Lead Marketing Analyst

Ми шукаємо людину, яка візьме на себе маркетингову аналітику як напрям цілком, а не як потік завдань «порахуй вивантаження до завтра».

Компанія живе за рахунок платного трафіку: сотні кампаній і тисячі креативів у Google та Meta, десятки джерел і партнерів, кошти перерозподіляються щодня.

Ваше завдання - побудувати систему, яка працює за відтворюваними правилами, і завжди чесно показувати, де цим правилам довіряти не можна. Не просто «зробити дашборд», а довести рішення до стану, коли воно стабільно працює в продакшені щодня без вашої участі.

Це не роль медіабаєра: ви не запускаєте й не ведете рекламні кампанії. Але саме ваші висновки визначають, куди піде бюджет, які зв'язки зупиняться і на яких даних навчатимуться автоматичні стратегії рекламних платформ.

Роль передбачає лідерство: ви самостійно перетворюєте розмитий бізнес-запит на чітку постановку, захищаєте методологію перед замовником, встановлюєте стандарти розрахунків для команди та рев'юєте чужі цифри.

Що потрібно буде робити

• Юніт-економіка закупівлі та таргети.

  Розраховувати окупність трафіку на різних горизонтах і в різних розрізах: джерело, партнер, платформа, вік, географія. Будувати криві дозрівання когорт і переводити їх у робочі таргети для баєрів: скільки ми готові платити за користувача сьогодні, щоб вийти на план через місяць. Окреме постійне завдання - підтримувати ці таргети актуальними: економіка змінюється, і коефіцієнт, розрахований навесні, восени вже може давати хибний результат.

• Навчання рекламних платформ: оптимізаційні події та цінність конверсій.

  Визначати, які події та з якою цінністю передавати в Google і Meta, щоб алгоритми залучали користувачів, які справді платять у довгостроковій перспективі, а не лише здійснюють разову оплату. Це поєднання аналітики та інтеграцій: матриця цінностей має будуватися на даних, а не створюватися вручну.

• Правила зупинки кампаній і креативів.

  Розвивати систему, яка цілодобово вимикає збиткові зв'язки за правилами, а не за рішенням втомленої людини. Це включає: пороги, мінімальний обсяг даних для прийняття рішення, поправку на затримку платежів, журнал кожної зупинки із зазначенням причини. Також потрібно оцінювати самі правила: які справді допомагають відсікати збитки, а які просто вимикають усе підряд.

• Атрибуція та розподіл грошей між командами.

  Розбиратися, кому належить виручка - залученню чи ремаркетингу, що показують рекламні кабінети за моделлю останнього дотику та чому цифри між системами розходяться. Завдання - не вибрати «найкрасивішу» модель атрибуції, а дати бізнесу обґрунтовану основу для розподілу бюджету, яку визнаватимуть обидві команди.

• Сегментація та продуктові дослідження за межами закупівлі.

  Визначати: хто є нашим цінним клієнтом, за якими ранніми ознаками його можна визначити вчасно, де виникають проблеми на шляху користувача, чому виручка тримається, а активна база скорочується. Результат - не просто опис сегментів, а сегменти, які можна безпосередньо використовувати в аудиторіях ремаркетингу та продуктових гіпотезах.

• Щоденний контроль та інфраструктура власних рішень.

  Моніторити ключові метрики й аномалії - про просідання ми маємо дізнаватися першими, а не від баєра через тиждень. Працювати з: вітринами в BigQuery, регулярними розрахунками в Airflow, дашбордами в Superset.

Як ми працюємо

• Цифрі має бути можна довіряти. Метрика рахується один раз, в одному місці та за однією формулою. Якщо «у звіті одне, а в дашборді інше» - це баг, який ми виправляємо, а не дрібниця.
• Негативний результат - теж результат. Показати, що красива гіпотеза - навіть власна й уже наполовину впроваджена — не працює, це цінність, а не провал.
• Невизначеність називаємо вголос. «Число коливається від 26 до 62, тому спиратися на нього для прийняття рішення не можна» - нормальна відповідь. Впевнений тон за хитких даних - ні.
• Говоримо з бізнесом мовою бізнесу. Баєру, продукту та керівництву потрібні висновок і наслідок, а не терміни та p-value. Методологія лежить на нижчому рівні - для тих, хто хоче перевірити розрахунок.
• AI - робочий інструмент, а не хайп. Claude та агентні пайплайни використовуються в щоденній роботі аналітика й у продакшені. Для нас це вже норма, а не експеримент.
• Мінімум бюрократії. Прямий доступ до замовників і керівництва, короткий шлях від гіпотези до впровадження.

Кого ми шукаємо

Не обов'язково відповідати всім вимогам, але що більше пунктів закрито - то краще.

• 4+ роки у маркетинговій / продуктовій аналітиці, зокрема досвід ведення напряму або проєкту цілком: від розмитого запиту до впровадженого рішення.
• Сильний SQL і досвід роботи з великими даними в аналітичному сховищі. BigQuery - плюс, але підійде будь-який аналог.
• Python (pandas) як основний робочий інструмент: розрахунки, автоматизація, відтворювані скрипти, а не лише ноутбук «для себе».
• Практичне розуміння юніт-економіки платного трафіку: CAC/CPA, LTV, ROAS, атрибуційні вікна, дозрівання когорт.
• Розуміння того, чому свіжа кампанія завжди виглядає збитковою та що з цим робити.
• Статистика на рівні здорового практичного застосування: довірчі інтервали, достатність вибірки, кореляція проти причинності. Не просто «запустити тест», а розуміти, коли результату ще немає.
• Досвід роботи з performance-каналами (Google Ads / Meta) з боку даних: структура кампаній, конверсійний трекінг, автоматичні стратегії.
• Уміння захищати методологію: пояснити замовнику, чому ми рахуємо саме так, і визнати, коли розрахунок був неправильним.
• Самостійність. Завдання часто приходить одним реченням у чаті. Розкласти його на питання, поставити необхідні уточнення й повернутися з відповіддю - ваша робота, а не чиясь інша.
• Досвід у dating, subscription або інших high-volume B2C-продуктах із мікроплатежами.
   

Буде плюсом

• Досвід передавання офлайн-конверсій та value-based bidding: Google Ads API (offline conversion import, enhanced conversions, conversion adjustments), Meta Conversions API.
• Affiliate-аналітика: робота з партнерськими джерелами та трекерами, звірка витрат.
• Airflow або інша оркестрація регулярних розрахунків; Superset / Tableau / Looker.
• Прогнозні моделі окупності, робота із сегментацією та cohort-аналізом.
• Досвід наставництва: рев'ю чужих розрахунків, створення стандартів, навчання молодших аналітиків.
   

Ця роль не для вас, якщо

• Ви очікуєте готову постановку задачі з описом того, які таблиці потрібно взяти.
• Для вас аналітика закінчується на вивантаженні та графіку, а впровадження - це «робота розробників».
• Вам некомфортно, коли ваш висновок змінює чийсь бюджет і його потрібно захищати вголос.
   

Що пропонуємо

• Повністю віддалена робота, Europe-friendly часовий пояс.
• Конкурентна компенсація - обговорюємо за результатами інтерв'ю та орієнтуємося на рівень експертизи.
• Реальні бюджети та швидкий цикл: ваша гіпотеза може змінити закупівлю вже цього тижня, а не наступного кварталу.
• Сильна автономна команда аналітики та прямий контакт із бізнесом без зайвих рівнів менеджменту.
• AI у продакшені та свобода у виборі інструментів.
  
  Етапи відбору
• Співбесіда з HR.
• Фінальний етап - співбесіда з Head of Analytics.