OpenNash Jobs
Meituan · 北京市

履约策略运营岗

北京市

Listed on Meituan ’s official careers site. Listed as of October 19, 2026. Check that it is still open and apply there.

Apply on Meituan ’s careers site →

Job description

【履约策略运营方向】

  • 负责履约业务的运营数据分析,围绕业务关键环节,对核心业务指标进行日常监控和分析,提出业务改善意见;
  • 负责调度、预估时间、定价等核心策略的策略设计,利用AI能力探索策略创新;
  • 负责业务项目的落地运营,并针对落地项目的效果进行定期复盘和结论输出;
  • 不断优化与完善业务运营流程,提升履约效率及标准化程度;
  • 熟练使用AI工具,提高日常运营效率;其他日常运营工作,例如城市侧需求和信息对接并推动解决、信息交互等。 【用户策略运营方向】
  • 负责落地运营和优化骑手中长期成长激励体系,任务玩法和骑手权益,实现中长期对骑手行为牵引;
  • 负责等级及权益的产品运营及策略迭代,深入理解运力模式及用户特征,辅助制定匹配的运营方案,并推进产品化能力建设;
  • 跨部门沟通、相关方管理,协调产研及业务相关方,推动资源高效协同,保障项目落地的实施及效果;
  • 搭建业务监控与效果分析体系,借助AI辅助工具实现骑手行为数据的自动化异常识别与归因分析,并探索智能化手段优化运营流程,实现从问题识别到策略改进的完整闭环。 【骑手关怀活动运营方向】
  • 负责骑手关怀线上线下活动的策划和执行,参与保障及关怀策略的制定,运用AI能力进行实现差异化关怀、活动等方案设计,保障所负责项目的高质量运营及交付,对骑手关怀体验负责;
  • 参与业务调研,运用AI进行反馈分析(语义归类、高频诉求聚类)等骑手保障关怀需求的挖掘,并形成可落地的运营优化方案,涵盖业务流程及业务方案优化;
  • 负责骑手关怀线上产品优化,通过数据分析定位体验短板,协同相关部门推动产品迭代,提升骑手使用感知和产品满意度。 【履约策略运营方向】
  • 本科及以上学历,对业务运营、策略、数据分析有浓厚兴趣;
  • 对外卖配送行业有兴趣,有意向深耕物流领域,成为出色的物流人才;
  • 具备优秀的数据分析能力,熟练使用数据提取、分析工具,积极主动;
  • 善于沟通及合作,协同推动能力强、结果导向;
  • 逻辑清晰,善于团队合作,主动思考及推进工作;
  • 对AI有充足的好奇心,能够使用主流AI工具,并对AI能力如何应用在实际业务中有强烈的探索欲望。 【用户策略运营方向】
  • 本科及以上学历,对业务运营、策略、数据分析有浓厚兴趣;
  • 对电商零售行业有兴趣,有意向深耕物流领域,成为出色的零售物流人才;
  • 对AI及前沿技术保持关注与学习热情,善于将其与业务场景结合进行创新探索;
  • 善于沟通及合作,协同推动能力强、结果导向;
  • 逻辑清晰,善于团队合作,主动思考及推进工作。 【骑手关怀活动运营方向】
  • 本科及以上学历,专业不限;
  • 有用户运营、活动策划相关实习经验优先;
  • 具备基础的数据分析能力,熟悉常用数据处理软件,了解SQL优先,习惯用数据验证想法和衡量效果;
  • 了解并愿意在工作中使用和探索AI工具(如AI文案生成、智能用户分群、数据可视化等),有相关实践经验加分;
  • 有较强的沟通协作能力和责任心,能推动跨团队协作落地。

岗位亮点

【履约策略运营方向】

  • 大规模即时零售业务能够运转的基石,直接影响骑手和用户体验;
  • 接触最前沿的调度决策体系,基于调度大规模、强不确定性、高实时性要求,进行最前沿的业务策略设计,对业务结果有巨大影响力;
  • 会安排高水平导师进行指导,注重业务和技术上并重的培养方式,高质量的内外部交流分享机会。 【用户策略运营方向】
  • 你将深度参与美团即时配送核心运力体系策略设计;
  • 团队鼓励用数据和智能化手段驱动运营决策,你将有机会探索AI辅助工具在骑手运力场景中的落地应用;
  • 业务处于快速迭代期,个人成长空间大,能在物流运营领域积累从策略制定到产品化落地的完整经验。 【骑手关怀活动运营方向】
  • 深度参与百万级骑手群体的关怀体验建设,工作成果直接影响一线从业者职业获得感;
  • 鼓励使用AI工具提升运营效率,快速积累AI+运营的实战经验;
  • 完整的校招培养体系,有资深导师带教。

More jobs at Meituan

OpenNash lists jobs from employers’ own careers sites and does not handle applications. Dates come from the employer where stated; “first seen” and “last checked” are our own observations.