👋 Привет! Я Ира, рекрутер компании Циан, крупнейшего в России сервиса для поиска недвижимости.

Больше 20 лет мы помогаем быстрее решать вопросы с недвижимостью: найти, оценить, купить, снять, продать, сдать и оформить сделку без рисков.

Команда Buyers Experience отвечает за привлечение и возвращение пользователей в продукт, а также за активацию в совершение целевых действий и рост лояльности. Наш основной фокус – помочь нашим С-пользователям решить любую задачу, связанную с поиском жилья, и получить удовольствие от этого.

Но нам важно не только помочь найти жилье, но и так настроить поисковый и рекомендательный движок, чтобы направлять внимание пользователей на разные продукты, категории, сервисы, максимизируя таким образов влияние на метрики. Для задач управления вниманием пользователя мы создали команду “Search and Recomendations”, в которую открыли поиск на роль продуктового аналитика.

<aside> 🚀 В “SnR” открыта позиция продуктового аналитика Что будем делать:

</aside>

• Проводить исследования зависимости ключевых метрик компании (выручка, EBITDA) от настроек поискового и рекомендательного движка
• Анализировать и запускать A/B тесты
• Создавать системы метрик и контролировать качество данных для их расчета;
• Проектировать и разрабатывать отчеты и дашборды;
• Проводить исследования данных и определять ключевые драйверы роста метрик;

<aside> 🚀 Мы видим на этой позиции человека, который

</aside>

• Имеет высшее образование: естественно - научное, техническое или экономическое. Приоритет: МГУ (Мехмат, ВМК, физфак, эконом), МГТУ, РЭШ, МФТИ, ВШЭ(эконом, миэф, фкн, матфак), СПБГУ, НГУ (мехмат, физфак, эконом); Среди дополнительного образования ценим: Курсы карпова (Karpov.courses), Яндекс практикум, GoPractice, EXPF (Экспериментфест), курсы ODS;
• имеет опыт в продуктовой аналитике от 2-х лет (b- и c-пользователей);
• Умеет в SQL - продвинутый уровень (подзапросы/оконные функции/сложные джоины);
• Уверено в Python (pandas/numpy/scipy/statsmodels/matplotlib/seaborn/plotly);
• Умеет применять статистические методы для дизайна и оценки A/B тестов (стат.критерии / увеличение чувствительности метрик);
• Умеет оценивать результаты запуска без A/B (методы синтетического контроля);
• Умеет использовать статистику и математическое моделирование для глубокого исследования данных;