1️⃣ Руководитель продуктового маркетинга / CMO с опытом в финтехе, платежах и B2B SaaS. Рассматривает и B2B, и B2C: роли Head of Product Marketing, Head of CRM/CVM, Growth, CMO.
Ключевые компетенции: 🔹 Product Marketing / GTM — от позиционирования до запуска и удержания 🔹 CRM/CVM и Lifecycle — RFM-сегментация, персональные офферы, контактная политика (push, SMS, in-app) 🔹 Growth — рост активной базы и конверсий без продуктовых релизов 🔹 Marketing Ops — построение функции с нуля: роли, процессы, спринты, сквозные KPI 🔹 Research — CustDev, JTBD, 100+ интервью на одном продукте 🔹 Market Expansion — вывод продуктов на новые рынки и сегменты 🔹 Бюджет до 1 млрд ₽ в год, команда до 30 человек
О кандидате: 🔹 Девять лет на стыке маркетинга и коммерции: B2C-финтех, B2B SaaS, CRM-агентство 🔹 Сейчас отвечает за продуктовый маркетинг финансовой экосистемы с 5+ млн клиентов: ~50 продуктовых команд, 23 человека в прямом подчинении 🔹 Growth: развернул падение MAU кошелька без продуктовых релизов — RFM-сегментация и персональные офферы вернули аудиторию выше 700 тыс. 🔹 CVM: снизил нагрузку на базу в 13,5 раза — с 270 тыс. пушей до 20 тыс. при том же числе продаж
Локация — удаленно или гибрид, офис в Москве рассматривает Пишите в лс @pavel_a_kasatkin, присылайте описание вакансии
2️⃣ ML / AI Engineer: NLP, LLM и интеллектуальные сервисы
ML/AI-инженер с опытом разработки сервисов на основе языковых моделей и обработки корпоративных данных.
Экспертиза: 🔹 Анализ текстов: подготовка данных, классификация документов, извлечение сущностей, семантический поиск. 🔹 Языковые модели: интеграция в сервисы, промпты, развёртывание в корпоративной инфраструктуре. 🔹 Поиск и базы знаний: RAG-системы, гибридный поиск, ранжирование, структурирование знаний из документов. 🔹 AI-агенты: разработка на LangChain/LangGraph, сценарии, подключение внешних инструментов. 🔹 Разработка: Python, FastAPI, интеграция моделей и хранилищ, логирование.
Кейсы: 🔹 Самостоятельно разработал RAG-сервис для техподдержки. Точность поиска документов выросла с 76% до 93%, доля необоснованных ответов снизилась с 10% до 2%. 🔹 Участвовал в разработке ассистента на основе графа знаний: извлечение сущностей и связей, онтология бизнес-процессов, гибридный поиск.
Стек: Python, sklearn, torch, MLflow, SQL, RAG, Qdrant, Weaviate, RDFS, Docker, FastAPI, MCP, vLLM, LoRA, LangChain, LangGraph, llama.cpp
Москва · офис, гибрид или удалённая работа Контакт для связи: @gdektokirill
