UA - аналитик

Текущий статус/должность: UA - аналитик.

Мои компетенции и опыт

Имя: Лев

Должность: UA-аналитик / Аналитик данных

Опыт работы: более 2 лет

Профиль

 Специализируюсь на работе с метриками CPI, ROAS, LTV, payback period, построении систем атрибуции и автоматизации отчетности. ) UA-аналитик с опытом анализа закупленного трафика и оценки эффективности рекламных кампаний в e-commerce и мобильной среде. Умею проводить продуктовые исследования, формулировать гипотезы и находить точки роста проекта. Сильный технический бэкграунд: Python, pandas, SQL, Power BI, Grafana.

Опыт работы

Компания: Аналитический центр экосистемы Wildberries

Должность: UA-аналитик направления маркетинга и продуктовой аналитики

Период работы: 2 года и 1 месяц

Обязанности:

Аудит и построение системы анализа закупленного трафика для продвижения категорий fashion и товаров для дома на платформе Wildberries.

Анализ эффективности рекламных кампаний на внутренних площадках маркетплейса и внешних каналах привлечения трафика.

Оценка ключевых метрик закупки трафика: CPI, ROAS, LTV, payback period, конверсия в покупку, retention игроков-покупателей.

Работа с системами атрибуции и трекерами маркетплейса, аналогичными MMP-решениям: валидация событий, выгрузка данных, проверка корректности атрибуции рекламных кликов.

Продуктовые исследования поведения пользователей внутри категорий: анализ воронки от клика по рекламе до покупки, оценка влияния рекламных активностей на LTV и частоту повторных покупок.

Подготовка регулярной и ad-hoc отчетности по эффективности рекламных кампаний для маркетинга и руководства.

Автоматизация исследований и отчетности через Python-скрипты с использованием pandas и numpy.

Настройка дашбордов в Power BI и Yandex Data Lens для мониторинга ключевых показателей UA и продуктовой аналитики.

Разработка и проверка гипотез по оптимизации рекламных кампаний на основе аналитики, включая гипотезы от руководства и собственные инициативы.

Поиск точек роста проекта через анализ поведения пользователей, сезонности и эффективности различных механик продвижения.

Использование LLM для ускорения аналитических задач и генерации кода.

Достижения:

1. Проанализировал эффективность 150 рекламных кампаний за 6 месяцев и выявил, что 35 процентов бюджетов тратятся на кампании с payback period более 90 дней. 

2. Автоматизировал процесс сборки ежедневной отчетности по рекламным кампаниям через Python и pandas, сократив время на подготовку отчетов с 3 часов до 20 минут в день.

3. Настроил 8 дашбордов в Power BI для мониторинга ключевых метрик UA: CPI, ROAS, LTV, конверсия, retention. Дашборды используются ежедневно маркетингом и руководством, сократив количество ad-hoc запросов на 70 процентов.

4. Провел продуктовое исследование воронки для новой линейки обуви от клика по рекламе до покупки и выявил, что 40 процентов пользователей отваливаются на этапе выбора размера. Рекомендация по улучшению UX-элементов увеличила конверсию в покупку на 22 процента.

5. Разработал и протестировал различные гипотезы по оптимизации рекламных кампаний, 12 из которых были внедрены и принесли измеримый рост ROAS на 15 процентов.

6. Использовал LLM для генерации аналитических скриптов и ускорения обработки данных, что сократило время на написание кода на 40 %.

Ключевые навыки

UA и маркетинговая аналитика: анализ закупленного трафика, оценка рекламных кампаний, метрики CPI, ROAS, LTV, payback period, конверсия, retention, атрибуция, медиа-микс.

Системы атрибуции и трекеры: опыт работы с системами, аналогичными MMP-трекерам (AppsFlyer, Adjust, Firebase, Tenjin), валидация событий, выгрузка данных.

Языки программирования: Python для анализа данных, библиотеки pandas, numpy, scipy, автоматизация отчетности, аналитические скрипты.

Базы данных и SQL: SQL на продвинутом уровне, ClickHouse, PostgreSQL, работа с большими объемами данных.

BI и визуализация: Power BI, Yandex Data Lens, Grafana, построение дашбордов, мониторинг ключевых показателей.

Статистика и исследования: продуктовые исследования, проверка гипотез.

Инструменты: Google Sheets, Excel на продвинутом уровне, PowerPoint для презентаций, Jira для управления задачами.

LLM: использование для ускорения аналитических задач и генерации кода.

Предметные области: e-commerce, мобильные приложения, геймдев, рекламные кампании, закупка трафика, продуктовая аналитика.

Образование

Высшее техническое образование

Дополнительная информация

Уровень английского: B2

Интерес к геймдеву и мобильным играм

Опыт работы в динамичных e-commerce компаниях

Способность к самостоятельному исследованию и поиску точек роста

Сопроводительное письмо

1. Опыт анализа закупленного трафика:

Да, у меня есть опыт анализа рекламных кампаний в экосистеме Wildberries. Я отслеживал метрики CPI, ROAS, LTV, payback period, конверсию в покупку и retention пользователей. Работал с внутренними рекламными кабинетами маркетплейса и системами атрибуции, аналогичными MMP-трекерам. Проводил валидацию событий, выгрузку данных через SQL и Python, оптимизацию кампаний на основе анализа эффективности различных каналов привлечения трафика.

2. Опыт работы с MMP-трекерами:

Я работал с системами атрибуции маркетплейса, которые выполняют функции MMP-трекеров. Формат работы включал настройку атрибуции рекламных кликов, выгрузку данных о событиях через API и SQL-запросы, валидацию корректности атрибуции, анализ расхождений между источниками данных. На основе этих данных проводил оптимизацию рекламных кампаний, перераспределял бюджет между каналами и механиками для максимизации ROAS.