Продуктовый аналитик в команду YaOS Кинопоиска
Ищем продуктового аналитика, который будет развивать рекомендации и контентные витрины YaOS: оценивать эффективность подборок, искать удачные способы представления контента и измерять влияние изменений интерфейса на смотрение. Также предстоит работать с рекламными, партнёрскими и AVOD-сценариями.Оценка рекомендаций и контентных витрин
Вам предстоит измерять вклад рекомендаций и подборок в смотрение и долгосрочную вовлечённость пользователей. Нужно будет отделять эффект ранжирования от влияния контента, позиции и визуального представления, оценивать инкрементальный эффект продуктовых изменений и находить точки роста в использовании каталога. Эксперименты и продуктовые решения
Вы будете участвовать в полном цикле проверки гипотез: от постановки задачи и выбора метрик до дизайна эксперимента, анализа результатов и принятия решения. Там, где классический A/B-тест невозможен, предстоит применять другие методы оценки причинно-следственных связей. Реклама и партнёрские сценарии
Часть задач будет связана с рекламой, AVOD-контентом и партнёрскими размещениями. Нужно будет оценивать рекламную нагрузку, влияние монетизационных механик на продуктовые метрики и находить баланс между коммерческой эффективностью и пользовательским опытом. Партнёрство с продуктовой командой
Вы будете плотно работать с продакт-менеджерами, дизайнерами, разработчиками и ML-командой: формировать систему метрик, определять требования к данным, находить точки роста и предлагать продуктовые решения. Мы ждём, что аналитик сможет аргументированно влиять на развитие продукта и оспаривать гипотезы команды, если данные их не подтверждают. Больше об аналитике в Яндексе — в канале Yandex for Analytics* Знаете SQL на уровне написания сложных запросов * Уверенно владеете Python для анализа данных * Проводили A/B-эксперименты и анализировали результаты * Умеете проводить продуктовые исследования, разбираться во взаимосвязях метрик и на основе выводов предлагать решения * Работали с BI-инструментами: DataLens, Tableau или аналогами * Самостоятельно погружаетесь в задачу, доводите исследования до рекомендаций и умеете ясно объяснять выводы продукту и бизнесу* Работали в продуктовой команде крупной технологической компании * Работали в онлайн-кинотеатре или другом контентном сервисе * Понимаете основные принципы работы рекомендательных моделей и умеете оценивать их продуктовый эффект * Использовали методы причинно-следственного анализа там, где невозможно провести классический A/B-эксперимент * Работали с рекламной монетизацией и оценивали её влияние на продуктовые метрики * Используете AI-инструменты и агентов в аналитической работе
Вам предстоит измерять вклад рекомендаций и подборок в смотрение и долгосрочную вовлечённость пользователей. Нужно будет отделять эффект ранжирования от влияния контента, позиции и визуального представления, оценивать инкрементальный эффект продуктовых изменений и находить точки роста в использовании каталога. Эксперименты и продуктовые решения
Вы будете участвовать в полном цикле проверки гипотез: от постановки задачи и выбора метрик до дизайна эксперимента, анализа результатов и принятия решения. Там, где классический A/B-тест невозможен, предстоит применять другие методы оценки причинно-следственных связей. Реклама и партнёрские сценарии
Часть задач будет связана с рекламой, AVOD-контентом и партнёрскими размещениями. Нужно будет оценивать рекламную нагрузку, влияние монетизационных механик на продуктовые метрики и находить баланс между коммерческой эффективностью и пользовательским опытом. Партнёрство с продуктовой командой
Вы будете плотно работать с продакт-менеджерами, дизайнерами, разработчиками и ML-командой: формировать систему метрик, определять требования к данным, находить точки роста и предлагать продуктовые решения. Мы ждём, что аналитик сможет аргументированно влиять на развитие продукта и оспаривать гипотезы команды, если данные их не подтверждают. Больше об аналитике в Яндексе — в канале Yandex for Analytics* Знаете SQL на уровне написания сложных запросов * Уверенно владеете Python для анализа данных * Проводили A/B-эксперименты и анализировали результаты * Умеете проводить продуктовые исследования, разбираться во взаимосвязях метрик и на основе выводов предлагать решения * Работали с BI-инструментами: DataLens, Tableau или аналогами * Самостоятельно погружаетесь в задачу, доводите исследования до рекомендаций и умеете ясно объяснять выводы продукту и бизнесу* Работали в продуктовой команде крупной технологической компании * Работали в онлайн-кинотеатре или другом контентном сервисе * Понимаете основные принципы работы рекомендательных моделей и умеете оценивать их продуктовый эффект * Использовали методы причинно-следственного анализа там, где невозможно провести классический A/B-эксперимент * Работали с рекламной монетизацией и оценивали её влияние на продуктовые метрики * Используете AI-инструменты и агентов в аналитической работе