دانشمند داده ارشد بازاریابی | Senior Marketing Data Scientist

فرصت

این نقش یک موقعیت معمولی دانشمند داده نیست. ما به دنبال یک دانشمند کنجکاو هستیم تا مشکلات مهم بازاریابی را از طریق مدل سازی و بهینه سازی کمی حل کند. شما مدل‌های پیشرفته‌ای را طراحی، توسعه و استقرار خواهید داد که بر شخصی‌سازی، تخصیص رسانه و استراتژی در فروشگاه تأثیر می‌گذارند. اگر از روش‌های علمی دقیق برای چالش‌های بازاریابی در مقیاس بزرگ استفاده می‌کنید، این نقش برای شما مناسب است.

مسئولیت‌های کلیدی

موتورهای پیشنهادی معمار: طراحی و بهینه‌سازی مدل‌های شخصی‌سازی نسل بعدی برای افزایش تعامل و فروش.
بهینه‌سازی فضای فروشگاه و مجموعه‌ای: استفاده از تحقیقات پیشرفته برای تجزیه و تحلیل بیشینه‌متر مربع فروشگاه‌ها.
بهینه‌سازی رسانه و بازاریابی پیشرو: ساخت مدل‌های ترکیبی رسانه (mmmm) و چارچوب‌های اسناد چند لمسی برای اندازه‌گیری سرمایه و بهینه‌سازی هزینه‌های بازاریابی.
بینش‌های کمی را هدایت می‌کند: مشکلات کمی را از سؤالات کسب‌وکار تعریف کنید، آمار اعمال نفوذ، یادگیری ماشینی، و استنتاج علی برای بینش‌های بازاریابی عملی.
نوآوری و تحقیق: با متخصصان دانشگاهی/صنعتی و برنامه‌های کاربردی یادگیری ماشینی پیشرفته، برنامه‌های کاربردی کم‌محصول یادگیری ماشینی آنها به‌روز بمانید. اینجا.

مدارک مورد نیاز و مهارت
آموزش: m.s. یا دکتری در مهندسی صنایع، تحقیقات عملیات، آمار، علوم کامپیوتر، اقتصاد یا زمینه‌های مرتبط.
تجربه: بیش از 5 سال به‌عنوان دانشمند داده با سابقه اثبات شده در ساخت و استقرار مدل‌های تأثیرگذار ml.

مهارت‌های فنی:
برنامه‌نویسی خبره در پایتون (pandas, numpy, sciql) و مهارت‌ها.
با چارچوب‌های ml مانند pytorch یا tensorflow.
تکنولوژی کلان داده مانند spark یا hadoop.
ذهن بازاریابی: درک کامل از بازاریابی و توانایی پیوند دادن مدل‌های پیچیده با نتایج کسب‌وکار.
حل مسئله: متفکر اصول اول قوی که قادر به تجزیه مشکلات ساختار نیافته به بخش‌های قابل حل است. یا دانشگاه بین المللی.
تجربه در خرده فروشی، cpg، یا بخش‌های تجارت الکترونیک.
دانش عمیق تکنیک‌های بهینه‌سازی (برنامه‌نویسی خطی/غیرخطی).
تجربه با شبکه‌های عصبی نموداری (gnn) برای توصیه‌ها.

آنچه ما ارائه می‌دهیم
حقوق و مزایا بسیار رقابتی.
کار بر روی پروژه‌های استراتژیک و با تاثیر بالا با پروژه‌های صنعتی قابل اندازه‌گیری و قابل اندازه‌گیری
com. مجموعه داده ها.
فرهنگ روشنفکر کنجکاوی، یادگیری مستمر، و برتری مبتنی بر داده.
پیشرفت شغلی واضح به رهبری فنی یا مدیریت.

---

The Opportunity

This role is not a typical data scientist position. We seek an intellectually curious scientist to solve critical marketing problems via quantitative modeling and optimization. You will design, develop, and deploy advanced models influencing personalization, media allocation, and in-store strategy. If you thrive applying rigorous scientific methods to large-scale marketing challenges, this role is for you.

Key Responsibilities

Architect Recommendation Engines: Design and optimize next-gen personalization models to boost engagement and sales.
Optimize In-Store Space & Assortment: Use advanced analytics and operations research to maximize profitability per square meter across thousands of stores.
Lead Media & Marketing Optimization: Build Media Mix Models (MMM) and multi-touch attribution frameworks to measure ROI and optimize marketing spend.
Drive Quantitative Insights: Define quantitative problems from business questions, leveraging statistics, machine learning, and causal inference for actionable marketing insights.
Innovate and Research: Stay updated with academic/industry advances in quantitative marketing and machine learning, pioneering their applications here.

Required Qualifications & Skills
Education: M.S. or Ph.D. in Industrial Engineering, Operations Research, Statistics, Computer Science, Economics, or related fields.
Experience: 5+ years as a Data Scientist with a proven track record in building and deploying impactful ML models.

Technical Skills:
Expert programming in Python (Pandas, NumPy, Scikit-learn) and strong SQL skills.
Experience with ML frameworks like PyTorch or TensorFlow.
Hands-on with big data tech such as Spark or Hadoop.
Marketing Acumen: Solid understanding of marketing and ability to link complex models with business outcomes.
Problem-Solving: Strong first-principles thinker capable of breaking down unstructured problems into solvable parts.

Preferred Qualifications
Graduate from top-tier Iranian or international university.
Experience in retail, CPG, or e-commerce sectors.
Deep knowledge of optimization techniques (linear/non-linear programming).
Experience with Graph Neural Networks (GNN) for recommendations.

What We Offer
Highly competitive salary and benefits.
Work on strategic, high-impact projects with measurable outcomes.
Access to industry-unique, massive datasets.
Culture of intellectual curiosity, continuous learning, and data-driven excellence.
Clear career progression into technical leadership or management.