Uzum People

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 uplift-моделированием или causal inference

• Опыт A/B-экспериментов: дизайн, запуск, анализ

• Сильный Python + SQL

• Понимание юнит-экономики: GMV, выручка, contribution margin

• Умеешь объяснять результаты маркетингу и бизнесу и договариваться про цели и метрики

• Опыт в CVM, промо или программах лояльности

• Задачи оптимизации при ограничениях

• Опыт в e-commerce

Процесс найма:

1. HR-интервью (30 мин): контекст про вакансию, твой опыт и ожидания

2. Тех-1 (60 мин): Python, SQL, вопросы про ML

3. Тех-2 (60 мин): ML System Design

4. Финал (60 мин): интервью с руководителем

Почему это интересно:ㅤ

• Даем широкую зону ответственности и возможность влиять на архитектурные и продуктовые решения. А ещё рады обсуждать твои инициативы и реализовывать их

• Уникальная культура – мы сохранили дух стартапа, при этом уже отстроили зрелые процессы

• Формируем измеримые цели всей командой и не просто выполняем их "для галочки", а замеряем эффективность и общее влияние нашей работы на бизнес

• Работа в командах сильных специалистов, где ценится глубина экспертизы и инженерное мышление

• Команды слушают и слышат друг друга, выступая в роли партнеров, а не исполнителей

Что мы предлагаем:

• Удаленка из любой точки мира или уютный офис в Ташкенте

• У нас можно расти в инженерном или управленческом треке, а еще выстроена регулярная оценка перформанса

• Платим на уровне топовых компаний российского рынка

• Обучение и развитие — мы поддерживаем как внутри компании, так и за ее пределами (митапы, конференции, профессиональное обучение, публикации). А еще помогаем развивать личный бренд

• База — комьюнити профессионалов с желанием делать круто. Приятный бонус — ДМС в привязке к вашей локации, обучение и другие плюшки