Проводить продуктовые исследования пользовательского поведения, игровых метрик и жизненного цикла пользователей — от первого контакта до монетизации и удержания;
Искать закономерности в данных, находить точки роста и формировать гипотезы, способные повлиять на продукт;
Проектировать и проводить исследования для проверки продуктовых и бизнес-гипотез;
Анализировать результаты A/B-тестов, продуктовые воронки, когорты и пользовательские сегменты;
Разрабатывать аналитические алгоритмы и сервисы: сегментации, скоринги, правила персонализации, рекомендательные механики и другие data-driven решения;
Прототипировать новые подходы на Python и данных, оценивать их потенциальный эффект и вместе с командой доводить успешные решения до использования в продукте;
Работать с большими объемами данных: писать SQL-запросы (ClickHouse, MySQL), использовать Python для анализа, автоматизации и визуализации;
Представлять результаты исследований в понятном для бизнеса виде: формулировать выводы, рекомендации и следующие шаги;
Поддерживать продуктовые и маркетинговые команды в сложных ad-hoc исследованиях и аналитических задачах.
Требования
Опыт работы Data Analyst / Product Analyst от 1 года или сопоставимый практический опыт;
Уверенное владение SQL;
Знание Python для анализа данных (pandas, NumPy, matplotlib/seaborn и др.);
Понимание основ статистики, теории вероятностей и A/B-тестирования;
Понимание продуктовых метрик: Retention, Conversion, LTV, ARPU и др.;
Умение самостоятельно сформулировать исследовательский вопрос, подобрать подход к анализу и интерпретировать полученный результат;
Умение видеть за изменением метрик пользовательское поведение и причинно-следственные связи;
Системное мышление, любознательность и внимательность к деталям.
Будет плюсом
Опыт построения пользовательских сегментов, скорингов, кластеризации или классификации поведения;
Опыт разработки рекомендательных алгоритмов, персонализации или других алгоритмических решений;
Опыт проведения или автоматизации A/B-тестов;
Базовое понимание ML и опыт применения простых ML-моделей для решения аналитических задач;
Опыт использования LLM и AI-инструментов в аналитической работе — для исследования данных, написания и проверки SQL/Python-кода, поиска гипотез и автоматизации рутинных задач.
