Аналитик данных в команду Support

О команде

Продуктовая команда Support развивает продукты и технологии, с помощью которых Авито помогает пользователям решать возникающие вопросы. Команда стремится сделать поддержку быстрым, понятным и эффективным продолжением основного продукта.

Мы работаем с двумя направлениями. Первое — автоматизация поддержки: развиваем сценарии самообслуживания, ботов и LLM-решения, которые позволяют пользователям получать качественный ответ без участия оператора. Второе — продукты и инструменты для агентов поддержки, которые помогают быстрее разбираться в ситуации пользователя и качественно решать обращения.

Аналитика помогает исследовать пользовательские сценарии, находить точки роста, проверять продуктовые гипотезы и понимать, как решения команды влияют на пользовательский опыт, операционные процессы и целевые бизнес-метрики поддержки.

Ищем аналитика, который будет сопровождать продуктовые решения на всём пути: от исследования проблемы и оценки потенциала до дизайна эксперимента, анализа результатов запуска и рекомендаций по дальнейшему развитию.

Примеры будущих задач:

— исследовать причины обращений и пользовательские сценарии, сегментировать пользователей и находить проблемы, которые можно решить средствами продукта;

— оценивать потенциал автоматизации: определять, какие обращения можно качественно решать без оператора, рассчитывать ожидаемый эффект и помогать команде выбирать приоритетные сценарии;

— анализировать работу ботов и LLM-решений: изучать продуктовые воронки, находить причины перевода на оператора и повторных обращений, оценивать качество решения и влияние на пользовательские и бизнес-метрики;

— исследовать работу агентов поддержки, находить узкие места в процессах и инструментах, формировать гипотезы по повышению скорости и качества решения обращений;

— оценивать потенциал новых решений: размер целевой аудитории, ожидаемое изменение доли автоматизации, нагрузки на поддержку, качества сервиса и операционных затрат;

— проектировать аналитику запусков: формулировать гипотезы, определять целевые, диагностические и защитные метрики, выбирать способ проверки и оценивать необходимый размер эксперимента;

— самостоятельно планировать и анализировать A/B-тесты, а когда эксперимент провести невозможно — подбирать другие способы оценки причинного эффекта;

— развивать систему продуктовых и операционных метрик поддержки: декомпозировать их, объяснять изменения и связывать результаты отдельных запусков с общими целями команды;

— оценивать не только непосредственный, но и долгосрочный эффект изменений: повторные обращения, удовлетворённость пользователей, качество решения, нагрузку на агентов и влияние на основной продукт Авито;

— создавать дашборды и мониторинги, которые помогают продуктовой, бизнес- и операционной командам видеть состояние ключевых процессов и быстрее принимать решения;

— готовить рекомендации по итогам исследований и экспериментов: масштабировать решение, дорабатывать его, ограничивать отдельными сценариями или отказываться от гипотезы;

— вместе с продакт-менеджерами, бизнес-командой, операционной командой, разработчиками и специалистами по Data Science формировать план развития продуктов поддержки.

Мы ждём, что вы:

— имеете опыт работы в аналитике данных или продуктовой аналитике от трёх лет;

— знаете математическую статистику и умеете применять её для решения продуктовых задач и оценки экспериментов;

— уверенно владеете SQL, Python и основными библиотеками для анализа данных;

— умеете самостоятельно пройти путь от неструктурированной бизнес-проблемы до измеримого вывода и конкретной рекомендации;

— понимаете, как связаны пользовательские, продуктовые, бизнес- и операционные метрики, и умеете оценивать влияние продуктовых решений на связанные процессы;

— работали с BI-инструментами, умеете создавать понятные визуализации и мониторинги. Мы используем Redash;

— можете ясно презентовать результаты исследований, объяснять сложные выводы простым языком и договариваться с коллегами из разных функций.

Будет здорово, если вы:

— работали с продуктами клиентской поддержки, контактными центрами или другими операционно нагруженными системами;

— анализировали ботов, рекомендательные системы, LLM- или другие ML-продукты;

— знакомы с метриками поддержки: долей автоматизации, повторными обращениями, FCR, AHT, CSAT, SL;

— использовали квазиэкспериментальные методы и умеете оценивать эффект изменений, когда классический A/B-тест провести невозможно.

Работа у нас — это: