1. 推荐策略设计与优化：
- 负责社交关系匹配及语伴推荐，推动算法在用户匹配效率、互动质量、长期留存等方向优化，提升用户匹配成功率、日均互动频次及付费会员转化率等核心指标。
- 优化推荐链路全流程，包括用户相似度建模（如兴趣标签、行为偏好）、实时动态排序策略（如聊天响应率预测）、付费增值服务推荐（如会员特权匹配）等。
- 设计并推全策略实验，通过AB测试验证效果，累计提升用户匹配成功率、互动留存率、付费转化率
2. 用户行为分析与建模：
- 挖掘用户社交行为数据（如聊天内容、互动频率、话题偏好），构建用户兴趣图谱及关系网络，优化语伴配对的精准度与多样性。
- 针对新用户与沉默用户设计差异化策略（如冷启动推荐、兴趣试探机制），提升用户活跃度与社区参与感。
3. **跨团队协作与落地**：
- 协同社交产品、用户增长、安全合规团队，推动算法策略从实验到规模化落地，确保技术方案贴合用户需求并符合隐私保护规范。
- 定期输出用户行为洞察报告，提炼社交场景下的推荐方法论，推动技术能力在复杂场景中的应用。
**任职要求**
1. 专业背景：
- 计算机科学、数据科学、社会学等相关专业本科及以上学历，1～3年以上推荐算法或机器学习相关经验。
- 熟悉社交网络推荐算法（如协同过滤、图神经网络），有社交平台、语伴类产品或UGC社区经验者优先。
2. 技术能力：
- 熟练掌握Python/SQL，具备大规模社交图数据处理能力，熟悉NLP技术（如文本匹配、意图识别）及实时推荐系统架构。
- 精通用户画像构建、关系网络分析（如Graph Embedding）、多目标排序（如兼顾匹配质量与商业化目标）。
3. 业务能力：
- 对社交场景的用户需求与痛点有深刻理解，能通过算法减少匹配摩擦、提升语伴互动满意度及社区活跃度。
- 具备复杂实验设计能力，能针对社交场景的长尾问题（如用户冷启动、兴趣漂移）制定针对性策略。