Формат: удалённо / гибкий график
Тип занятости: part-time или full-time (обсудим)
Оплата: фикс + бонусы за результаты (по итогам собеседования)
Кому подойдёт: тем, кто любит исследования, цифры и хочет делать эксперименты, которые реально влияют на SEO-решения
О нас
SEO Мясо — школа и сообщество про практический SEO и AI-автоматизацию. Мы строим не “теорию”, а прикладные методики: тестируем гипотезы, собираем данные, делаем выводы и упаковываем это в понятные инструменты/уроки/кейсы.
Сейчас мы усиливаем направление SEO-R&D: хотим системно проводить эксперименты уровня “как проверить, что реально влияет на позиции / клики / релевантность” и делать из этого воспроизводимые фреймворки.
Сделать так, чтобы SEO-эксперименты в школе были регулярными, воспроизводимыми и доказательными: от постановки гипотезы до отчёта и рекомендаций.
1) Планирование и дизайн экспериментов
Формулировать гипотезы вместе с командой (SEO/контент/разработка).
Выбирать метод теста: A/B, quasi-эксперимент, difference-in-differences, синтетический контроль, до/после с контролем сезонности.
Определять метрики успеха: позиции, CTR, показы/клики, конверсии (если есть), индексируемость, скорость переобхода, качество контента (coverage/семантика), технические метрики.
2) Сбор и подготовка данных
Собирать данные из источников (примерно):
Google Search Console, Яндекс.Вебмастер / Метрика (если есть),
парсинг SERP/ТОП-N, данные по страницам, контент-факторы,
логи/сканеры (Screaming Frog и аналоги), таблицы/выгрузки.
Приводить данные к аккуратному виду: чистка, нормализация, объединения, контроль качества.
3) Аналитика и выводы
Строить модели/проверки: корреляции, регрессии, сравнительные тесты, сегментации, доверительные интервалы.
Отвечать на вопросы типа:
“есть ли связь между coverage ключей и ранжированием?”
“что отличает ТОП-10 от ТОП-50 по контентным/техническим признакам?”
“как влияют изменения на страницах на клики/показы в GSC?”
Писать выводы человеческим языком: что делать SEO-специалисту завтра.
4) Отчётность и упаковка
Делать понятные отчёты/дашборды: Google Sheets/Looker Studio/Power BI (что удобнее).
Описывать методику так, чтобы её можно было повторить (в том числе для уроков/материалов школы).
Поддерживать “репозиторий экспериментов”: гипотеза → датасет → метод → результаты → рекомендации.
ТОП-N анализ: какие факторы отличают ТОП-10/20 от остального (по запросам и кластерам).
Контент-метрики: coverage по леммам и n-граммам, структура блоков, entity coverage, “плотность” не как миф, а как проверяемая гипотеза.
Изменения на страницах: влияние правок заголовков/блоков/FAQ/структуры на клики и позиции с учётом сезонности.
Тех-факторы: скорость, индексация, дубли, каноникализация — и реальная связь с трафиком.
Уверенная работа с данными: Python (pandas, numpy) или SQL (идеально и то, и другое).
Статистика на практике: p-value без магии, доверительные интервалы, понимание смещений и сезонности.
Умение объяснять результаты простым языком, без “академизма”.
Аккуратность: воспроизводимость расчётов, контроль качества данных.
Опыт с SEO-данными: GSC, SERP-выгрузки, парсеры, Screaming Frog.
Понимание веб-структур (URL, шаблоны страниц, пагинация, каноникалы).
Опыт в Looker Studio / Power BI / Metabase.
Навыки построения пайплайнов (Airflow/n8n/скрипты по расписанию) — не обязательно.
Ставим задачу как исследование: вопрос → гипотеза → план → данные → выводы → решение.
Важен не “красивый график”, а правильный вывод, который выдержит вопросы.
Минимум бюрократии, много практики и быстрых итераций.
Доступ к реальным SEO-задачам и исследованиям, которые смотрит сильное комьюнити.
Возможность влиять на методологии и продукты школы.
Портфолио экспериментов, которые можно показывать как кейсы.
Рост в сторону SEO-R&D / Product Analytics / Data Science для маркетинга.
Пришлите в одном сообщении:
Коротко о себе и опыте (1–2 абзаца)
Чем гордитесь в аналитике (пример проекта/задачи)
Ссылку на GitHub/портфолио/дашборд (если есть)
Ответ на мини-вопрос: как бы вы проверили гипотезу “coverage ключевых n-грамм на странице связан с попаданием в ТОП-10” (буквально 5–10 предложений: данные, метод, метрики)
