岗位职责
- 全链路增长策略优化： 负责蚂蚁财富APP 核心业务的增长算法体系。覆盖从流量获客、精准留存到流失召唤的全生命周期。通过算法手段优化点击率、转化率及用户长期留存指标；
- 核心建模与策略： 针对金融场景，应用并持续优化多目标学习、序列建模等深度学习模型。深入挖掘用户金融特征，构建高质量的特征体系，提升算法在复杂业务流中的预判能力；
- 因果推断与营销效能： 应用因果推断技术，精准识别营销敏感人群，优化补贴策略（如红包、权益）的 ROI，采用运筹优化技术，实现资源分配的效用最大化；
- 实验体系与闭环： 独立负责 A/B Test 实验设计与实施。通过科学的归因分析，对模型策略进行持续迭代。针对金融业务的长周期性，设计合理的长期价值评估机制；
- 前沿技术探索： 在推荐与增长场景中，探索大模型（LLM）与传统推荐算法的结合。例如：利用 LLM 增强特征理解、优化营销文案的个性化生成、以及提升长尾用户的意图识别。
任职要求
基础条件：
- 计算机、数学、统计学、运筹学或相关专业硕士及以上学历，3年以上大规模增长/搜索/推荐/广告算法实战经验。
专业能力：
- 实战经验： 具备大规模搜索、推荐、广告或用户增长领域的算法落地经验。熟悉金融业务逻辑者优先；
- 算法功底： 精通传统机器学习及深度学习模型。对多任务学习、强化学习、因果推断或运筹优化有深入研究和实战经验者优先；
- 工程能力： 熟练掌握 Java 或 Python。熟悉至少一种深度学习框架（PyTorch/TensorFlow）。具备大数据处理能力，熟练使用 SQL、Spark 或 Flink；
- 综合素质： 具备优秀的数据敏感度和逻辑分析能力。能够深入业务场景，通过技术手段解决实际的业务瓶颈，具备良好的团队沟通与协作能力。
能力特质：
- 极强的业务洞察力： 能从复杂的数据中抽象出增长逻辑，不迷信模型复杂度，坚持以业务产出为导向；
- 严谨的科学精神： 算法策略具备高度的可解释性、合规性与逻辑严密性；
- 自驱与Hands-on： 能够亲自深入业务一线抓取 Badcase，从数据清理、特征设计到模型调优全流程负责。
特色标签
A/B实验、Java、LLM、Python、SQL、个性化推荐、决策优化、因果分析、因果建模、因果推理、在线实验、增长策略、多任务学习、多目标优化、大数据处理工具(Spark/Hadoop/Hive)、大模型算法、大语言模型、对照实验、序列建模算法、强化学习、归因模型、推荐、推荐算法、推荐系统、搜索、搜索算法、效果归因、数字金融、数据挖掘、时序建模、智能推荐、机器学习、深度学习、理财、生成式AI、用户增长、用户行为序列建模、算法增长、算法工程化经验、自然语言处理算法、营销、营销归因、资源优化、运筹优化、运筹学优化、金融、金融智能、金融科技