推荐算法岗位简历中项目经验别再只写“协同过滤”，要写出点击率提升与业务增长

推荐算法工程师负责召回、排序、重排等推荐系统模块。简历应突出CTR、CVR、GMV提升及模型迭代效果。本文通过案例，教您用数据证明您的推荐价值。

项目经验案例一：电商首页推荐召回与精排优化

2016.04 - 2018.07 某电商平台 推荐算法工程师

项目背景：首页推荐CTR低，用户点击意愿差，GMV增长乏力。

核心贡献：多路召回（协同过滤、向量召回、热度召回），使用双塔模型训练Item2Vec。精排采用DeepFM，引入用户序列特征，CTR从8%升至12%，GMV增长20%。

项目成果：A/B测试正向显著，全量上线后年GMV提升1.5亿元。

项目经验案例二：短视频推荐重排与多样性优化

2018.08 - 2021.01 某短视频平台 推荐算法工程师

项目背景：推荐结果单一，用户流失快，完播率下降。

核心贡献：基于MMoE多目标排序（点击、完播、互动），加入MMR多样性重排，用户人均时长从35分钟升至42分钟。实现实时负反馈降权，打压低质内容。

项目成果：次月留存提升8%，DAU增长15%，获公司季度优秀项目。

总结

推荐算法项目经验应围绕“CTR/CVR”“GMV”“人均时长”“留存”展开。用多路召回、DeepFM、MMoE等数据证明推荐深度。让推荐算法成为用户增长的引擎，成为您最好的名片。