← 返回岗位列表

字节跳动

校招

全栈开发工程师(用户增长与数据) - 中国交易与广告

北京/上海/杭州 · 校招 · 2027 届 · 本科

长期有效

任职要求

  • 2027届获得本科及以上学历,计算机相关专业
  • 具备扎实的数据结构与算法、网络、数据库等计算机基础;熟悉Go/Java/Python/PHP/NodeJS中至少一门后端语言,或熟练掌握JavaScript/TypeScript与主流前端框架(React/Vue等)之一;对另一端具备基础理解与迁移学习能力
  • 能主动使用AI工具辅助学习、编码、调试与文档生成,能识别AI输出中的错误并做校验修正,理解大模型能力与局限
  • 具备端到端的问题拆解能力,敏锐的用户思维,增长思维,和好奇心去探索更有趣有效的增长玩法,提高用户转化效率和留存率
  • 具备良好的沟通表达、学习迁移与复盘能力,对技术有持续追求。
  • 加分项
  • 有好奇心并能快速动手实践,做过有趣的产品or探索,期望用技术解决未知问题者优先
  • 有用户增长、广告、数据等相关业务的项目或实习经验优先
  • 有基于LLM/Agent等深入实践经验优先,能深刻理解AI边界与瓶颈、建设好的评测方式与工程架构
  • 有大型开源项目贡献、专利、技术博客、竞赛获奖或专业前10%等技术沉淀,有源码深入阅读经验。

岗位描述

团队介绍:中国交易与广告,负责抖音电商、生活服务、广告营销等营收业务的研发。用技术带来美好生活,让用户发现更多优价好物,为用户提供更丰富独特的生活体验;连接海量用户与商家,促进交易达成,让生态里全流程体验更流畅,助力营收业务长效增长。

加入团队,你将投身流量与增长主战场,挑战复杂业务场景技术难题;直面真实商家和用户,用技术解决看得见的问题,在实战中快速成长,书写属于你的价值故事!

  • 1、负责字节跳动交易业务的用户增长与数据链路的端到端研发工作,涵盖前后端服务全栈开发、海量数据处理、策略与工程体系建设,通过架构创新赋能产品用户规模增长;
  • 2、全栈全链路开发机会:主动引入并迭代AI工具能力,在编码、调试、代码评审、文档编写、测试等环节推进工程化落地,持续提升端到端交付效率;有机会参与构建高可靠的AI Agent协作体系,在广告投放、运营玩法、补贴策略等多个方向开展富有挑战性的工作;
  • 3、产品层面:深入参与用户增长方向的触达/触点建设、补贴发券与各类权益的智能发放策略、科学度量体系,以及丰富的增长玩法(如裂变、分享、拉新、召回等);有机会洞悉全链路增长手段,为业务发展注入持续的成长动能;
  • 4、技术层面:深入理解各子业务领域的模型设计,抽象通用能力,沉淀为可复用的服务和组件,支撑业务快速迭代;有机会直面字节跳动盈利业务中的各类技术挑战与架构难点,处理数亿级商品/素材,决策数亿级预算的花费方式与效率;
  • 5、用户增长的有趣和挑战:持续围绕整个业务去洞察发现新的增长机会,联动各域一起建设有趣好玩的增长产品,并收获显著的业务增量收益,为消费者带来更多有趣的产品而持续留存。

你的简历匹配这个岗位吗?

上传简历,AI 会对照这份 JD 指出你的差距和需要补强的地方

该岗位可能会问的问题

基于 数据 岗位的常见面试问题整理

请解释数据仓库的星型模型和雪花模型的区别

类型专业能力·难度中等
查看答题思路

1. 星型:事实表在中间,维度表直接关联,维度表非规范化(有冗余) 2. 雪花:维度表进一步规范化,减少冗余但增加 join 次数 3. 选择:星型查询快(join 少),雪花存储省,一般生产用星型更多

如何设计一个埋点体系来追踪用户行为

类型情景/案例·难度中等
查看答题思路

1. 确定业务目标:留存/转化/活跃 2. 定义事件:页面浏览/点击/曝光/转化,每个事件带属性 3. 技术栈:前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层:ODS(原始)→ DWD(明细)→ DWS(汇总)→ ADS(应用) 5. 质量:埋点测试 + 数据校验 + 异常告警

SQL:有一个用户登录表 user_login(user_id, login_date),查询连续登录超过 7 天的用户

类型专业能力·难度困难
查看答题思路

1. 思路:用 login_date 减去排名序号(ROW_NUMBER),同组连续日期差值相同 2. 关键 SQL:SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调:理解窗口函数和连续性问题的一般解法

你做过最有价值的数据分析项目是什么

类型项目经历·难度中等
查看答题思路

1. 业务背景:分析什么、为什么重要 2. 数据来源和量级 3. 分析方法:用了什么模型/统计方法 4. 核心发现:一句话说清洞察 5. 业务影响:做了什么决策、带来了什么改变(用数字)

解释 A/B 测试的原理和常见陷阱

类型专业能力·难度简单
查看答题思路

1. 原理:分流用户到对照组和实验组,对比核心指标差异 2. 统计基础:假设检验,p<0.05 表示差异显著 3. 陷阱:样本量不足、运行时间太短(未覆盖周期波动)、多重比较(同时做多组 A/B 需修正显著性水平) 4. 指标选择:北极星指标优先,避免虚荣指标

更多面试题库功能即将上线

信息来源:企业官方招聘页。投递前请以官网信息为准。