Payments Data Analyst

Наша команда развивает ecom-направление в транзакционном ИИ и в Поиске. Мы хотим помогать пользователям быстро находить нужные товары и сравнивать предложения, а магазинам — получать релевантный спрос. Для этого мы строим ранжирование на данных о товарах, магазинах, запросах и поведении пользователей.

В фокусе роли — развитие факторов органического ранжирования на основе пользовательских и магазинных признаков. Вам предстоит улучшать отбор магазинов и товаров, находить срезы с потерянной конверсией, оценивать потенциал персонализации, разнообразия и сигналов актуальности, а также выстраивать метрики и мониторинги.

Какими мы видим результаты вашей работы через полгода:
* Определены и приоритизированы основные точки роста органического ранжирования, а также пользовательские и магазинные признаки, которые стоит проверить в факторах.
* Оценены и проверены первые гипотезы персонализации, разнообразия и актуальности товаров; по ним приняты решения о дальнейшем развитии.
* Найдены проблемы в продуктовых сценариях пользователей, сформулированы гипотезы для их решения, проведены первые тесты.

Развивать факторы ранжирования на основе магазинных признаков

Вы будете исследовать признаки магазинов и мерчей, улучшать генерацию кандидатов и отбор предложений для выдачи. Отдельный фокус — недопредставленные магазины: нужно найти корректный способ их учёта в продакшене. Ещё одно направление — детекция распродаж и магазинов со всплеском трафика.

Развивать персонализацию, разнообразие и качество выдачи

Вам предстоит оценивать потенциальный эффект персонализации, изучать доступные сигналы в User DWH и проектировать первые проверки. Необходимо будет исследовать способы повышения разнообразия (например, за счёт объединения результатов нескольких запросов), а также масштабировать на органическую выдачу сигналы актуальности и продаваемости товаров, которые уже развиваются в смежных продуктах.

Находить точки роста органической выдачи

Вы будете оценивать, какой объём спроса можно привести на независимые магазины, и находить срезы, где это работает хуже всего. Вам предстоит анализировать выдачи, в которых товар нельзя купить вне маркетплейсов, длинные высококонверсионные сессии без покупки и кластеры с аномально низкой конверсией; определять сценарии, где вклад органической выдачи максимален и незаменим.

Строить метрики и аналитические инструменты

Вам предстоит развивать метрики GMV через Яндекс, заказов без маркетплейсов, разнообразия и рыночности ранжирования, а также показатели для новых участников выдачи. Важно не только поддерживать приборы, но и объяснять, что именно происходит с продуктом и почему.

Помогать команде проводить эксперименты и выявлять аномалии

Вы будете помогать команде с настройкой и отладкой экспериментов, чтобы гипотезы не приходилось перезапускать из-за ошибок в сетапе; развивать мониторинг и сигналы по хостам, которые быстро показывают резкие изменения ключевых метрик и помогают локализовать причину.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Мыслите, как продуктовый аналитик: находите проблему, формулируете гипотезу, выбираете метрики и доводите исследование до решения
* Умеете работать с большими поведенческими данными, строить приборы и находить причины изменений, а не только фиксировать сам факт
* Готовы быть партнёром для команд разработки, продукта и ML: приоритизировать задачи, обсуждать ограничения и защищать выводы данными
* Уверенно владеете SQL и Python для анализа и обработки данных
* Знаете статистику и теорию вероятностей, умеете проектировать и интерпретировать A/B-тесты

* Работали с поиском, рекомендациями или алгоритмами ранжирования
* Исследовали персонализацию и пользовательские признаки в DWH
* Строили мониторинги аномалий и системы продуктовых метрик
* Работали в ecom или крупных транзакционных сервисах

We are looking for a leader for our product analytics team who will tackle the most challenging research tasks from the business side, improve processes and tools, and develop and drive the team of analysts. We are the perfect match for someone interested in contributing to the improvement of some of the most popular casual mobile games in the world.

We have created a team where everyone is part of a vast community of analysts. Thus, our Lead Data Analyst is not limited to interacting with the product director and producers internally but also has the opportunity to actively participate in the exchange of ideas and experiences, find support and insights from a wide circle of top specialists in their field, and influence the development of other products and directions.

Lead Data Analyst will face two significant challenges:






• Make analytics proactive, bringing maximum insights and ideas for product development based on data.


• 
  Make employees productive and happy—developing analysts and reducing entropy around them.

• Experience in creating and/or leading data-driven projects that resulted in product metric growth. It's crucial that you take ownership of the results. Ideally, you have experience organizing the work of several independent teams to achieve the final outcome


• 
  Excellent knowledge and at least 3 years of hands-on experience with Python and SQL


• 
  Passion for analyzing complex problems, a desire to get to the heart of every matter, and the ability to distinguish between tasks that are crucial for the business and those that are merely interesting


• 
  Leadership experience with a data analysis or Data Science team for at least 1 year


• 
  Understanding of applied statistics, experience in data analysis, product, or marketing analytics


• 
  Excellent communication skills, the ability to speak the language of business


• 
  Proactive mindset, entrepreneurial thinking, and the ability to take responsibility for results

















Our advantages







• The opportunity to showcase impressive results is significantly higher here compared to many companies. While others struggle for a +0.00001% profit increase, we can undertake projects with double-digit percentages through research and the development of analytical products


• Operating on a truly grand scale, we boast hundreds of millions of players, petabytes of data (all stored from the last 7 years), and marketing constrained by effectiveness, not budget


• Our data-driven approach is ingrained in everything we do. We analyze everything, conduct experiments, and make decisions based on data wherever possible. All conclusions are drawn with a statistical foundation, with analysts setting the standards for decision-making. Even for employees distant from analytics, confidence intervals are not just empty phrases


• Furthermore, we have the ability to swiftly change processes and approaches to more effective ones without lengthy approvals and bureaucracy

Modern stack (Databricks + PySpark)  reusable in other companies. Everything an employee hones while working at Playrix remains relevant and easily monetizable.






• We are not limited in tools; resources are allocated quickly, and the entire AWS is at our disposal


• We collect data through Appsflyer (marketing) and Amplitude (product)


• Raw data is stored in S3, ETL on Airflow, prepared tables and views in Redshift. Data quality, lineage, catalog—Monte Carlo


• Analysts manipulate data with SQL and Python in Jupyter/Databricks notebooks; dashboard prototypes are created in Tableau


• We are developing self-service and analytical products for data consumers, relieving analysts from routine tasks

Remote or from one of the company’s offices