Развивать факторы ранжирования на основе магазинных признаков
Вы будете исследовать признаки магазинов и мерчей, улучшать генерацию кандидатов и отбор предложений для выдачи. Отдельный фокус — недопредставленные магазины: нужно найти корректный способ их учёта в продакшене. Ещё одно направление — детекция распродаж и магазинов со всплеском трафика
Развивать персонализацию, разнообразие и качество выдачи
Вам предстоит оценивать потенциальный эффект персонализации, изучать доступные сигналы в User DWH и проектировать первые проверки. Необходимо будет исследовать способы повышения разнообразия (например, за счёт объединения результатов нескольких запросов), а также масштабировать на органическую выдачу сигналы актуальности и продаваемости товаров, которые уже развиваются в смежных продуктах
Находить точки роста органической выдачи
Вы будете оценивать, какой объём спроса можно привести на независимые магазины, и находить срезы, где это работает хуже всего. Вам предстоит анализировать выдачи, в которых товар нельзя купить вне маркетплейсов, длинные высококонверсионные сессии без покупки и кластеры с аномально низкой конверсией; определять сценарии, где вклад органической выдачи максимален и незаменим
Строить метрики и аналитические инструменты
Вам предстоит развивать метрики GMV через Яндекс, заказов без маркетплейсов, разнообразия и рыночности ранжирования, а также показатели для новых участников выдачи. Важно не только поддерживать приборы, но и объяснять, что именно происходит с продуктом и почему
Помогать команде проводить эксперименты и выявлять аномалии
Вы будете помогать команде с настройкой и отладкой экспериментов, чтобы гипотезы не приходилось перезапускать из-за ошибок в сетапе; развивать мониторинг и сигналы по хостам, которые быстро показывают резкие изменения ключевых метрик и помогают локализовать причину
Больше об аналитике в Яндексе — в канале Yandex for Analytics