A Papaya Global határokon átívelő bérszámfejtéshez, fizetésekhez és munkaerő-kezeléshez fejleszt technológiát PayTech vállalatként. Platformja segít a vállalkozásoknak több mint 160 ország bérszámfejtési és fizetési műveleteinek összehangolásában, többek között a szerződéses munkavállalók kifizetésével, a munkáltatói nyilvántartással kapcsolatos megoldásokkal és a valós idejű fizetések feldolgozásával. A vállalat emellett API-integrációkat, munkaerő-adatelemzést, csalásmegelőzést és adatbiztonságot is támogat, így a globális szervezetek nagyobb pontossággal, átláthatósággal és szabályozási kontroll mellett kezelhetik nemzetközi munkaerő-kifizetéseiket.
Növekedési adatelemző, mobiljáték - Papaya Global
Vezesd a növekedési elemzéseket a Papaya Global valódi pénzes mobiljáték-platformján churn-, ügyfél-élettartamérték-, életciklus- és ajánlórendszer-modellek fejlesztésével. Alkalmazd ezeket a modelleket a játékosok elköteleződésének, monetizációjának és megtartásának javítására.
Leírás
- Végezzen növekedésközpontú adattudományi munkát a kezdeti problémafelvetéstől és címketervezéstől az adatelőkészítésen, modellfejlesztésen és backendbe telepítésen át a hatásvizsgálatig.
- Hozzon létre játékosszintű kohorsz-LTV- és lemorzsolódási kockázati pontszámokat a befizető játékosok számára, és kapcsolja össze az előrejelzéseket az ismételt befizetések mutatóival és végrehajtható beavatkozásokkal.
- Építsen kohorszszintű LTV:CAC-érettségi modelleket, amelyek hónapon belül előre jelzik, hogy a marketingkohorszok egy éven belül megtérítik-e az ügyfélszerzési költségeiket.
- Fejlesszen életciklus- és viselkedésalapú modelleket annak meghatározására, mikor küldjünk személyre szabott push-értesítéseket és e-maileket.
- Feltételes és hazard modellezéssel becsülje meg, hogy a korábban befizető, de már inaktív játékosok visszatérnek-e N befizetésmentes nap után, ezáltal támogassa az RV-célzást és a kezelések időzítését.
- Fejlesszen learning-to-rank rendszereket a lobbyversenyekhez és nevezési díjszintekhez, miközben egyensúlyt teremt az elköteleződés, a monetizáció és a párosítási likviditás között.
- Optimalizálja az áruházi ajánlatokat és csomagrangsorokat a megfelelő termékek, árpontok és kézbesítési időzítés kiválasztásával.
Követelmények
- Legalább négy év alkalmazott adattudományi tapasztalat növekedési, monetizációs, megtartási vagy életciklus-területen.
- Bizonyított tapasztalat modellek személyes éles környezetbe telepítésében és üzleti döntések befolyásolásában.
- Tapasztalat mobiljátékokban, valódi pénzes játékokban vagy iGamingben, illetve aktív alkalmazáson belüli gazdasággal rendelkező fogyasztói alkalmazásban.
- Gyakorlati jártasság propensity-, churn-, uplift-, survival- vagy hazard-, valamint LTV-modellezésben.
- Az ajánlási vagy rangsorolási tapasztalat előnyt jelent.
- Képes produkciós minőségű Pythont írni.
- LightGBM- vagy XGBoost-tapasztalat.
- PyTorch- vagy TensorFlow-tapasztalat embeddingalapú alkalmazásokhoz.
- Erős SQL-ismeretek adattárházakkal való munkához.
- Snowflake- vagy BigQuery-tapasztalat.
- Kiterjedt kísérlettervezési tapasztalat, beleértve a teszttervezést, a mintaméret meghatározását és az eredmények értelmezését.
- Legalább egy, tiszta A/B-teszt nélkül kidolgozott, védhető üzleti hatásra vonatkozó állítás.
Juttatások
- Dolgozzon gyors tempójú környezetben.
- Legyen egy innovációközpontú kultúra része.
- Használja ki a szakmai fejlődési lehetőségeket.
- Lehetősége nyílik érdemi üzleti hatást elérni.