Wat je gaat doen
Je bent end-to-end eigenaar van het Marketing Mix Model (MMM): je bouwt het uit, laat het groeien van het huidige Amerikaanse model naar een mondiale, hiërarchische opzet en transformeert het tot een geautomatiseerd platform dat de budgettoewijzing aanstuurt. Volledige eigenaarschap, geen ondersteunende rol.
- MMM-output omzetten in beslissingen: samenwerken met performance marketing en finance om resultaten in het budgetproces op te nemen en teams te begeleiden bij de strategische implicaties.
- De testroadmap aansturen die het MMM voedt: op basis van de signalen bepalen welke kanalen en vragen getest moeten worden, en incrementality-tests (geo-experimenten en andere causal inference-methoden) ontwerpen en uitvoeren om incrementele ROI te meten.
- Een uniform meetframework ontwerpen dat MMM, attributie en incrementality met elkaar verbindt; MMM voor grote budgetbeslissingen, incrementality-aangepaste attributie voor kanaalverdelingen.
- Bedrijfsbrede initiatieven leiden die causal inference uitbreiden voorbij marketing naar het experimentatieplatform, en naar forecasting- en risicowerk met Finance en Product.
- Een full-stack self-serviceplatform bouwen en opschalen waarmee stakeholders zelf budgetplanning en incrementality-tests kunnen uitvoeren, in nauwe samenwerking met engineers en marketing.
- Samen met Data Engineering schaalbare pipelines bouwen en de ETL doorontwikkelen naarmate de modeling stack groeit (bijv. adoptie van Databricks).
Wat je nodig hebt
- Een AI-mindset: je gebruikt AI om sneller te werken, automatiseert waar zinvol en helpt stakeholders hetzelfde te doen.
- Hands-on MMM-ervaring: je weet dat het testen van meerdere benaderingen nodig is voordat je tot een robuust, verdedigbaar model komt.
- Sterke basis in Bayesiaanse statistiek, rigoureus toegepast op MMM en causal inference.
- Ervaring met het omzetten van MMM-output in actie, in taal die marketing en finance begrijpen.
- Expertise in experimentatie: het ontwerpen en evalueren van incrementality-tests en A/B-experimenten.
- Talent voor actionable insights: je ontwerpt analyses met de beslissing voor ogen.
- Sterke Python- en SQL-vaardigheden.
- Een pragmatische probleemoplosser die de eenvoudigste weg door complexiteit vindt, in plaats van naar ingewikkelde modellen te grijpen.
- Een creatieve, proactieve builder, even goed in het vinden van de juiste problemen als in het oplossen ervan.
- Gevorderd schriftelijk en mondeling Engels.
Nice to have
- Eerdere ervaring met causal inference-technieken (bijv. geo-lift testing, causal impact, synthetic control, difference in differences, enz.).
- Eerdere ervaring met Databricks, Snowflake, Looker.
- Eerdere ervaring met Apache Spark.
- Kennis van data-orchestratietools (bijv. dbt en Airflow).
- Ervaring in marketplaces of digitale bedrijven, idealiter in performance marketing.