京东搜推AI产品面经

1)请你结合电商搜索/推荐链路，描述一次你主导的“从洞察到落地到复盘”的完整增长闭环，关键假设、对照实验与最终业务指标分别是什么?
2)在“搜索相关性 vs.商业化收益(广告/导购位)”的冲突中，你主导过怎样的策略取舍?请说明你定义的目标函数与权重如何影响GMV、CTR、转化率与商家满意度。
3)面对大促(如618/双11)场景，搜推系统如何在高并发与价格波动下稳定“相关性+时效性+价格感知”?你做过哪些前置演练与风控开关设计?
4)冷启动与长尾供给问题:当新品或中小商家缺少行为数据时，你如何通过内容、知识图谱或特征工程缩短模型冷启动周期并保障曝光公平?
5)讲一次你主动“删功能/降复杂度”的案例:为什么判断该能力的“ROI低于维护成本”?你用哪些定量/定性证据达成多方共识?
6)多目标优化(相关性、时长、客单价、履约时效、毛利)如何在单一排序层内统一?请给出你落地过的约束/惩罚项设计或分层重排方案。
7)你曾如何把“供应链侧信息”(库存、到仓时效、履约成本、区域供给显式引入搜索/推荐排序或召回策略，从而提升用户体验与履约效率?
8)当业务提出“提升新品渗透/品类扩张”的年度目标时，你如何把战略目标拆成分阶段KPI(如探索率、品类占比、有效触达)并在系统中用实验层面验证?