Владелец продукта: динамическое ценообразование и монетизация
Описание
Чем нужно будет заниматься: Разработка и внедрение системы динамического ценообразования (surge pricing, стимулирование предложения). Внедрение динамической ставки (время до старта, загруженность пула). Запуск 2–3 ценовых инициатив с измеримым эффектом (рост маржи, снижение невыходов). Управление командой из 3–4 человек (Pricing PM, DS, Data Analyst, ML). Построение ML-моделей эластичности спроса и предложения, прогнозирование оптимальной цены. Полная автоматизация ценообразования для 90% смен. Анализ юнит-экономики (take rate, gross margin, LTV/CAC) и оптимизация ценовых параметров. Мониторинг конкурентной среды и корректировка цен в реальном времени. У тебя точно всё получится, если есть: 4+ года на позиции Product Manager / Senior Product Manager в сфере динамического ценообразования в маркетплейсах (gig-экономика, такси, доставка, e-commerce, логистика). Примеры ролей: отражены в вакансиях Достависта (Senior PM Supply/Demand + Динамическое ценообразование) и Faire (Staff PM, Динамическое ценообразование). Опыт создания алгоритмов сурж-ценообразования / surge Динамическое ценообразование с нуля или глубокой модификации существующих (например, применительно к балансу спроса и предложения). Опыт разработки моделей на основе прогноза спроса и эластичности. Опыт работы с экономистами / DS по построению прогнозных моделей спроса. Опыт проведения сложных A/B-тестов в двухсторонних рынках (switchback tests, geo experiments). Знание микроэкономики: эластичность, surplus, market clearing price, price discrimination. Понимание базовых алгоритмов ценообразования: rule-based, contextual bandits, reinforcement learning для Динамическое ценообразование. Уверенное использование SQL для расчёта юнит-экономики и сегментации. Понимание принципов прогнозирования временных рядов (ARIMA, Prophet, LSTM) и методов causal inference (Difference-in-Differences, Synthetic Control). Опыт работы с метриками маркетплейса: liquidity, thickness, match rate, conversion funnel. Базовые знания Python для работы с дата-сайентистами. Экономическое мышление: анализ стимулов для обеих сторон рынка, понимание феномена «каннибализации» и эффектов переключения спроса между разными типами смен. Data-driven decision making: умение принимать решения в условиях неполной информации, быстро валидировать гипотезы. Системное мышление: видеть продукт как экосистему сервисов, где цена влияет на всё — от отклика до удержания. Смелость: не бояться челленджить устоявшиеся решения, предлагать и тестировать инновационные модели (например, динамическая ставка на аукционе). Будет плюсом Опыт внедрения RL-based Динамическое ценообразование agent в production. Опыт работы с anomaly detection для цен и промо-механик. Понимание поведенческой экономики (как цена влияет на решения курьеров и клиентов).