Маркетинговый аналитик в Браузер

Яндекс Браузер — один из ключевых потребительских продуктов Яндекса. Им пользуются миллионы людей каждый день.

Мы ищем маркетингового аналитика. Нам нужен специалист, который поможет лучше понимать аудиторию, оценивать, насколько эффективны маркетинговые активности, и находить точки роста продукта.

Что предстоит делать:
Анализ кампаний

Вы будете оценивать эффективность performance‑кампаний, брендовых и продуктовых коммуникаций — выяснять, какой вклад они вносят в ключевые метрики. Это позволит командам точнее распределять бюджеты и совершенствовать стратегии.

A/B‑тестирование

Вы будете ключевым специалистом по проверке гипотез — от планирования экспериментов до интерпретации результатов. Ваши выводы станут основой для решений о новых фичах и улучшениях.

Система маркетинговой отчётности

Вы будете создавать дашборды и регулярные отчёты, чтобы сделать метрики прозрачными для всех команд и быстро отслеживать эффективность инициатив.

Исследование поведения пользователей

Вы будете анализировать, как аудитория работает с продуктом — от первого использования до удержания и повторного вовлечения. Это позволит выявить скрытые возможности для роста.

Работа с гипотезами

Вы будете предлагать идеи для развития Браузера на основе данных, проверять их и оценивать бизнес-эффект. Ваши решения повлияют на продукт, которым ежедневно пользуются миллионы людей.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

Требования:
• Работали в маркетинговой или продуктовой аналитике от двух лет
• Проводили A/B‑тесты и интерпретировали их результаты
• Уверенно владеете SQL и работали с большими данными
• Понимаете маркетинговые метрики: CAC, CPA, LTV, retention
• Хорошо знакомы с одним из инструментов мобильной или веб‑аналитики: AppMetrica, Firebase, Google Analytics, Apple App Analytics, Яндекс Метрика, Adjust или их аналогами
• Внимательны к деталям, самостоятельны и умеете структурировать неопределённые задачи
• Умеете понятно коммуницировать с неаналитическими командами

Будет плюсом:
• Оценивали инкрементальность привлечения
• Строили look-alike-модели
• Применяли ML-модели для решения рабочих задач