Мы делим продукт на стримы и сейчас собираем аналитику и ML под одного владельца.
Вся мобильная реклама держится на одном разрыве: выручка от привлечённого пользователя приходит в течение года, подписками и продлениями, а решение, продолжать ли тратить на канал, нужно принять за несколько дней. Этот разрыв закрывает предсказание LTV — и от точности прогноза напрямую зависит, сколько приложение может позволить себе потратить на рост.
Данных для этого у нас больше, чем почти у кого-либо на рынке: мы видим тысячи приложений одновременно, а не одно. Значит, мы можем предсказывать точнее всех. Сейчас не предсказываем, и это задача роли.
Направление собирается с нуля: аналитика, предикт и A/B-тесты впервые сходятся под одним владельцем. Ты получаешь чистый лист в решениях поверх продукта, который уже приносит деньги двадцати тысячам приложений.
Чем заниматься:
•Определить, что мы считаем качеством модели — метрика, горизонт, baseline, калибровка — и довести предикт до этого уровня
•Забрать A/B-тесты пейволлов и свести их с предиктом: тест меряет краткосрочный эффект, а раскатывать надо по долгосрочной выручке
•Разогнать аналитику: найти, где затык — в данных, запросах или интерфейсе
•Решить судьбу накопленных ML-наработок: что доводим до продукта, что закрываем
•Вести команду из двух ML-инженеров
Кого ищем:
•Классический ML и матстат на уровне предметного спора о метрике и горизонте, а не пересказа чужих выводов
•SQL и Python — сами достаёте и перепроверяете числа
•Умение взять широкое направление и довести до результата без постановки задач
•Продуктовый опыт — плюс, но не требование
Плюсом: подписки, мобайл или финтех (LTV, churn, когортная экономика); экспериментальный дизайн: мощность, MDE, множественные сравнения; ClickHouse; олимпиады, Kaggle, публичные проекты.
