Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
Appier
Токио, Япония2 месяца назад
Грейд
Middle
Опыт работы
от 3 лет
Уровень английского
C1, продвинутый
Релокация
Япония
Письмо на почту или сообщение рекрутеру в Telegram
About Appier Appier is an AI-native Agentic AI as a Service (AaaS) company that uses artificial intelligence (AI) to power business decision-making. Founded in 2012 with a vision of democratizing AI, Appier’s mission is turning AI into ROI by making software intelligent. Appier now has 17 offices across APAC, Europe and U.S., and is listed on the Tokyo Stock Exchange (Ticker number: 4180). Visit for more information.
About the role Appier's Ad Cloud handles millions of bid requests per second, and that number keeps climbing. Behind every request is a chain of decisions: how much to bid, what to recommend, which creative to show, how fast the system responds. Each one is a lever on campaign performance, and at this scale a 1% improvement is enormous. Your job is to find those levers in the data. You will turn campaign, auction, and user-behavior data into insights about where the next performance gain is, prove it with rigorous A/B testing, and drive the change across the organization. This is not a back-office role. You will work hand-in-hand with ML scientists, engineers, product managers, and the operations team, and you are expected to set the agenda with data and push until the improvement shows up in live campaigns. AI now handles much of the mechanics: writing queries, drafting code, producing charts. What it does not do is decide which question is worth asking, notice that a number does not add up, or keep digging when the first explanation is too convenient. That is the job. We are looking for someone who is relentlessly curious about why , and who cannot leave an unexplained anomaly alone.
What You Will Do Find where performance comes from. Mine campaign, bidding, and user data to identify the highest-leverage opportunities to improve online campaign performance, and turn them into testable hypotheses. Get to the root cause. When performance shifts or metrics contradict each other, dig until you understand the real mechanism, not just the correlation. Drive improvements across functions. Partner with ML scientists on bidding and recommendation algorithms, with product and creative teams on creative serving, with engineering on system improvements, and with operations on how campaigns are run. Your insights set the direction; you follow through until the impact lands in production. Own experimentation. Design, run, and read a high volume of A/B tests on live campaigns. Define metrics and guardrails, diagnose noisy results, and make clear ship / no-ship calls. Build the foundation and make it visible. Define metric frameworks, build the datasets and pipelines behind them, and deliver dashboards that let stakeholders monitor campaign health and act on findings without waiting for a report. Work with AI, not just on it. Use AI assistants and agentic tools throughout your workflow so that the team's analytical throughput keeps growing.
You Will Thrive Here If You ask "why" one more time than is comfortable, and you verify what AI (and people) hand you. You influence scientists, engineers, PMs, and operations teams without direct authority, and you own an initiative from insight to shipped result. You treat AI tools as a daily multiplier, with the judgment to know when their output is wrong.
About you [Minimum qualifications] 3+ years of hands-on experience in data analytics or data science in a product- or performance-driven environment. Strong statistical foundation in experimental design: hypothesis testing, power analysis, and reading noisy online experiments. Proficiency in Python and expert-level SQL, with hands-on experience processing large-scale data in PySpark or a comparable distributed framework. Working knowledge of machine learning sufficient to collaborate with ML scientists and evaluate models' real-world impact. Demonstrated ability to turn analysis into decisions and communicate clearly with technical and non-technical audiences. Fluent English, written and spoken.
[Preferred qualifications] Experience in programmatic / digital advertising (RTB, DSP, ad networks) and its core metrics (CTR, CVR, CPA, ROAS, win rate). Experience with causal inference or building experimentation infrastructure. Experience building dashboards (Looker, Tableau, Metabase, Grafana, Superset, or code-based libraries). Experience building automated or agentic analytics workflows with LLMs. Open to overseas candidates/Visa Support This position is open to based in Taipei, Taiwan or Tokyo, Japan. For international candidates, Appier's Japan office provides visa sponsorship to ensure a smooth transition to Japan.
Сравним навыки, грейд, формат работы и зарплату
Appier — это компания, предоставляющая услуги на базе искусственного интеллекта (AI) в качестве сервиса (AaaS), которая использует искусственный интеллект (AI) для поддержки принятия бизнес-решений. Основанная в 2012 году с целью демократизации AI, Appier ставит своей миссией превращение AI в ROI путем создания интеллектуального программного обеспечения. В настоящее время Appier имеет 17 офисов в Азиатско-Тихоокеанском регионе, Европе и США и котируется на Токийской фондовой бирже (тикер: 4180). Посетите наш сайт для получения дополнительной информации.
О роли Ad Cloud от Appier обрабатывает миллионы запросов на ставки в секунду, и это число продолжает расти. За каждым запросом стоит цепочка решений: сколько делать ставку, что рекомендовать, какой креатив показать, как быстро должна реагировать система. Каждое из них влияет на эффективность кампании, и в таком масштабе 1% улучшения имеет огромное значение. Ваша задача — найти эти рычаги в данных. Вы будете превращать данные о кампаниях, аукционах и поведении пользователей в инсайты о том, где находится следующая точка роста производительности, доказывать их с помощью строгих A/B-тестов и внедрять изменения в организации. Это не работа в бэк-офисе. Вы будете работать рука об руку с ML-специалистами, инженерами, менеджерами по продукту и операционной командой, и от вас ожидается, что вы будете определять повестку дня на основе данных и работать до тех пор, пока улучшения не появятся в реальных кампаниях. AI уже берет на себя большую часть механической работы: написание запросов, создание кода, построение графиков. Он не может решить, какой вопрос стоит задать, заметить, что цифры не сходятся, или продолжать копать, когда первое объяснение слишком удобно. Это ваша работа. Мы ищем человека, который неустанно любопытен к вопросу «почему» и не может оставить необъясненную аномалию без внимания.
Определять источники роста производительности. Анализировать данные кампаний, ставок и пользователей, чтобы выявить возможности с наибольшим потенциалом для улучшения эффективности онлайн-кампаний, и превращать их в проверяемые гипотезы. Добираться до первопричины. Когда производительность меняется или метрики противоречат друг другу, копайте до тех пор, пока не поймете реальный механизм, а не просто корреляцию. Продвигать улучшения в различных отделах. Сотрудничать с ML-специалистами по алгоритмам ставок и рекомендаций, с командами продукта и креатива по показу креативов, с инженерами по улучшению систем, а с операционной командой — по проведению кампаний. Ваши инсайты определяют направление; вы доводите дело до конца, пока эффект не проявится в продакшене. Отвечать за эксперименты. Проектировать, проводить и анализировать большое количество A/B-тестов на реальных кампаниях. Определять метрики и контрольные показатели, диагностировать шумные результаты и принимать четкие решения об отправке/неотправке. Создавать фундамент и делать его видимым. Определять фреймворки метрик, создавать наборы данных и конвейеры для них, а также предоставлять дашборды, позволяющие заинтересованным сторонам отслеживать состояние кампаний и действовать на основе полученных данных, не дожидаясь отчета. Работать с AI, а не только над ним. Использовать AI-ассистентов и agentic-инструменты на протяжении всего рабочего процесса, чтобы производительность команды в аналитике постоянно росла.
Вы задаете вопрос «почему» на один раз больше, чем вам комфортно, и проверяете то, что вам предоставляют AI (и люди). Вы влияете на ученых, инженеров, PM-ов и операционные команды без прямой власти, и вы управляете инициативой от инсайта до реализованного результата. Вы относитесь к AI-инструментам как к ежедневному ускорителю, обладая суждением, чтобы знать, когда их результаты неверны.
О вас [Минимальные требования] Более 3 лет практического опыта в области аналитики данных или науки о данных в среде, ориентированной на продукт или производительность. Прочный статистический фундамент в экспериментальном дизайне: проверка гипотез, анализ мощности и интерпретация шумных онлайн-экспериментов. Владение Python и SQL на экспертном уровне, с практическим опытом обработки больших данных в PySpark или аналогичной распределенной среде. Практические знания машинного обучения, достаточные для сотрудничества с ML-специалистами и оценки реального влияния моделей. Подтвержденная способность преобразовывать анализ в решения и четко общаться как с техническими, так и с нетехническими аудиториями. Свободное владение английским языком, устным и письменным.
Опыт работы в programmatic / digital рекламе (RTB, DSP, рекламные сети) и ее основных метриках (CTR, CVR, CPA, ROAS, win rate). Опыт в области причинно-следственного вывода или создания инфраструктуры для экспериментов. Опыт создания дашбордов (Looker, Tableau, Metabase, Grafana, Superset или библиотеки на основе кода). Опыт создания автоматизированных или agentic-рабочих процессов аналитики с использованием LLM. Открытость для международных кандидатов / Визовая поддержка Эта вакансия открыта в Тайбэе, Тайвань, или Токио, Япония. Для международных кандидатов японский офис Appier предоставляет визовую поддержку для обеспечения плавной адаптации в Японии.
Чаще всего от 10 100 000 до 12 800 000
Чаще всего от 10 100 000 до 12 800 000