土日・夜間面接対応 データサイエンティストの求人・転職情報

●ポジション概要 Webサイト・広告・SEOの改善施策が本当に顧客成果につながったかを検証し、結果を自社AI「プロパゲートAI」の次の提案へ戻すポジションです。 GA4(Googleアナリティクス4)・広告・フォーム・電話・LINE等の計測品質を確認したうえで、SQL・Pythonと前後比較・DiD(差分の差分法)・時系列分析・予測・分類・異常検知を使います。 分析はレポートで終わらせず、スコアリングや提案ロジックとして事業とプロダクトへ実装します。 ●主な役割 施策の効果検証、計測・データ品質の改善、予測・スコアリングを担い、結果をプロパゲートAIの提案ロジックへ反映する ①施策の効果検証 - Webサイト改善施策の効果検証と分析計画の設計 - 改善前後のCVR(成約率)・CV(問い合わせ等の成果)数の分析 - 業種・サイト規模・流⼊チャネル別の効果検証 - 前後⽐較・DiD・時系列分析等を⽤いた因果推論 - ⼩サンプル時の判断ルール設計 ②計測・データ品質 - GA4・GTM(タグ管理ツール)・GSC(検索分析ツール)・広告のデ - ータ品質確認 - フォーム・電話・LINE等のCV計測設計とCV定義の整備 - 二重計測・未計測・イベント定義ミスの検知と改善 - 分析用データマート・テーブルの設計 ③予測とAIへの反映 - 分類・予測・異常検知モデルの設計(解約リスク、SEO伸長余地等) - 提案承認率・実装率・改善後CVR等のスコアリング - LLM(大規模言語モデル)・AIによる分析結果の妥当性評価 - 検証結果をプロパゲートAIの提案ロジックと学習ループへ反映 ●使用ツール SQL/Python/GA4/GSC/GTM/広告媒体データ/B(I 分析・可視化ツール)/LLM/プロパゲートAI。分析手法はA/Bテスト、前後比較、DiD、時系列分析、予測・分類、異常検知から問いに合うものを選びます。 ●AIとの分担 SQL・Pythonのコード生成、データ抽出・加工、探索的分析、可視化はAIが支援します。何を検証するかの決定、指標や前提の確認、交絡・バイアスの検討、結果をどこまで信じるかの判断は人が担います。 ●連携先 AIエンジニア(データ基盤実装を含む)、Webマーケター、SEOディレクター、カスタマーサクセス、各事業責任者。分析結果を共有し、提案ロジックの変更や追加計測を一緒に決めます。 雇⼊れ直後:本求⼈の「仕事内容」に記載する業務 変更の範囲:会社の定める業務

●ポジション概要 Webサイト・広告・SEOの改善施策が本当に顧客成果につながったかを検証し、結果を⾃社AI「プロパゲートAI」の次の提案へ戻すポジションです。 GA4(Googleアナリティクス4)・広告・フォーム・電話・LINE等の計測品質を確認したうえで、SQL・Pythonと前後⽐較・DiD(差分の差分法)・時系列分析・予測・分類・異常検知を使います。 分析はレポートで終わらせず、スコアリングや提案ロジックとして事業とプロダクトへ実装します。 ●主な役割 管理職を主務とせず、⾼難度の効果検証、モデル・LLM(⼤規模⾔語モデル)の評価設計、分析標準と専⾨レビューでAIの学習ロジックを主導する 雇⼊れ直後:本求⼈の「仕事内容」に記載する業務 変更の範囲:会社の定める業務