Аналитик в направление медийной рекламы Яндекс Еды

<iframe allow="autoplay; fullscreen; accelerometer; gyroscope; picture-in-picture; encrypted-media" frameborder="0" height="315" scrolling="no" src="https://runtime.strm.yandex.ru/player/video/vplvqhbupddnln7mbp74?autoplay=1&amp;mute=1" width="560"></iframe>

Мы — команда аналитики рекламной платформы Яндекс Еды. Для нас реклама — это и монетизация сервиса, и инструмент роста для наших партнёров: магазинов, ресторанов, производителей товаров. Платформа работает с двумя сторонами: миллионами пользователей и десятками тысяч партнёров. И она должна быть одновременно полезной для пользователей, выгодной для партнёров и прибыльной для сервиса.

Аналитика рекламы — одна из самых интересных областей. Мы решаем задачи на стыке продукта, экономики и алгоритмов. А ещё работа аналитика меняется на глазах: AI входит и в продукты, которые мы создаём для партнёров и пользователей, и в инструменты самого аналитика. Рутину вроде запросов, витрин и первичного разбора мы всё активнее перекладываем на AI-агентов. Поэтому работа аналитика всё меньше связана с механикой и всё больше — с умением задавать правильные вопросы, принимать продуктовые решения и делать то, что модель не сделает.

Мы ищем сильного аналитика в направление медийной рекламы. Это всё, что работает на охват, узнаваемость и долгосрочный спрос: различные баннеры, видеоформаты, попапы. В отличие от перформанс-сегментов, здесь речь идёт не столько об инкрементальных эффектах в моменте, сколько о месте бренда в голове пользователя.

Основная сложность — найти баланс между тремя ограничениями: сколько инвентаря у нас есть, сколько рекламы готов видеть пользователь и какой план по выручке стоит у бизнеса. Вам предстоит развивать ёмкость и утилизацию инвентаря, коммуникационную политику для разных форматов и методологию замера долгосрочных эффектов рекламы.

Управление ёмкостью медийного инвентаря и ростом его утилизации

Медийный инвентарь — конечный и довольно дорогой ресурс. Каждый показ рекламного баннера на главной или видео в выдаче занимает место, которое мы могли бы отдать чему-то другому. Вам предстоит прогнозировать ёмкость по форматам, плейсментам и сегментам аудитории, искать недоутилизированные слоты и обеспечивать рост заполняемости. Цель — превращать каждый процент роста утилизации в реальные деньги для бизнеса.

Формирование коммуникационной политики для разных форматов

Максимально эффективные рекламные форматы часто сильно нагружают пользователя. Вам предстоит на основе данных определять, сколько раз в день, в неделю и в каких контекстах стоит показывать медийную рекламу, не утомляя пользователя и не влияя на возвращаемость. Это работа на стыке продукта, рекламы и пользовательского опыта — и одна из самых обсуждаемых тем внутри направления.

Влияние на продукт и измерение эффекта медийной рекламы

Медийный инвентарь — не данность, его можно проектировать: запускать новые форматы, плейсменты, способы интеграции с контентом. При этом медийная реклама работает на долгосрочные эффекты: brand lift, рост спроса, узнаваемость. Классические A/B-тесты здесь часто бессильны. Вам предстоит участвовать в запуске новых форматов и оценивать их потенциал ещё до выкатки. Нужно будет развивать методологию замера эффекта — от исследований brand lift до квазиэкспериментальных подходов, чтобы показать бизнесу и рекламодателю работоспособность инструмента и эффекты за пределами прямых конверсий.

Аналитика для рекламодателей и бизнеса

Рекламодатели хотят понимать, что они получили за свои деньги: охват, частоту, brand lift. А бизнесу важно видеть, как растёт медийный сегмент. Вам предстоит развивать систему метрик и отчётности по итогам кампаний, автоматизировать рутину и строить дашборды, которые помогают принимать максимально качественные решения.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Имеете опыт в аналитике данных от двух лет
* Отлично владеете SQL и Python для анализа и автоматизации
* Знаете математическую статистику и умеете проводить A/B-тесты, в том числе понимаете, что делать, когда классический подход неприменим
* Видите за цифрами физический смысл и умеете находить причины явлений, а не только их следствия
* Активно пользуетесь LLM-инструментами в работе — не как «модной игрушкой», а чтобы быстрее писать код, разбирать данные и избавляться от рутины
* Аргументированно и доступно отстаиваете свою точку зрения и слышите чужую
* Ладите с людьми, можете напрямую взаимодействовать с командой бизнеса и продвигать принятие решений на основе данных

* Работали в медийной, рекламной или маркетинговой аналитике