Product Lead (Predictions & ML)
Adapty
- Грейд
- Lead
- Формат
- Удалённо
- Категория
- Data/ML
- Источник
- AI Работа Вакансии DS / ML
Откликнуться
Прямого контакта в посте нет
Откройте вакансию в Telegram-боте: там весь исходный пост и способ отклика.
Открыть в TelegramОписание
👀 Product Lead (Predictions & ML)
Удаленка
Adapty — платформа монетизации подписок для мобильных приложений. Через нас проходит больше $3B подписочной выручки в год, нами пользуются больше 20 000 приложений. Мы делим продукт на стримы и сейчас собираем аналитику и ML под одного владельца.
Вся мобильная реклама держится на одном разрыве: выручка от привлечённого пользователя приходит в течение года, подписками и продлениями, а решение, продолжать ли тратить на канал, нужно принять за несколько дней. Этот разрыв закрывает предсказание LTV — и от точности прогноза напрямую зависит, сколько приложение может позволить себе потратить на рост.
Данных для этого у нас больше, чем почти у кого-либо на рынке: мы видим тысячи приложений одновременно, а не одно. Значит, мы можем предсказывать точнее всех. Сейчас не предсказываем, и это задача роли.
Направление собирается с нуля: аналитика, предикт и A/B-тесты впервые сходятся под одним владельцем. Ты получаешь чистый лист в решениях поверх продукта, который уже приносит деньги двадцати тысячам приложений.
➡️Чем заниматься:
— Определить, что мы считаем качеством модели — метрика, горизонт, baseline, калибровка — и довести предикт до этого уровня
— Забрать A/B-тесты пейволлов и свести их с предиктом: тест меряет краткосрочный эффект, а раскатывать надо по долгосрочной выручке
— Разогнать аналитику: найти, где затык — в данных, запросах или интерфейсе
— Решить судьбу накопленных ML-наработок: что доводим до продукта, что закрываем
— Вести команду из двух ML-инженеров
➡️Кого ищем:
— Классический ML и матстат на уровне предметного спора о метрике и горизонте, а не пересказа чужих выводов
— SQL и Python — сами достаёте и перепроверяете числа
— Умение взять широкое направление и довести до результата без постановки задач
— Продуктовый опыт — плюс, но не требование
📌Плюсом: подписки, мобайл или финтех (LTV, churn, когортная экономика); экспериментальный дизайн: мощность, MDE, множественные сравнения; ClickHouse; олимпиады, Kaggle, публичные проекты.
➡️Откликнуться
Удаленка
Adapty — платформа монетизации подписок для мобильных приложений. Через нас проходит больше $3B подписочной выручки в год, нами пользуются больше 20 000 приложений. Мы делим продукт на стримы и сейчас собираем аналитику и ML под одного владельца.
Вся мобильная реклама держится на одном разрыве: выручка от привлечённого пользователя приходит в течение года, подписками и продлениями, а решение, продолжать ли тратить на канал, нужно принять за несколько дней. Этот разрыв закрывает предсказание LTV — и от точности прогноза напрямую зависит, сколько приложение может позволить себе потратить на рост.
Данных для этого у нас больше, чем почти у кого-либо на рынке: мы видим тысячи приложений одновременно, а не одно. Значит, мы можем предсказывать точнее всех. Сейчас не предсказываем, и это задача роли.
Направление собирается с нуля: аналитика, предикт и A/B-тесты впервые сходятся под одним владельцем. Ты получаешь чистый лист в решениях поверх продукта, который уже приносит деньги двадцати тысячам приложений.
➡️Чем заниматься:
— Определить, что мы считаем качеством модели — метрика, горизонт, baseline, калибровка — и довести предикт до этого уровня
— Забрать A/B-тесты пейволлов и свести их с предиктом: тест меряет краткосрочный эффект, а раскатывать надо по долгосрочной выручке
— Разогнать аналитику: найти, где затык — в данных, запросах или интерфейсе
— Решить судьбу накопленных ML-наработок: что доводим до продукта, что закрываем
— Вести команду из двух ML-инженеров
➡️Кого ищем:
— Классический ML и матстат на уровне предметного спора о метрике и горизонте, а не пересказа чужих выводов
— SQL и Python — сами достаёте и перепроверяете числа
— Умение взять широкое направление и довести до результата без постановки задач
— Продуктовый опыт — плюс, но не требование
📌Плюсом: подписки, мобайл или финтех (LTV, churn, когортная экономика); экспериментальный дизайн: мощность, MDE, множественные сравнения; ClickHouse; олимпиады, Kaggle, публичные проекты.
➡️Откликнуться
- ml
- python
- sql
- clickhouse
- ab_testing
- mathematical_statistics
- ltv
- churn
- kaggle
Оценка вакансии
60/100 · удовлетворительно
- Описание полное
- Зарплата не указана
- Компания и проект описаны
- Контакта нет
- Стек описан подробно
- Формат работы понятен
Похожие вакансии
Промптер-трендовщик ИИ-роликов
AI-балл 92/100Нейросетку
60 000 – 80 000 ₽
Удалённоclaudechatgptnano_banana
ML Engineer
AI-балл 68/100РФ
до 230 000 ₽
MiddleУдалённоpythonsqlpostgresql
Стажер Classic Data Scientist / Junior-специалист 1С
AI-балл 60/100Сбер / Pulsea · Москва
InternОфис / Удалённоpythonsqlcatboost
Junior AI Automation Specialist / Специалист по AI
AI-балл 94/100KODIX
65 000 – 80 000 ₽
JuniorУдалённоchatgptclaudegemini
AIOps (ML/AI-агент для исследования инцидентов)
AI-балл 60/100МТС · Москва
Гибридmlllmnlp
