一、美团外卖核心业务的推荐排序系统的搭建和优化工作,提升转化率、GMV等一系列业务指标。主要工作包括:带领团队从粗排到精排再到重排进行一系列的优化工作,其中涉及用户行为建模及其优化、用户商家交互建模及其优化、用户与特定主题的建模及其优化、模型结构的优化升级从简单树模型到NN模型再到PLE多目标模型,经过这一系列优化过程给业务带来了转化率相对26%的提升,GMV的27%的提升,节约无效花费1600万+/年;同时主导并搭建了排序系统主流程的debug系统,提升策略同学的开发效率90%以上,及其用户体验问题的识别优化,增强了系统的稳定性和排序生态环境。
二、美团外卖外投广告核心策略结合大模型系统的搭建和优化工作,优化外投CAC,提升资金利用效率。主要工作包括:带领团队同学对各个业务的用户和单量增长方向外投广告策略进行有针对性的优化,其中涉及到直投RTA的各个环节的优化,包括智能动态出价和智能化人群圈选投放,利用美团大模型的图文生成能力至上做到DPA+个性化图文系统能力,利用大模型+组合优化的方式进行素材的生成,将点击率和用户体验进一步提升,同时极大的提升了相关同学的工作效率;DSP相关策略的优化工作,包括对不同业务适配不同的策略,对不同渠道的识别及其优化,对用户分层建模、对广告商和广告位等信息独立建模,提升模型的表达能力和准确度,在出价阶段,从简单的cpm出价到复杂cpm出价再到寻找价值洼地的出价策略,不断优化出价策略,逐渐降低CAC。
三、用户增长方向智能圈选人群,提升增量ROI。主要工作包括:在外卖投放环节中,分析用户对超级通知的偏好程度,通过uplift模型方式建模,同时加入各个通道及其用户的各种属性偏好以及文案的相关属性,利用nlp相关技术抽取的高阶特征,在超级通知的触达率等方面,给业务带来增量价值,极大提升增量ROI 5%+。
四、物料系统反作弊策略和算法模型的开发和优化。主要工作包括:利用基于模式识别和图像分类识别算法,利用基于resnet相关模型,和人工打标的图像进行识别,输出虚假拜访的BD给到物料风控部门,给出对相关人员的不同等级的处罚方式,提升有效拜访效率,减少物料风控部门的人员排查工作量,极大的提升了人效150%。
五、学生认证系统优化时效和合理调配调用次数,提升资源利用效率。主要工作包括:外卖的单量中有很大一部分是由学生用户带来的,从而对学生的精准认证识别是非常重要的事情,而教育部门有对认证功能的诸多限制,导致不能随意认证用户,利用机器学习的方法,通过对用户基础属性和外卖行为以及美团其他业务的行为数据利用xgb对用户进行打标学生标签,极大的提升了认证准确率,从65%增长到90%+。

一、智能硬件的核心算法的开发及优化。主要工作包括:核心算法是将2D图像转3D图像方式方法的实现开发及优化,3D图像的平滑、测量输出测试报告,统计分析不同人群的独立特性;同时引入树模型和时序模型用来预估人群特征分布和销量分布等,对公司的智能硬件的铺设给出明确的指导意见。
二、智能硬件生产环节的校准优化和人效提升:智能硬件是公司的核心资产,其中生产过程中最耗时消耗人力的工作是校准机器,每台设备都需要严格的校准测试,同时需要生成一组不同的机器参数,以提供相关服务;我和硬件同学一起根据相关流程,结合了MATLAB的丰富并且完善的图像校准组件,创新实现了整个流程的自动化,减少了人员参与,提升了工作效率90%以上。