Data Scientist

О команде

Авито.Путешествия — быстрорастущий продукт внутри крупнейшей онлайн-платформы объявлений в мире. Мы конкурируем с крупнейшими тревел-игроками и при этом обладаем уникальным преимуществом: гигантская экосистема Авито, доступ к данным о поведении пользователей за пределами тревел, и инфраструктура, которая позволяет масштабировать решения до десятков миллионов пользователей.

Направление динамического ценообразования — одна из ключевых ставок бизнеса на горизонте 2027+. Это про то, чтобы каждый рубль, вложенный в промо или скидку, работал точно на свою задачу: привлекал нового байера, реактивировал спящего, увеличивал LTV хоста.

Примеры будущих задач:

— побаерные промо: модель, которая определяет, какому пользователю какой оффер отдать (скидка, кэшбек, бонусные ночи), чтобы максимизировать конверсию при контроле бюджета;

— поайтемные промо: выбор объектов для продвижения в выдаче — какие объявления «подсветить», чтобы поднять GMV и улучшить матчинг спроса и предложения;

— uplift-модели для промо-кампаний: отделить тех, кого промо реально сдвинет, от тех, кто купил бы и так;

— модели ценовой эластичности спроса: как изменится букинг при изменении цены на X% для данного сегмента / региона / сезона;

— прогнозирование спроса (demand forecasting): кратко- и среднесрочные прогнозы на уровне регионов, дат, категорий жилья — для оптимизации аллокации промо-бюджетов и планирования стока;

— дизайн и анализ A/B-тестов для ценовых и промо-интервенций (с учётом сетевых эффектов маркетплейса, switchback-дизайны);

— каузальный инференс: оценка эффекта промо и ценовых изменений в ситуациях, когда чистый A/B невозможен (diff-in-diff, synthetic control, instrumental variables).

Вам предстоит:

— проектировать и строить ML-системы для ценообразования, промо-аллокации и прогнозирования спроса — от постановки до продакшена;

— декомпозировать бизнес-задачи в ML/оптимизационные постановки. Понимать что именно мы должны оптимизировать и где использовать ML, а где обойтись подходами проще;

— проектировать и анализировать эксперименты (A/B, switchback, каузальный инференс), валидировать модели на оффлайн- и онлайн-метриках;

— встраивать модели в продукт: realtime/batch пайплайны, интеграция с сервисами бекенда;

— обеспечивать зрелость ML-систем: мониторинг, алерты, тесты, документация, воспроизводимость экспериментов;

— влиять на продуктовые и бизнес-решения через данные — объяснять результаты стейкхолдерам и продакт-менеджерам.

Мы ждём, что вы:

— имеете уверенный Python и опыт построения ML-пайплайнов от датасета до прода (sklearn, scipy бустинги, pytorch — в зависимости от задачи);

— имеете опыт продуктивизации моделей: Docker, Git, CI/CD, микросервисная архитектура;

— умеете работать с большими данными: SQL на уровне сложных аналитических запросов, опыт с Vertica/Trino или аналогами;

— понимаете экономику маркетплейсов: двусторонние эффекты, механика комиссий и промо;

— умеете объяснять сложные модели и их результаты нетехнической аудитории — продактам, бизнесу, стейкхолдерам;

— самостоятельность: умеете сами ставить задачи, приоритизировать и доводить до результата.

Работа у нас — это:

— возможность влиять на бизнес и развитие продукта;

— интересные и разнообразные задачи: аналитики в Авито ищут точки роста бизнеса, изучают поведение пользователей, придумывают фреймворки и настраивают дашборды;

— много качественных данных, мощная инфраструктура и инструменты, любое необходимое железо — всё готово для продуктивной работы;

— талантливая команда, крутая аналитическая культура и сообщество профессионалов;

— прозрачная система премий, достойная зарплата, размер обсудим на собеседовании;

— личный бюджет на обучение, который можно тратить на книги, курсы и конференции;

— забота о здоровье: с первого дня у вас будет ДМС со стоматологией, в офисе принимают терапевт и массажист;

— удалёнка и замечательный офис в двух минутах от метро «Белорусская»: панорамный вид центр города, места для уединённой работы и зоны отдыха.