НовоеAI-конструктор резюме: правишь прямо на листе A4, а нейросеть подсказывает, что усилитьКонструктор резюме на листе A4Попробовать
JobPath
Начать бесплатно

Airbnb

Staff Data Scientist - Martech Platform (ML/Algos)

  • Удалённо
  • Remote - USA
  • сегодня

Staff Data Scientist в команду Martech Platform Airbnb — технический лидер ML-систем маркетинга. Разработка моделей и методов измерения влияния AI-driven кампаний на привлечение и удержание гостей и хостов. Удалённая работа из США с возможностью occasional work в офисах.

О позиции

Команда Measurement marketing data science отвечает за оптимизацию ROI маркетинга через данные. Вы будете работать над измерением и оптимизацией воздействия маркетинговых кампаний, включая автоматические решения по ставкам, бюджетам, аудиториям и контенту. Позиция требует научного подхода к оценке маржинальности инвестиций и влияния на бизнес-метрики в глобальной экосистеме Airbnb.

Чем заниматься

  • Разработка и внедрение машинных моделей для оптимизации рекламных кампаний
  • Построение стратегии экспериментов и измерения инкрементального эффекта
  • Синтез данных из A/B тестов, гео-тестов и holdouts для оценки реального влияния
  • Архитектура моделей и пайплайнов для батч и real-time решений в масштабе
  • Интеграция прогностических моделей с причинно-следственными оценками для allocation бюджета
  • Научное руководство командой DS: менторство, код-ревью, установление технических стандартов
  • Взаимодействие с Marketing, Finance, Engineering и Product для согласования метрик и подходов
  • Автоматизация процессов с использованием AI и agentic coding
  • Презентация рекомендаций и trade-offs senior leadership с учётом неопределённости

Что ждут

  • 6+ лет опыта в Data Science / ML с фокусом на маркетинговую аналитику
  • PhD в количественной области или значимый опыт промышленного уровня
  • Глубокая экспертиза в ML lifecycle: gradient boosted trees, Bayesian methods, deep learning, optimization
  • Проверенный опыт внедрения ML-моделей для рекламных задач и автоматических решений
  • Опыт дизайна экспериментов и measurement (holdouts, geo tests, causal inference)
  • Сильные навыки Python и SQL, современная ML/data инфраструктура
  • Флукентность в маркетинговой экономике: CAC, LTV/CAC, payback, ROAS
  • Техническое лидерство: направление команд, менторство, влияние на стейкхолдеров
  • Чёткая коммуникация для аудитории от engineers до executives

Будет плюсом

  • Causal ML, uplift modeling, интеграция predictive и experimentation
  • Contextual bandits, reinforcement learning для bidding и budget pacing
  • Опыт работы с paid media платформами (Amazon Ads, Google Ads, Meta)
  • Domain experience в marketplace, travel, subscription или e-commerce
  • LLM и agentic AI applications в маркетинге
  • Публикации, патенты, внешние презентации в quantitative marketing

Условия

  • Участие в масштабных ML проектах глобального уровня
  • Работа с данными миллиардов пользователей Airbnb
  • Remote-first культура с гибкостью локации
  • Бонусы, equity, benefits, Employee Travel Credits
  • Возможность occasional office work and offsites
  • Инклюзивная среда и DEI программы компании

Навыки

  • Python
  • SQL
  • Machine Learning
  • Gradient Boosted Trees
  • Bayesian Methods
  • Deep Learning
  • Optimization
  • Causal Inference
  • Experimentation Design
  • Marketing Analytics
  • Agentic AI
  • Reinforcement Learning

Сложность отбора

Staff уровень требует PhD или эквивалентного опыта, глубокой экспертизы в ML и маркетинговой науке, способности руководить командами и определять стратегию на уровне компании

Оценка JobPath

Зарплата по рынку

1 200 000 – 1 800 000 ₽ в месяц

Оценка для Staff уровня ML/Datascience в США; конвертация $200k–$242k USD год из источника в рубли по среднему курсу

Оценка JobPath по рынку, не предложение работодателя

Могут спросить на собеседовании

  1. Как вы подходите к разделению корреляции и causality в маркетинговых экспериментах?
  2. Расскажите о сложном ML проекте, который вы внедрили в production. Какие были trade-offs?
  3. Как бы вы измеряли incremental effect кампании при отсутствии классического control group?
  4. Как вы балансируете краткосрочные метрики vs долгосрочную ценность клиента (LTV) при оптимизации ставок?
  5. Опишите случай, когда вы убеждали стейкхолдеров изменить подход после анализа неопределённости результатов.

Прорепетировать это собеседование

Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.

Начать бесплатно

Сохрани похожие вакансии

Новые вакансии с такой должностью будут собираться в кабинете.

Сохранить фильтр

Перед откликом

Попробовать бесплатно

Связаться с поддержкой

Выбери, где удобнее написать