Яндекс.Плюс — это единая подписка на сервисы Яндекса, которая даёт доступ к музыке, фильмам, подкастам, книгам, играм, спортивному и другому контенту. Это большой экосистемный проект, где более 35 миллионов подписчиков каждый день получают разнообразные ценности в сервисах экосистемы: слушают «Мою волну» в Музыке, смотрят кино на Кинопоиске, получают кешбэк на Маркете, в Такси, Еде и других сервисах Яндекса.
Одно из фокусных направлений — развитие сценариев лояльности. Количество предложений для пользователей растёт каждый день, и необходимо построить систему оптимального управления этими предложениями, скидками и баллами Плюса.
Позиция подходит молодым руководителям и «играющим тренерам», которые готовы самостоятельно вести разработку и исследования. При этом позиция подразумевает потенциал для быстрого роста команды.
Самые ближайшие ваши проекты предусматривают разработку ML-моделей для:
- Назначения кешбэка и оферов для пользователей.
- Оптимизации регулярных маркетинговых механик.
- Рекомендации партнёров для пользователя.
Какие задачи вас ждут:
- Оптимизация механик лояльности
Механик лояльности довольно много. Каждую нужно оптимизировать, каждая должна приносить максимальный эффект, при этом не превышать расходы. Все механики должны быть сонаправлены и не могут противоречить целям бизнеса.
- Выдвижение гипотез и проведение экспериментов.
Вам предстоит предлагать гипотезы и тестировать их, чтобы с помощью ML-моделей повышать эффективность механик лояльности для наших подписчиков в экосистеме Яндекса.
- Написание продакшен-кода на Java
Мы работаем с классическими методами машинного обучения, оборачиваем наши модели в сервисы на Java и выводим их в продакшен. Вам предстоит писать надёжный и эффективный код на Java.
Мы ждем, что вы:
- Разбираетесь в принципах классического ML.
- Знаете традиционные алгоритмы и структуры данных.
- Хорошо знакомы с Python и SQL.
- Понимаете, как превращать запросы бизнеса в ML-задачи и проекты.
- Можете понятно продемонстрировать бизнесу результаты исследований, умеете аргументированно отстаивать свою точку зрения.
- Умеете организовывать работу команды, приоритизировать заказы и выстраивать долгосрочные командные цели.
- Готовы отвечать за продакшен-модели в runtime.
Будет плюсом, если вы:
- Выводили ML-модели в продакшен.
- Разрабатывали на Java или C++.
- Умеете решать задачи из области Causal Inference.
