Staff Applied AI/ML Scientist, Acquisition

О позиции

Faire строит будущее локального бизнеса, используя технологии, данные и машинное обучение для подключения сообщества предпринимателей по всему миру. Наша команда Applied AI/ML Scientists разрабатывает алгоритмические решения для рекомендательных систем, оптимизации расходов, прогнозирования lifetime value и других задач. В роли Tech Lead по Acquisition вы будете отвечать за видение, стратегию и исполнение всех аспектов машинного обучения в привлечении независимых ритейлеров на платформу. Вы построите модели, которые определяют, где и сколько тратить на привлечение, предскажут долгосрочную ценность потенциальных клиентов, создадите контент для лендингов и сформируют опыт регистрации. Вы возглавите небольшую команду учёных и аналитических инженеров, работая как pod lead совместно с продуктом, инженерией и маркетингом.

Чем заниматься

• Определять AI/ML видение, стратегию и дорожную карту для Acquisition и Paid Marketing
• Оптимизировать расходы на платный маркетинг, ставки и распределение бюджета по каналам (поиск, соцсети, Performance Max)
• Прогнозировать lifetime value ритейлеров для value-based bidding и приоритизации усилий по привлечению
• Проектировать эксперименты для измерения инкрементального эффекта платных каналов и принятия инвестиционных решений
• Разрабатывать SEO/AEO интеллектуальные системы для выявления поисковых возможностей
• Масштабировать создание лендингов и контента, измерять их влияние на привлечение
• Строить модели аудитории и таргетинга для ретаргетинговых кампаний
• Управлять и наставлять Applied AI/ML Scientists и Analytics Engineers
• Партнёрство с маркетингом, продуктом, инженерией и финансами для трансляции моделей в измеримый рост

Что ждут

• 5+ лет промышленного опыта применения машинного обучения для решения реальных бизнес-задач
• Опыт работы с бизнес-задачами электронной коммерции, маркетплейсов, роста, привлечения, платного маркетинга или персонализации
• Знание технических методов: измерение инкрементальности, LTV-моделирование, оптимизация ставок и бюджета, рекомендации и cold-start, использование LLM для продакшн
• Сильные навыки программирования
• Опыт в качестве техлида, менторства учёных или ML-инженеров, способность задавать стратегию команды
• Отличные коммуникативные навыки и умение работать в кросс-функциональной команде

Будет плюсом

• Магистр или PhD по Computer Science, Statistics, Economics или смежным STEM направлениям
• Опыт управления людьми в прикладных ML/data science командах
• Предыдущий опыт performance/платного маркетинга, media-mix modeling, систем ставок, incentive optimization или роста двухсторонних платформ
• Опыт работы с deep learning или языковыми моделями

Условия

• Конкурентная базовая зарплата: ~$246,500–$339,000 в год + equity
• Гибридный график: 3 дня в офисе (вторник, четверг и гибкий день) + до 4 недель удалённо в год
• Гибкая оплачиваемая отпускная система и корпоративные дни отдыха
• Оплачиваемый декретный отпуск до 16 недель
• Комprehensive медицинское страхование
• Преимущества по фертильности и планированию семьи через Carrot
• Поддержка психического здоровья через Modern Health
• Бюджет на профессиональное развитие и работу из дома
• Пенсионный план от работодателя

Навыки

• Python
• Machine Learning
• Deep Learning
• PyTorch
• TensorFlow
• SQL
• Apache Spark
• AWS
• GCP
• A/B Testing
• Experiment Design
• Statistical Analysis
• Recommender Systems
• LTV Modeling
• Paid Advertising
• Budget Optimization
• SEO
• AEO
• Retargeting
• Transformers
• Large Language Models
• Customer Segmentation
• Incrementality Measurement
• Bid Management
• Growth Analytics

Могут спросить на собеседовании

1. Как бы вы измерили инкрементальный эффект платной рекламы в сложных многоканальных кампаниях?
2. Расскажите о вашем подходе к построению LTV-моделей для новых клиентов
3. Как вы решаете проблему cold-start в рекомендательных системах?
4. Какие метрики вы отслеживаете для оценки эффективности acquisition-активностей?
5. Приведите пример сложной ML-системы, которую вы построили с нуля