至少一种编程语言，了解大数据工具如Hadoop/Spark
• 有推荐、PUSH或广告算法实际项目经验，了解用户增长业务逻辑
• 对因果推断、强化学习、大模型等前沿技术有探索热情

申请策略

• 在面试中多准备能体现业务驱动算法的案例，说明如何通过算法提升业务指标
• 关注小红书的增长动态和行业趋势，展示对用户增长领域的理解
• 突出推荐/搜索/广告/PUSH相关项目经验，尤其是涉及召回排序、CTR预估、多目标优化等
• 强调与用户增长相关的成果，如提升拉新率、活跃度、留存率等量化数据
• 展示对因果推断或强化学习的了解和应用（即使只有学习或实验项目）
• 如有大模型应用经验（如内容生成、用户画像）可特别突出
• 补充或加深因果推断和强化学习的基础知识，了解其在推荐系统中的应用
• 熟悉小红书相关业务场景，提前了解其增长策略和技术栈

面试指南

• 先明确问题背景和目标，然后分步骤阐述方案，包括数据、模型、评估方法
• 突出你对业务指标的理解，说明技术方案如何服务于业务增长
• 展示你对前沿技术的了解但不过分夸大，强调落地性和工程可行性
• 请介绍你做过的一个推荐系统项目，包括召回排序策略和最终效果
• 如何优化推送的时机和频次以避免用户反感？请设计一个方案
• 在多目标学习（如同时优化点击和转化）中，如何处理目标冲突？
• 你对因果推断在用户增长中的应用有哪些理解？请举例
• 如果我们要用强化学习优化广告投放，你觉得关键步骤是什么？