Senior ML-инженер в CVM

CVM (Customer Value Management) отвечает за то, чтобы маркетинговый бюджет работал максимально эффективно: кому, что, по какому каналу и когда предложить, чтобы получить реальный инкремент, а не скидку тем, кто и так бы купил.

Таргетинг промо уже прошёл путь от ручной сегментации через RFM к первым ML-моделям и эффекту, подтверждённому A/B-тестами. Теперь нужно растить качество и покрытие, построить надёжную продовую систему с оптимизатором под бюджет и прийти к Next Best Offer.

В скоупе: uplift-моделирование, оптимизация распределения бюджета при бизнес-ограничениях, дизайн экспериментов и тесная работа с маркетинговой аналитикой.

Чем предстоит заниматься:

• Uplift-моделирование: развивать модели промо, повышать их качество и покрытие, выбирать и сравнивать подходы (meta-learners, causal forests), валидировать офлайн (Qini/AUUC) и онлайн

• Оптимизация бюджета: распределять промо между пользователями при ограничениях на бюджет и с учётом размена между GMV и маржой

• Next Best Offer: перейти от вопроса «кому дать промокод» к «что, по какому каналу и когда»: пуши, бесплатная доставка, механики программы лояльности

• Прод и надёжность: превратить аналитические наработки в систему с регулярным переобучением, мониторингом, fallback-логикой и разбором инцидентов

• Эксперименты: запускать и разбирать A/B-тесты на новые версии моделей и механик

• Деньги и стейкхолдеры: работать с маркетинговой аналитикой от постановки задачи до измеримого эффекта - считать инкремент и юнит-экономику, защищать решения перед маркетингом и коммерцией на понятном им языке

• Инженерная культура: code review, обсуждение архитектуры, документация решений и результатов экспериментов

Наш стек:

• ML/DS: Python, pandas/polars, NumPy, scikit-learn, CatBoost/LightGBM, MLFlow

• Данные: ClickHouse, Trino, Spark, Airflow

• Прод: Git, Docker/Kubernetes

• A/B-эксперименты: GrowthBook

Что мы ждём:

• 4+ лет опыта в ML/DS: обучал модели и выводил их в прод

• Опыт с…