ML-инженер (команда Маркетинга)

Описание роли

На позиции ML-инженера в команде маркетинга вы будете отвечать за разработку и внедрение моделей машинного обучения, которые помогают автоматически формировать персональные предложения для клиентов. В ваши обязанности войдут:
* Проектирование и разработка uplift-моделей для оценки дополнительного эффекта от каждого предложения.
* Создание оптимизатора выбора наилучших офферов с учётом профиля пользователя.
* Автоматизация процесса генерации персональных рекомендаций внутри CRM, включая интеграцию моделей в продакшн и настройку мониторинга.
* Разработка и улучшение look-alike моделей для поиска новых аудиторий на основе существующих пользователей.
* Проведение экспериментов A/B-тестирования для проверки гипотез и повышения эффективности маркетинговых кампаний.

Уникальность вакансии

В этой роли вы получите возможность работать с большими объёмами данных и тестировать современные подходы в области MarTech. Мы предлагаем гибридный формат работы, позволяющий чередовать офис и удалёнку по вашему усмотрению. Вы станете частью кросс-функциональной команды, где взаимодействие ML-инженеров, маркетологов и аналитиков происходит по гибким методологиям Agile и Scrum. Компания обеспечивает доступ к актуальным данным Sbermarket, регулярные технические митапы, бюджет на обучение и участие в профильных конференциях. Ваши решения будут напрямую влиять на ключевые бизнес-метрики: конверсию, средний чек и удержание клиентов. Для сотрудников открыт потенциал карьерного роста до позиции Senior ML Engineer или Teamlead, а также возможность участия в международных исследовательских инициативах и публикациях на профильных площадках.

О компании Купер

Купер — это инновационный проект внутри Sbermarket, ориентированный на персонализацию маркетинговых коммуникаций. Наша миссия — повышать ценность взаимодействия с клиентами за счёт современных AI-решений и глубокого анализа данных. В команде более 30 специалистов, объединённых общей целью: создавать гибкие алгоритмы, которые адаптируются к поведению пользователей и помогают бизнесу расти. Мы активно внедряем решения в продакшн, применяя инструменты MLOps: Docker, Airflow и Kubernetes. Для решения сложных задач используются библиотеки scikit-learn, pandas, numpy и фреймворк TensorFlow. Успешные кандидаты смогут предложить идеи по оптимизации процесса разработки, организации CI/CD для моделей и мониторинга их качества в реальном времени. Выполненные проекты по персонализации уже показали рост конверсии на 15–20% и снижение оттока клиентов. Подключайтесь к проекту Купер, если вы стремитесь развивать свои навыки ML-инженера, работать с uplift-моделями и улучшать персонализацию CRM на практике.