Tinutulungan ng Valerie Group ang mga direct-to-consumer na e-commerce brand na bumuo at magpalawak ng kanilang growth operations. Pinagsasama ng kumpanya ang sarili nitong AI intelligence platform at mga bihasang human operator sa paid media, creative, conversion rate optimization, email, SEO, teknolohiya, at estratehiya. Nakabatay ang gawain nito sa sistematikong eksperimento, kabilang ang A/B testing at mga pilot program, at pinagdurugtong nito ang performance-focused execution sa posibleng performance-based capital na idinisenyo upang ipagpaliban ang dilution hanggang mapatunayan ang mga resulta. Nakikipagtulungan ang Valerie Group sa mga digital-native consumer brand sa pamamagitan ng mga integration sa mga platform tulad ng Shopify, Meta, Google, TikTok, at Amazon, na nakatuon sa nasusukat na paglago at mga operating system na maaaring ulit-ulitin.
Siyentista ng Data, Analytics ng Produkto at AI — Valerie Group (Hybrid, India)
Pangunahan ang product analytics, pagmomodelo, eksperimento, at mga inisyatiba sa AI sa mga brand ng Valerie Group at investment growth platform nito. Gawing mga handa-sa-produksyong solusyong pangkomersyo at pangprodukto ang pagsusuri gamit ang SQL at Python.
Paglalarawan
- Pangunahan ang growth, commercial, at product analytics kasabay ng mga inisyatiba sa applied data science at AI sa mga brand ng Valerie Group at investment growth platform nito.
- Magtakda at magmonitor ng mga metric ng produkto, gawi ng user, funnel, pag-drop-off, at performance ng feature.
- Gawing organisadong pagsusuri at praktikal na rekomendasyon ang mga tanong tungkol sa produkto.
- Bumuo at gumamit ng mga modelo para sa segmentation, scoring, classification, recommendation, forecasting, unit economics, incrementality, media effectiveness, at iba pang pangangailangan sa pagdedesisyon.
- Makipagtulungan sa mga team ng Engineering at Data upang maisagawa sa operasyon ang mga modelo at analytical workflow.
- Gumamit ng hindi kumpleto, hindi perpekto, o banded na data habang itinatala ang mga palagay at tinutukoy ang mahahalagang puwang sa data.
- Pamahalaan ang mga proyekto sa analytics at pagmomodelo mula sa pagtukoy ng problema sa negosyo at mga kinakailangan sa data hanggang sa pagmomodelo, validation, deployment, at pagsukat ng epekto.
- Magdisenyo at magsagawa ng mga A/B test at cohort analysis.
- Suriin ang mga epekto ng mga pagbabago sa produkto, output ng AI, at mga pagbabago sa workflow.
- Lumikha ng mga feedback loop na nagpapahusay sa performance ng produkto at modelo.
- Sukatin ang kawalan ng katiyakan, hamunin ang mga palagay, at ipaliwanag ang mga limitasyon at antas ng kumpiyansa.
- Tukuyin ang mga kinakailangan sa data para sa mga feature ng produkto at suportahan ang tumpak, pare-pareho, at kumpletong tracking.
- Makipagtulungan sa Engineering upang ayusin ang mga dataset at data pipeline.
- Hanapin at ayusin ang mga puwang sa visibility ng data.
Mga Kinakailangan
- Anim hanggang walong taon ng kaugnay na karanasan sa analytics o data science.
- Kakayahang gawing organisadong mga tanong sa data at maisasagawang analytical plan ang malalabo at kumplikadong hamon sa negosyo, produkto, growth, o komersyo.
- Karanasan sa pagsusuri ng mga metric ng produkto, funnel, at gawi ng user.
- Karanasan sa pagbuo at paggamit ng mga modelong pang-classification, regression, clustering, scoring, forecasting, at pagdedesisyon.
- Napatunayang karanasan sa pagdadala ng kahit isang makabuluhang modelo o analytical product sa paggamit sa negosyo.
- Matibay na pag-unawa sa CAC, AOV, COGS, contribution margin, payback period, at breakeven.
- Advanced na kasanayan sa SQL.
- Karanasan sa pagtatrabaho gamit ang structured at semi-structured data.
- Malakas na working proficiency sa Python para sa data analysis, pagmomodelo, eksperimento, at automation; katanggap-tanggap din ang katumbas na kakayahan sa analytics gamit ang R.
- Kasanayan sa pandas, NumPy, at scikit-learn.
- Karanasan sa A/B testing, statistical analysis, measurement, causality, at impact evaluation.
- Karanasan sa pagsusuri ng mga output na ginawa ng LLM o AI sa mga workflow ng produkto.
- Mas gusto ngunit hindi kinakailangan ang karanasan sa Tableau, Power BI, o Metabase.
- Mas gusto ngunit hindi kinakailangan ang karanasan sa zero-to-one startup environment.
- Mas gusto ngunit hindi kinakailangan ang karanasan sa media mix modeling, incrementality, causal inference, experimental design, o pagsukat ng media effectiveness.
- Mas gusto ngunit hindi kinakailangan ang karanasan sa Snowflake, BigQuery, dbt, Triple Whale, Northbeam, o Rockerbox.
- Mas gusto ngunit hindi kinakailangan ang karanasan sa pag-deploy ng mga machine learning model sa production.
Mga Benepisyo
- Mapagkumpitensyang package ng kompensasyon.
- Access sa mga tool na kailangan upang maging epektibo sa trabaho.
- Mga pagkakataon sa paglago habang lumalawak ang Valerie Group.
- Makapagtrabaho sa makabuluhan at nasusukat na epekto.
- Malaking pananagutan mula sa simula.
- Pakikipagtulungan sa mga beteranong founder, operator, at espesyalista.
- Inklusibong kapaligiran sa trabaho.
- Assessment na partikular sa tungkulin o praktikal na ehersisyo kung naaangkop.