校招-AI内容GEO产品经理

所在团队介绍 AI产品部聚焦AI能力在真实业务中的规模化落地，当前重点建设内容GEO与语音AI两个方向。团队既关注前沿模型能力的评测与转化，也关注业务目标、渠道规则、用户体验、风险控制和数据验证，让AI能力形成可持续运营的产品与工作流。 内容GEO方向 团队正在打造面向核心业务的AI内容中台，覆盖内容生产、质量检查、发布分发、效果复盘与策略迭代。工作围绕GEO（生成式搜索/AI搜索优化）展开，让内容不仅能在传统渠道稳定分发，也更易被AI搜索理解和引用；同时沉淀Prompt模板、内容结构、标签体系、分发规则、评测标准和数据看板，为品牌形象建设、保险营销和用户决策辅助提供可复用的内容能力。 语音AI方向 团队负责语音AI在外呼与呼入场景中的产品建设。两个方向都强调真实对话数据分析、Prompt与流程优化、效果评测和风险边界管理，让AI语音服务更稳定、更准确、更可控。 团队的工作方式强调业务理解、数据验证和快速迭代。你将与产品、运营、算法、研发、数据及测试同学紧密协作，在真实且复杂的AI产品场景中，参与建设面向业务增长和大规模用户服务的AI能力。 岗位职责 1. 围绕品牌建设、保险营销、正向内容生产与用户决策辅助等业务场景，理解内容目标、渠道规则、品牌表达和合规要求，完成需求分析、方案设计和项目交付。 2. 参与AI内容中台建设，支持内容生成、改写、质量检查、发布分发、效果跟踪与数据复盘，推动内容生产、分发与运营流程标准化。 3. 面向GEO目标，分析不同渠道和AI搜索场景的内容表现，优化内容结构、标题、标签、发布时间与分发策略，提升内容曝光、收录、引用和转化。 4. 参与Prompt模板、正反例样本、测试集和评测标准建设，针对生成内容错误、表达不一致、收录不佳或Bad Case完成归因，推动Prompt、内容策略或流程迭代。 5. 跟踪阅读量、点击率、转化率、收录表现、品牌提及与业务线索等指标，通过样本和数据验证内容与产品效果，输出问题清单和优化方案。 6. 收集产品体验问题和运营侧需求，完成需求描述、优先级判断、研发跟进、验收和上线复盘，推动可复用的内容与运营能力沉淀到平台。 7. 在明确目标和指导下，独立负责边界清晰的内容GEO模块或专项，完成调研、方案、PRD及原型、评审、研发协作和效果验证。 8. 使用AI工具提升案例整理、内容分析、Prompt调试、原型设计、文档产出和项目协同效率；把可复用方法沉淀为团队资产。

1. 学历与实习要求 - 2027届本科及以上学历，计算机、人工智能、统计学、信息管理、金融保险、新闻传播、市场营销、心理学等相关专业优先，专业不限。 - 可提前实习，每周可实习4天及以上，能够连续实习3个月及以上。 2. 专业能力 - 具备逻辑分析和问题拆解能力，能够把品牌、营销、用户决策或内容运营问题转化为明确的内容策略、Prompt方案和产品需求。 - 具备基础数据分析能力，理解阅读量、点击率、转化率、留存、收录、覆盖率等指标，能够通过看板、Excel/表格或案例验证优化效果。 - 具备内容判断力和文字表达能力，能够对AI生成内容进行筛选、改写、优化、质量检查，并清晰描述业务背景、判断逻辑、异常场景和验收标准。 3. AI能力 - 对人工智能、AI搜索、AIGC和企业级内容产品有持续兴趣，主动使用过ChatGPT、Claude、Kimi等主流大模型、AI编程、数据分析或原型设计工具。 - 能够参与大模型应用、Prompt调优、内容工作流搭建、样本构建或效果评测；理解AI能力适用边界，不把模型输出直接等同于业务结论。 4. 软性/通用能力 - 学习能力强，有责任意识和执行力，能够在指导下独立推进一个完整的内容GEO小闭环。 - 沟通协作能力良好，能够与品牌营销、内容运营、算法、研发、数据及测试团队有效配合。 - 能够适应渠道规则变化、生成结果不稳定、边界案例较多、需要持续验证和迭代的工作环境。 5. 其他加分项 - 有AI产品、内容运营、新媒体运营、品牌营销、搜索优化、企业软件或保险/金融相关实习经历。 - 参与过大模型应用、RAG、Agent、Prompt工程、内容工作流搭建、自动化工具使用、数据标注、评测集建设、Bad Case分析或A/B测试。 - 能够使用SQL、Python、Excel或BI工具完成基础数据处理与分析；对保险、品牌合规、客户服务或内容审核场景有了解。 - 有可展示的内容作品、AI工作流、产品方案、交互原型、研究项目、比赛作品或个人项目。 你将获得什么？ - 真实的 AI 内容GEO实践：参与品牌建设、保险营销、正向内容生产与用户决策辅助等高价值业务场景的AI内容中台建设，理解从内容目标、生成质量、渠道分发到GEO效果的完整链路。 - 端到端的产品训练：在导师指导下负责边界清晰的内容GEO模块或专项，经历调研、需求拆解、策略设计、Prompt与规则优化、PRD/原型、评审、研发协作、验收和上线复盘，把一个问题做成可使用、可衡量的产品能力。 - AI 与数据的系统方法：参与Prompt、样本、测试集、评测标准和Bad Case分析，通过曝光、收录、引用、点击率、转化率和品牌表达一致性等指标验证效果，建立AI内容产品的判断力与数据意识。 - 跨团队协作与业务视角：与PR、内容运营、算法、研发、数据及测试同学共同解决复杂问题，学习如何在真实业务约束下做取舍、推动协同并沉淀可复用方法。