Обязанности:
Вакансия: Аналитик данных (SEO-эксперименты) — в школу "SEO Мясо" Формат: удалённо / гибкий графикТип занятости: part-time или full-time (обсудим)Оплата: фикс + бонусы за результаты (по итогам собеседования)Кому подойдёт: тем, кто любит исследования, цифры и хочет делать эксперименты, которые реально влияют на SEO-решения О нас SEO Мясо — школа и сообщество про практический SEO и AI-автоматизацию. Мы строим не “теорию”, а прикладные методики: тестируем гипотезы, собираем данные, делаем выводы и упаковываем это в понятные инструменты/уроки/кейсы. Сейчас мы усиливаем направление SEO-R&D: хотим системно проводить эксперименты уровня “как проверить, что реально влияет на позиции / клики / релевантность” и делать из этого воспроизводимые фреймворки. Задача роли Сделать так, чтобы SEO-эксперименты в школе были регулярными, воспроизводимыми и доказательными: от постановки гипотезы до отчёта и рекомендаций. Что нужно будет делать 1) Планирование и дизайн экспериментов Формулировать гипотезы вместе с командой (SEO/контент/разработка). Выбирать метод теста: A/B, quasi-эксперимент, difference-in-differences, синтетический контроль, до/после с контролем сезонности. Определять метрики успеха: позиции, CTR, показы/клики, конверсии (если есть), индексируемость, скорость переобхода, качество контента (coverage/семантика), технические метрики. 2) Сбор и подготовка данных Собирать данные из источников (примерно): Google Search Console, Яндекс.Вебмастер / Метрика (если есть), парсинг SERP/ТОП-N, данные по страницам, контент-факторы, логи/сканеры (Screaming Frog и аналоги), таблицы/выгрузки. Приводить данные к аккуратному виду: чистка, нормализация, объединения, контроль качества. 3) Аналитика и выводы Строить модели/проверки: корреляции, регрессии, сравнительные тесты, сегментации, доверительные интервалы. Отвечать на вопросы типа: “есть ли связь между coverage ключей и ранжированием?” “что отличает ТОП-10 от ТОП-50 по контентным/техническим признакам?” “как влияют изменения на страницах на клики/показы в GSC?” Писать выводы человеческим языком: что делать SEO-специалисту завтра. 4) Отчётность и упаковка Делать понятные отчёты/дашборды: Google Sheets/Looker Studio/Power BI (что удобнее). Описывать методику так, чтобы её можно было повторить (в том числе для уроков/материалов школы). Поддерживать “репозиторий экспериментов”: гипотеза → датасет → метод → результаты → рекомендации. Примеры экспериментов (что будем делать) ТОП-N анализ: какие факторы отличают ТОП-10/20 от остального (по запросам и кластерам). Контент-метрики: coverage по леммам и n-граммам, структура блоков, entity coverage, “плотность” не как миф, а как проверяемая гипотеза. Изменения на страницах: влияние правок заголовков/блоков/FAQ/структуры на клики и позиции с учётом сезонности. Тех-факторы: скорость, индексация, дубли, каноникализация — и реальная связь с трафиком. Что важно уметь (must have) Уверенная работа с данными: Python (pandas, numpy) или SQL (идеально и то, и другое). Статистика на практике: p-value без магии, доверительные интервалы, понимание смещений и сезонности. Умение объяснять результаты простым языком, без “академизма”. Аккуратность: воспроизводимость расчётов, контроль качества данных. Будет плюсом (nice to have) Опыт с SEO-данными: GSC, SERP-выгрузки, парсеры, Screaming Frog. Понимание веб-структур (URL, шаблоны страниц, пагинация, каноникалы). Опыт в Looker Studio / Power BI / Metabase. Навыки построения пайплайнов (Airflow/n8n/скрипты по расписанию) — не обязательно. Как мы работаем Ставим задачу как исследование: вопрос → гипотеза → план → данные → выводы → решение. Важен не “красивый график”, а правильный вывод, который выдержит вопросы. Минимум бюрократии, много практики и быстрых итераций. Что вы получите Доступ к реальным SEO-задачам и исследованиям, которые смотрит сильное комьюнити. Возможность влиять на методологии и продукты школы. Портфолио экспериментов, которые можно показывать как кейсы. Рост в сторону SEO-R&D / Product Analytics / Data Science для маркетинга. Как откликнуться Пришлите в одном сообщении: Коротко о себе и опыте (1–2 абзаца) Чем гордитесь в аналитике (пример проекта/задачи) Ссылку на GitHub/портфолио/дашборд (если есть) Ответ на мини-вопрос: как бы вы проверили гипотезу “coverage ключевых n-грамм на странице связан с попаданием в ТОП-10” (буквально 5–10 предложений: данные, метод, метрики)Похожие вакансии