Starszy analityk danych marketingowych

Informacje o ApprovalMax ApprovalMax zapewnia kompleksową automatyzację płatności dla firm korzystających z systemów księgowych w chmurze, takich jak Xero i QuickBooks Online. Mamy ponad 20 000 firm na całym świecie w ponad 70 krajach i dobre dopasowanie do rynku produktów budowane przez ponad 8 lat. Nasi klienci, księgowi, księgowi i zespoły finansowe to użytkownicy nie posiadający wiedzy technicznej, niechętni do ryzyka i polegający na nas w zakresie kontroli sposobu, w jaki pieniądze opuszczają ich firmę.

Zdalnie - kandydaci muszą mieć siedzibę w Wielkiej Brytanii, Portugalii, Serbii lub Mołdawii. Opis stanowiska: Będąc raportowanym do kierownika ds. analityki, będziesz odpowiedzialny za relację analityczną pomiędzy zespołem ds. danych a funkcją marketingu. To podwójna rola.

Będziesz wykonywać poważną pracę analityczną, budując modele, dashboardy i spostrzeżenia, na których opiera się marketing, a także będziesz właścicielem sposobu, w jaki marketing wykorzystuje dane, ustalając rytmy, umowy SLA i standardy, które czynią analitykę prawdziwym partnerem biznesu, a nie biurem obsługi. Warstwa pomiarowa leżąca u podstaw marketingu (atrybucja, taksonomia śledzenia, standardy UTM, schemat właściwości HubSpot i definicje kryjące się za numerami ścieżek) rozrosła się organicznie i wymaga celowej przebudowy. Będziesz osobą, która to zrobi, a potem zachowa uczciwość.

To nie jest rola, w której otrzymasz brief i poprosisz o wykonanie. Pomożesz kształtować działanie wbudowanych narzędzi analitycznych w ApprovalMax, mając realny wpływ na model od pierwszego dnia. 80% analityki marketingowej, 20% szerszego dostarczania danych, w tym mentoringu, standardów i najlepszych praktyk w całej firmie.

Kluczowe obowiązki: Analityka marketingowa Posiadanie relacji analitycznej z funkcją marketingu: rozumienie ich priorytetów, przewidywanie ich potrzeb w zakresie danych i dostarczanie analiz, które wpływają na decyzje, a nie tylko je informują. Twórz i utrzymuj podstawowe pulpity nawigacyjne, raporty i modele, na których opiera się marketing, i weź odpowiedzialność za ich dokładność, aktualność i użyteczność. Przygotuj analizę ścieżki, która ma największe znaczenie dla firmy: użytkownik → bezpłatny okres próbny → płatna konwersja, wydajność w fazie próbnej, postęp na etapie cyklu życia oraz wiodące wskaźniki, które je poruszają.

Określ ilościowo skuteczność kanału i kampanii od początku do końca (wydatki, CAC, zwrot, wkład w przyszłe kampanie i zatrzymane przychody), zamiast zatrzymywać się na konwersjach zgłaszanych przez platformę. Przekładaj niejednoznaczne pytania biznesowe na jasne ramy analityczne; jasno formułuj założenia i dostarczaj użytecznych wyników, zanim dostępne będą doskonałe dane. Wprowadź kontekst międzyfunkcyjny do analiz marketingowych, łącząc wykorzystanie produktów, przychody z subskrypcji i dane CRM, aby uzyskać spostrzeżenia, których nie zauważyłby widok na poziomie kanału.

Atrybucja i pomiary Stwórz własną przebudowę atrybucji marketingowej: uzgodnij model z marketingiem i finansami, udokumentuj jego założenia i znane martwe punkty i wdroż go w magazynie, aby jeden numer został wyprodukowany raz i ponownie wykorzystany wszędzie. Porównaj liczby zgłaszane przez platformy (platformy reklamowe, GA4, HubSpot) z prawdą magazynową i bądź osobą, która potrafi - wiarygodnie i wielokrotnie - wyjaśnić, dlaczego się różnią. Zbuduj podejście do pomiaru aktywności, której atrybucja nie może jasno zobaczyć: marki, organicznej, partnera i przekazu ustnego.

Testowanie przyrostowe i wstrzymywanie tam, gdzie uzasadniają to wydatki. Projektuj i analizuj eksperymenty marketingowe - strony docelowe, sekwencje pielęgnowania, komunikaty dotyczące cen i opakowań - w tym sposób definiowania sukcesu przed uruchomieniem testu. Architektura śledzenia i standardy gromadzenia danych Zdiagnozuj śledzenie, które już mamy, a nie tylko śledzenie, które zamierzamy zbudować: przeczytaj istniejącą implementację po stronie klienta, obsługę plików cookie i pamięci lokalnej oraz zachowanie stron odsyłających, aby dowiedzieć się, dlaczego kanał błędnie zgłasza.

Naszym największym problemem obecnie związanym z atrybucją jest zbyt duży segment Direct, a jego wyeliminowanie jest priorytetem dla tej roli. Posiadaj taksonomię zdarzeń: co śledzimy, co oznacza każde zdarzenie, jakie ma właściwości i do czego można go używać. Posiadaj kontener Menedżera tagów Google (tagi, reguły, zmienne) i proces kontroli jakości, który potwierdza, że ​​śledzenie działa przed publikacją i po jej wydaniu.

Posiadaj standard nazewnictwa UTM i automatyczne kontrole zgodności, które go egzekwują. Tagowanie poszczególnych kampanii wykonuje osoba rozpoczynająca kampanię; jesteś właścicielem standardu, walidacji i raportu pokazującego, kto nie spełnia wymagań. Określ umowę dataLayer, którą witryna musi udostępniać, oraz wymagania dotyczące śledzenia po stronie serwera.

Piszesz specyfikację i sprawdzasz wynik; Implementacja w kodzie witryny i infrastruktura pod nią są budowane przez inżynierię internetową. Własna kontrola jakości śledzenia jako stały proces, a nie jednorazowy projekt: nieprawidłowe śledzenie powinno zostać wykryte poprzez kontrolę, a nie przez osobę, która zauważy, że pulpit nawigacyjny wygląda nieprawidłowo trzy tygodnie później. Marketingowy model danych i definicje metryk Uzyskaj niestandardowy schemat właściwości w HubSpot z perspektywy danych: jakie właściwości istnieją, co oznaczają, kto je pisze i w jaki sposób są one mapowane na model hurtowni.

Określ pola; Kompilacja przepływu pracy jest powiązana z Revenue Operations. Posiadaj domenę Marketing w Centralnym Glosariuszu KPI i Metryk - MQL, SQL, możliwości, wersja próbna, aktywacja, konwersja, utrzymanie - i wprowadzaj dodatki i konflikty do procesu zarządzania, zamiast pozwalać na kumulowanie się definicji cieni. Upewnij się, że marketing, sprzedaż, finanse i produkt podają tę samą liczbę, a jeśli istnieją uzasadnione różnice, różnica jest udokumentowana, a nie dyskutowana.

Upewnij się, że nowe funkcje produktu, zmiany cen lub wnioski dotyczące GTM zostaną odzwierciedlone w definicjach wskaźników i pulpitach nawigacyjnych przed wprowadzeniem na rynek, a nie po nim. Sposoby pracy z marketingiem Zdefiniuj i udokumentuj model pracy pomiędzy zespołem ds. danych a marketingiem: własność wskaźników, przyjmowanie żądań, umowy SLA dotyczące realizacji, ścieżki eskalacji i oczekiwania dotyczące świeżości danych. Ustal wyraźną szybką ścieżkę dla krytycznych czasowo próśb marketingowych, tak aby pilne prace można było przeciągnąć na bieżący tydzień, zamiast czekać na kolejny cykl planowania - i szczerze opisz na piśmie, co się nie kwalifikuje.

Dokumentuj wiedzę dziedzinową, preferencje interesariuszy i przypadki analityczne, aby można było przekazywać lub skalować analizy marketingowe bez zaczynania od zera. Samoobsługa, raportowanie i przepływy pracy wspomagane sztuczną inteligencją Twórz i utrzymuj pulpity nawigacyjne oraz automatyczne raporty (Lightdash, Amplitude, GA4), aby dział marketingu mógł odpowiadać na powtarzające się pytania bez udziału analityka. Twórz przejrzystą dokumentację, którą inni mogą weryfikować, rozszerzać i na której opierać: definicje metryk, uwagi dotyczące metodologii i zastrzeżenia dotyczące danych.

Aktywnie przenieś powtarzające się prace analityczne do samoobsługi, uwalniając swoje możliwości w zakresie analiz o wyższej wartości. Używaj narzędzi wspieranych przez LLM i agentów kodujących AI jako domyślnej części analitycznego przepływu pracy - do eksploracji danych, generowania zapytań, syntezy spostrzeżeń i dokumentacji. Dzięki tym narzędziom powinieneś działać szybciej i dokładniej, a nie tylko być ich świadomym.

Pomóż osadzić agentowe przepływy pracy w zespole marketingowym, pokazując interesariuszom, jak uzyskać odpowiedzi bezpośrednio z danych. Weź udział jako praktyk i użytkownik narzędzi do obsługi języka naturalnego i zamiany tekstu na SQL tworzonych przez lidera platformy danych. Jakość danych, zarządzanie i mentoring Zgłaszanie problemów z jakością danych przed liderem platformy danych; zrozum, w jaki sposób Twoje analizy zależą od konkretnych rurociągów i kontraktów, i aktywnie podnoś ryzyko.

Traktuj jakość danych marketingowych jako swój własny problem tam, gdzie ma on swoje źródło w taksonomii, tagowaniu lub projekcie właściwości CRM - to jest Twoja powierzchnia, a nie zespół zajmujący się platformą. Uczestniczyć w procesie przyjmowania i cotygodniowej segregacji; Pomóż klasyfikować i określać zakres żądań przychodzących z działu Marketing. Zapewnij wskazówki techniczne, ramy analityczne i przeglądy kodu dla młodszych analityków.

Udział w zwinnych przepływach pracy (Kanban/Scrum) i sesjach planowania; dbaj o to, aby Twoja praca była widoczna, a priorytety jasne. Pomóż ukształtować standardy dokumentacji i normy analityczne, które będą obowiązywać w miarę skalowania zespołu. Czego szukamy: Wymagania obowiązkowe: ponad 4-letnie doświadczenie w analityce danych, najlepiej w marketingu, rozwoju lub GTM Doświadczenie w prowadzeniu pomiarów marketingowych, atrybucji i śledzenia Silne umiejętności diagnostyczne w zakresie śledzenia, atrybucji i jakości danych Praktyczne wykorzystanie narzędzi AI/LLM w przepływie pracy analitycznej Silne umiejętności SQL i Python, w tym kod jakości produkcyjnej Doświadczenie z platformami GA4, GTM, CRM (preferowany HubSpot) i płatnymi danymi medialnymi Doświadczenie w narzędziach BI/analizy produktów, takich jak Lightdash, Looker lub Amplitude Umiejętność łączenia danych z CRM, produktów, finansów i marketingu Silne umiejętności komunikacji ze starszymi, nietechnicznymi interesariuszami Doświadczenie w zarządzaniu metrykami i rozwiązywaniu konfliktów danych Wygodna praca z niejednoznacznością i przekształcanie złożonych pytań w przydatne spostrzeżenia Mile mieć: doświadczenie w SaaS/B2B oraz znajomość metryk subskrypcji i PLG.

Doświadczenie w analizie wzrostu, aktywacji i konwersji opartej na produkcie Znajomość dbt, warstw semantycznych i modelowania danych Doświadczenie w śledzeniu po stronie serwera lub wdrażaniu dataLayer Eksperymentowanie, modelowanie przyrostowe lub media-mix Doświadczenie z wbudowanymi modelami analitycznymi Eksploracja danych LLM, zamiana tekstu na SQL lub eksploracja danych oparta na sztucznej inteligencji Doświadczenie w mentoringu analityków lub ustalaniu standardów analitycznych Co oferujemy: Stypendium w zakresie zdrowia i dobrego samopoczucia Konfiguracja domowego biura - jednorazowe 500 GBP zwrot kosztów, po okresie próbnym 26 dni płatnego urlopu 1 dodatkowy dzień wolny na urodziny Nagroda finansowa za lata pracy Regularne przeglądy wynagrodzeń w oparciu o wyniki Rosnący międzynarodowy biznes z ponad 20 000 subskrybentów Pierwotnie opublikowane w Himalajach