Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
impact.com
Колумбус, Канада7 месяцев назад
165 000 – 185 000 USD
в год
Грейд
Senior
Опыт работы
от 5 лет
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
impact.com — ведущая мировая платформа партнерского маркетинга в сфере коммерции, трансформирующая способы роста бизнеса, позволяя компаниям находить, управлять и масштабировать партнерские отношения на протяжении всего клиентского пути. От аффилиатов и инфлюенсеров до контент-издателей, бренд-амбассадоров и адвокатов бренда — impact.com дает брендам возможность стимулировать доверительный рост, основанный на результатах, через аутентичные отношения. Ее отмеченные наградами продукты — Performance (аффилиат), Creator (инфлюенсер) и Advocate (реферальная программа клиентов) — объединяют все типы партнеров в единую интегрированную платформу. Поскольку потребители все больше полагаются на рекомендации людей и сообществ, которым они доверяют, impact.com помогает брендам появляться там, где это наиболее важно. Сегодня более 5000 мировых брендов, включая Walmart, Uber, Shopify, Lenovo и Fanatics, полагаются на impact.com для управления более чем 350 000 партнерских отношений, которые приносят измеримые бизнес-результаты. Ваша роль в impact.com: Мы ищем старшего специалиста по данным (Senior Data Scientist), который будет работать в составе нашей группы Programmatic Experience. Вы будете отвечать за разработку и внедрение моделей машинного обучения, которые оптимизируют доход, ценообразование и распределение инвентаря в масштабе — находясь на стыке науки о данных, инженерии платформ и экономики маркетплейса. Это роль с высокой степенью самостоятельности и ответственности, предполагающая глубокую экспертизу. Вы будете работать над всем процессом: проектировать конвейеры данных, которые питают ваши модели, создавать признаки (features), которые влияют на производительность, и внедрять системы реального времени для принятия решений с высокой скоростью. Ваша работа напрямую определяет, насколько эффективно программный маркетплейс Impact балансирует производительность рекламодателя с монетизацией издателя, что делает эту роль одной из самых влиятельных технических ролей в бизнесе. Вы будете тесно сотрудничать с отделами Product, Data Science и Programmatic Delivery Engine Engineering, но при этом будете действовать с достаточной степенью автономии. Ожидается, что вы привнесете как строгость моделирования специалиста по данным, так и производственные навыки ML-инженера — и будете искренне увлечены обоими аспектами.
Модели оптимизации дохода и ценообразования Разрабатывать и внедрять ML-модели, оптимизирующие аукционное ценообразование, снижение ставок, установку минимальных цен (floor price) и доход от программного инвентаря Impact. Создавать и итерировать алгоритмы ценообразования в реальном времени, которые балансируют краткосрочную эффективность дохода с долгосрочным благополучием издателей и рекламодателей. Разрабатывать и поддерживать циклы обратной связи, позволяющие моделям ценообразования адаптироваться к изменяющимся рыночным условиям, структуре инвентаря и моделям спроса. Количественно оценивать влияние улучшений моделей ценообразования на доход; доносить компромиссы между максимизацией дохода, коэффициентом заполнения (fill rate) и рентабельностью инвестиций партнеров до заинтересованных сторон. Распределение инвентаря и оптимизация предложения Отвечать за логику распределения инвентаря на основе ML: маршрутизацию, управление темпами и сопоставление предложения со спросом по сегментам партнеров, типам сделок и целям кампании. Создавать модели для прогнозирования доступности инвентаря, кривых спроса и клиринговых цен для поддержки упреждающих решений по распределению. Определять и устранять неэффективность использования инвентаря, включая нераспроданный инвентарь, субоптимальное сопоставление сделок и дисбаланс распределения по базе издателей. Архитектура данных и инжиниринг признаков Проектировать и владеть инфраструктурой данных, которая питает программные модели: конвейеры событий, хранилища признаков, обучающие наборы данных и обслуживание признаков в реальном времени. Создавать высокосигнальные признаки из логов аукционов, данных потока ставок, сигналов пользователей, контекстных атрибутов и исторических данных — в масштабах объемов данных программной рекламы. Создавать надежные конвейеры данных со стандартами продакшн-класса: надежность, наблюдаемость, версионирование и эффективная повторная обработка. Реальное время инференса и продакшн ML Внедрять модели в производственные среды реального времени для инференса; отвечать за требования к задержке, надежности и пропускной способности для принятия решений во время аукциона. Создавать системы мониторинга, отслеживающие производительность модели, дрейф данных и состояние системы в продакшене; определять пороговые значения для оповещений и триггеры переобучения. Сотрудничать с MLOps и Platform Engineering для обеспечения масштабируемой инфраструктуры обслуживания с низкой задержкой, соответствующей SLO при высоком трафике аукционов. Владеть полным жизненным циклом модели: обучение, оценка, внедрение, A/B-тестирование и итерации. Эксперименты и оценка производительности Проектировать и проводить строгие A/B-тесты и тесты с выделенной выборкой (holdout experiments) для измерения причинно-следственного влияния изменений модели на доход, коэффициент заполнения, эффективность рекламодателя и доход издателя. Создавать структуры оценки, которые выходят за рамки офлайн-метрик — валидируя поведение модели в реальных аукционных средах, где сигналы обратной связи задерживаются или зашумлены. Переводить результаты экспериментов в четкие бизнес-нарративы; представлять выводы и рекомендации отделам Product и бизнес-стейкхолдерам. Системы самообучения и циклы обратной связи Исследовать и внедрять адаптивные, самообучающиеся компоненты в программный стек — включая контекстные бандиты, сигналы обучения с подкреплением и подходы онлайн-обучения, где это уместно. Проектировать механизмы обратной связи, которые замыкают цикл между результатами аукциона, обновлениями модели и поведением системы; уменьшать зависимость от ручной настройки и переопределений на основе правил. Быть в курсе достижений в области ML для programmatic, теории аукционов и онлайн-оптимизации; оценивать применимость к специфической динамике маркетплейса Impact. Кросс-функциональное сотрудничество Выступать в качестве основного партнера по ML-технологиям для команд продуктов и инженерии Rubicon; переводить бизнес-требования в подходы к моделированию и четко доносить технические компромиссы. Сотрудничать с коллегами из Data Science по вопросам общей инфраструктуры, стандартов моделирования и повторного использования признаков между доменами. Документировать модели, архитектуры и результаты экспериментов на уровне, который позволяет проводить обзор, воспроизведение и передачу знаний между командами.
Обязательно Опыт: 5+ лет в области науки о данных, ML-инжиниринга или количественных исследований, из которых не менее 2+ лет — в создании и внедрении ML-моделей в programmatic-рекламе, ad tech, оптимизации маркетплейса или тесно связанной области (например, real-time bidding, динамическое ценообразование, аукционные системы). Глубокое понимание programmatic и маркетплейсов: демонстрация понимания механики programmatic-аукционов (RTB, header bidding, floor pricing, deal types, bid shading) и того, как ML может применяться для оптимизации результатов во всей цепочке спроса и предложения. Опыт продакшн ML-инжиниринга: подтвержденная способность самостоятельно доводить модели от прототипа до продакшена — включая real-time inference, мониторинг, конвейеры переобучения и владение SLO. Архитектура данных: опыт проектирования и создания конвейеров данных, хранилищ признаков и инфраструктуры обучения для ML-систем с высокой пропускной способностью и низкой задержкой. Технические навыки: Отличное владение Python и SQL; уверенное использование библиотек ML (scikit-learn, XGBoost, LightGBM, PyTorch/TensorFlow) и инструментов для работы с большими данными (Spark, Kafka или эквивалентные фреймворки для потоковой/пакетной обработки). Опыт работы с real-time feature serving и низкозадержечным развертыванием моделей (REST API, gRPC или streaming inference). Знакомство с продакшн ML-рабочими процессами: версионирование моделей, мониторинг дрейфа, A/B-тестирование, оценка и переобучение. Опыт обработки и моделирования данных в масштабах programmatic-данных: логи аукционов с высокой кардинальностью, данные потока ставок, события показов и кликов. Строгость в экспериментах: твердое понимание причинно-следственных связей и дизайна экспериментов в онлайн-средах с задержкой обратной связи (держать часть трафика в стороне от новых моделей, switchback tests, методы снижения дисперсии). Коммуникация: способность объяснять сложные решения по моделированию и компромиссы заинтересованным сторонам из Product и бизнеса; уверенность в представлении материалов на кросс-функциональных встречах. Образование: Степень бакалавра в количественной области (Computer Science, Статистика, Математика, Инженерия, Экономика или аналогичная); предпочтительно степень магистра/докторская степень. Прямой опыт оптимизации дохода на стороне SSP, DSP или биржи — особенно оптимизация минимальных цен (floor price optimization), моделирование ландшафта ставок или алгоритмы сопоставления сделок. Знакомство с теорией аукционов (динамика первого/второго цены, оптимальное резервное ценообразование, эквивалентность дохода) и ее практическое применение для ML в programmatic. Опыт работы с контекстными бандитами, многорукими бандитами или обучением с подкреплением, примененным к задачам принятия решений в реальном времени. Знание онлайн-обучения и адаптивных алгоритмов в производственных средах с нестационарными распределениями данных. Знакомство с методами ML, сохраняющими конфиденциальность, актуальными для programmatic (дифференциальная приватность, федеративное обучение, моделирование атрибуции без cookie). Опыт работы с инструментами GCP (BigQuery, Vertex AI, Dataflow, Pub/Sub) и/или Databricks/Spark для крупномасштабной обработки событий и обучения моделей. Опыт прогнозирования предложения, управления инвентарем или планирования мощностей в контексте programmatic или маркетплейсов. Знакомство с экосистемой аффилиатов и партнерств Impact, или предыдущий опыт на стыке performance-маркетинга и programmatic-доставки. Что отличает вас: Интуиция маркетплейса. Вы понимаете programmatic-аукционы не только как инженер, но и как экономист — вы думаете о структурах стимулов, динамике равновесия и о том, как решения моделей влияют на весь стек спроса и предложения. Полная ответственность за ML. Вы так же комфортно себя чувствуете при проектировании схемы хранилища признаков, как и при настройке градиентного бустинга или отладке скачка задержки в продакшене. Вы отвечаете за всю цепочку. Мышление с ориентацией на циклы обратной связи. Вы не просто внедряете модели — вы проектируете системы, которые делают их умнее со временем. Вы думаете о том, как сегодняшние решения становятся сигналом для обучения завтра. Строгость в реальных условиях. Вы знаете, как проводить чистые эксперименты в средах, где обратная связь задерживается, данные зашумлены, а бизнес-требования создают компромиссы. Вы не позволяете несовершенным условиям стать оправданием неточного мышления. Прагматичная доставка. Вы доводите дело до конца. Вы балансируете идеальное с готовым к продакшену, быстро итерируете и знаете, когда MVP лучше шестимесячного исследовательского проекта. Глубокое сотрудничество. Вы строите доверительные отношения с инженерными и продуктовыми партнерами — не только благодаря хорошим идеям, но и благодаря их реализации, четкой коммуникации и упрощению интеграции.
Предпочтительно / Желательно:
Диапазон заработной платы: $165 000 — $185 000 в год, плюс дополнительный переменный годовой бонус в размере 5% в зависимости от результатов компании, а также право на получение гранта Restricted Stock Unit (RSU). *Это диапазон оплаты, который, по мнению компании, является справедливым для данной должности на момент публикации. В соответствии с применимым законодательством, компенсация будет определяться на основе навыков, квалификации и опыта кандидата, а также требований к должности, и компания оставляет за собой право в любое время изменять этот диапазон оплаты. В impact.com мы верим, что когда вы счастливы и удовлетворены, вы делаете свою лучшую работу. Именно поэтому мы разработали пакет льгот, который поддерживает ваше благополучие, рост и баланс между работой и личной жизнью. Сильные расширенные медицинские льготы: покрытие медицинских услуг и рецептурных лекарств, уход за зрением и стоматологический уход, виртуальная медицинская помощь, медицинское покрытие за рубежом. Страховое покрытие (жизнь, краткосрочная нетрудоспособность, долгосрочная нетрудоспособность и многое другое). Счет медицинских расходов (Health Care Spending Account). Две разные программы помощи сотрудникам (Employee Assistance Programs). Гибкий график работы: Наша политика ответственного подхода к PTO (оплачиваемый отпуск) означает, что вы можете взять столько времени, сколько вам нужно, чтобы отдохнуть и восстановиться. Мы стремимся к позитивному балансу между работой и личной жизнью и предоставляем гибкую среду, которая позволяет вам быть счастливым и реализованным как в карьере, так и в личной жизни. Здоровье и благополучие: Ваше благополучие — наш приоритет. Наша льгота по психическому здоровью и благополучию включает до 12 полностью оплачиваемых сеансов терапии/коучинга в год, с дополнительным покрытием для иждивенцев. Мы также предлагаем ежемесячную политику возмещения расходов на спортзал для поддержания вашего физического здоровья. Доля в нашем росте: Мы предлагаем Restricted Stock Units (RSU) в качестве части нашей общей компенсации, давая вам долю в росте компании с 3-летним графиком вестинга (vesting schedule), при условии одобрения Советом директоров. Инвестиции в ваш рост: Мы стремимся к вашему непрерывному обучению. Воспользуйтесь нашей бесплатной подпиской на Coursera и нашими курсами PXA. Поддержка родителей: Мы предлагаем щедрую политику отпуска по уходу за ребенком: 26 недель полностью оплачиваемого отпуска для основного опекуна и 13 недель полностью оплачиваемого отпуска для вторичного опекуна. Финансовая поддержка технологий: Мы предоставляем стипендию на технологии, чтобы помочь вам обустроить домашний офис, и ежемесячное пособие для покрытия расходов на интернет. Примечание: Льготы могут различаться в зависимости от местоположения и подлежат местным нормативным актам.
About impact.com: impact.com is the world’s leading commerce partnership marketing platform, transforming the way businesses grow by enabling them to discover, manage, and scale partnerships across the entire customer journey. From affiliates and influencers to content publishers, brand ambassadors, and customer advocates, impact.com empowers brands to drive trusted, performance-based growth through authentic relationships. Its award-winning products - Performance (affiliate), Creator (influencer), and Advocate (customer referral) - unify every type of partner into one integrated platform. As consumers increasingly rely on recommendations from people and communities they trust, impact.com helps brands show up where it matters most. Today, over 5,000 global brands - including Walmart, Uber, Shopify, Lenovo, and Fanatics - rely on impact.com to power more than 350,000 partnerships that deliver measurable business results. Your Role at impact.com : We're seeking a Senior Data Scientist to serve as an embedded Data Scientist within our Programmatic Experience Group. You'll own the design and deployment of machine learning models that optimize yield, pricing, and inventory allocation at scale — sitting at the intersection of data science, platform engineering, and marketplace economics. This is a high-craft, high-ownership individual contributor role. You'll work end-to-end: architecting the data pipelines that feed your models, engineering the features that drive performance, and deploying real-time inference systems that make decisions at speed. Your work directly determines how effectively Impact's programmatic marketplace balances advertiser performance with publisher monetization — making this one of the highest-leverage technical roles in the business. You'll collaborate closely with Product, Data Science, and Programmatic Delivery Engine Engineering, but you operate with significant autonomy. You're expected to bring both the modeling rigor of a data scientist and the production instincts of an ML engineer — and to be genuinely excited about both. What You'll Do: Yield Optimization & Pricing Models Design and deploy ML models that optimize auction pricing, bid shading, floor price setting, and yield across Impact's programmatic inventory. Build and iterate on real-time pricing algorithms that balance short-term revenue efficiency with long-term publisher and advertiser health. Develop and maintain feedback loops that allow pricing models to adapt to shifting market conditions, inventory mix, and demand patterns. Quantify the revenue impact of pricing model improvements; communicate tradeoffs between yield maximization, fill rate, and partner ROI to stakeholders. Inventory Allocation & Supply Optimization Own ML-driven inventory allocation logic: routing, pacing, and matching supply to demand across partner segments, deal types, and campaign objectives. Build models that forecast inventory availability, demand curves, and clearing prices to support proactive allocation decisions. Identify and address inefficiencies in inventory utilization — including unsold inventory, suboptimal deal matching, and allocation imbalances across the publisher base. Data Architecture & Feature Engineering Design and own the data infrastructure that feeds programmatic models: event pipelines, feature stores, training datasets, and real-time feature serving. Engineer high-signal features from auction logs, bid stream data, user signals, contextual attributes, and historical performance — at the scale of programmatic data volumes. Build robust data pipelines with production-grade standards: reliability, observability, versioning, and efficient reprocessing. Real-Time Inference & Production ML Deploy models to production real-time inference environments; own latency, reliability, and throughput requirements for auction-time decision-making. Build monitoring systems that track model performance, data drift, and system health in production; define alerting thresholds and retraining triggers. Partner with MLOps and Platform Engineering to ensure scalable, low-latency serving infrastructure meets SLOs under high-volume auction traffic. Own the full model lifecycle: training, evaluation, deployment, A/B testing, and iteration. Experimentation & Performance Measurement Design and execute rigorous A/B and holdout experiments to measure the causal impact of model changes on yield, fill rate, advertiser performance, and publisher revenue. Build evaluation frameworks that go beyond offline metrics — validating model behavior in live auction environments where feedback signals are delayed or noisy. Translate experimental results into clear business narratives; present findings and recommendations to Product and business stakeholders. Self-Learning Systems & Feedback Loops Research and implement adaptive, self-learning components within the programmatic stack — including contextual bandits, reinforcement learning signals, and online learning approaches where appropriate. Design feedback mechanisms that close the loop between auction outcomes, model updates, and system behavior; reduce reliance on manual tuning and rule-based overrides. Stay current with advances in programmatic ML, auction theory, and online optimization; evaluate applicability to Impact's specific marketplace dynamics. Cross-Functional Collaboration Serve as the primary ML technical partner for the Rubicon product and engineering teams; translate business requirements into modeling approaches and communicate technical tradeoffs clearly. Collaborate with Data Science peers on shared infrastructure, modeling standards, and cross-domain feature reuse. Document models, architectures, and experimental findings to a standard that enables review, replication, and knowledge transfer across teams. What You Bring: Required Experience: 5+ years in data science, ML engineering, or quantitative research, with at least 2+ years building and deploying ML models in programmatic advertising, ad tech, marketplace optimization, or a closely related domain (e.g., real-time bidding, dynamic pricing, auction systems). Programmatic & marketplace depth: Demonstrated understanding of programmatic auction mechanics (RTB, header bidding, floor pricing, deal types, bid shading) and how ML can be applied to optimize outcomes across the supply-demand stack. Production ML engineering: Proven ability to take models from prototype to production independently — including real-time inference, monitoring, retraining pipelines, and SLO ownership. Data architecture: Experience designing and building data pipelines, feature stores, and training infrastructure for high-volume, low-latency ML systems. Technical skills: Strong Python and SQL; proficiency with ML libraries (scikit-learn, XGBoost, LightGBM, PyTorch/TensorFlow) and large-scale data tools (Spark, Kafka, or equivalent streaming/batch frameworks). Experience with real-time feature serving and low-latency model deployment (REST APIs, gRPC, or streaming inference). Familiarity with production ML workflows: model versioning, drift monitoring, A/B testing, evaluation, and retraining. Experience processing and modeling at programmatic data scale: high-cardinality auction logs, bid stream data, impression and click events. Experimentation rigor: Strong grasp of causal inference and experiment design in online, delayed-feedback environments (auction holdouts, switchback tests, variance reduction techniques). Communication: Ability to explain complex modeling decisions and tradeoffs to Product and business stakeholders; comfortable presenting in cross-functional forums. Education: Bachelor's in a quantitative field (CS, Statistics, Math, Engineering, Economics, or similar); Master's/PhD preferred. Preferred / Nice to Have Direct experience with SSP, DSP, or exchange-side yield optimization — particularly floor price optimization, bid landscape modeling, or deal matching algorithms. Familiarity with auction theory (first-price vs. second-price dynamics, optimal reserve pricing, revenue equivalence) and its practical implications for programmatic ML. Experience with contextual bandits, multi-armed bandits, or reinforcement learning applied to real-time decisioning problems. Knowledge of online learning and adaptive algorithms in production environments with non-stationary data distributions. Familiarity with privacy-preserving ML techniques relevant to programmatic (differential privacy, federated learning, cookieless attribution modeling). Experience with GCP tools (BigQuery, Vertex AI, Dataflow, Pub/Sub) and/or Databricks/Spark for large-scale event processing and model training. Exposure to supply forecasting, inventory management, or capacity planning in programmatic or marketplace contexts. Familiarity with Impact's affiliate and partnership ecosystem, or prior experience at the intersection of performance marketing and programmatic delivery. What Sets You Apart Marketplace intuition. You understand programmatic auctions not just as an engineer but as an economist — you think about incentive structures, equilibrium dynamics, and how model decisions ripple through the supply-demand stack. Full-stack ML ownership. You're as comfortable designing a feature store schema as you are tuning a gradient boosting model or debugging a latency spike in production. You own the whole chain. Feedback loop thinking. You don't just deploy models — you design the systems that make them smarter over time. You think about how today's decisions become tomorrow's training signal. Rigor under real-world constraints. You know how to run clean experiments in environments where feedback is delayed, data is noisy, and business pressures create tradeoffs. You don't let imperfect conditions become an excuse for imprecise thinking. Pragmatic delivery. You ship. You balance the perfect with the production-ready, iterate fast, and know when an MVP outperforms a six-month research project. Collaborative depth. You build genuine technical trust with engineering and product partners — not just by having good ideas, but by following through, communicating clearly, and making the integration easy. Salary Range: $165,000 - $185,000 per year, plus an additional 5% variable annual bonus contingent on Company performance and eligible to receive a Restricted Stock Unit (RSU) grant. *This is the pay range the Company believes is equitable for this position at the time of this posting. Consistent with applicable law, compensation will be determined based on the skills, qualifications, and experience of the applicant along with the requirements of the position, and the Company reserves the right to modify this pay range at any time. Benefits and Perks: At impact.com, we believe that when you’re happy and fulfilled, you do your best work. That’s why we’ve built a benefits package that supports your well-being, growth, and work-life balance. Strong extended health benefits: Health & Prescription coverage, vision and dental care, virtual health care, out-of-country medical coverage Insurance coverage (life, short-term disability, long-term disability, and more) Health Care Spending Account Two different Employee Assistance Programs Flexible Working: Our Responsible PTO policy means you can take the time off you need to rest and recharge. We're committed to a positive work-life balance and provide a flexible environment that allows you to be happy and fulfilled in both your career and your personal life. Health and Wellness: Your well-being is a priority. Our mental health and wellness benefit includes up to 12 fully covered therapy/coaching sessions per year, with additional dependent coverage. We also offer a monthly gym reimbursement policy to support your physical health. A Stake in Our Growth: We offer Restricted Stock Units (RSUs) as part of our total compensation, giving you a stake in the company's growth with a 3-year vesting schedule, pending Board approval. Investing in Your Growth: We’re committed to your continuous learning. Take advantage of our free Coursera subscription and our PXA courses. Parental Support: We offer a generous parental leave policy, 26 weeks of fully paid leave for the primary caregiver and 13 weeks fully paid leave for the secondary caregiver. Technology Financial Support: We provide a technology stipend to help you set up your home office and a monthly allowance to cover your internet expenses. Note: Benefits may vary by location and are subject to local regulations. impact.com is proud to be an equal-opportunity workplace. All employees and applicants for employment shall be given fair treatment and equal employment opportunity regardless of their race, ethnicity or ancestry, color or caste, religion or belief, age, sex (including gender identity, gender reassignment, sexual orientation, pregnancy/maternity), national origin, weight, neurodivergence, disability, marital and civil partnership status, caregiving status, veteran status, genetic information, political affiliation, or other prohibited non-merit factors.
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 145 000 до 185 000
