Retail Marketing Attribution

at  McGill University

Veuillez référer au guide
Comment postuler à un emploi (pour les candidats externes)
pour obtenir des instructions sur la façon de postuler.
Si vous êtes un employé actif de McGill (c.-à-d. actuellement dans un contrat ou un poste actif à l’Université McGill), ne postulez pas via ce site de carrière. Connectez-vous à votre compte McGill Workday et postulez à cette affichage en utilisant le rapport Find Jobs (tapez Find Jobs dans la barre de recherche).
Position Summary:
In this position, you will work on Marketing Mix Modeling (MMM), which is statistical analysis - such as multivariate regressions on sales and marketing time series data – used to estimate the impact of various marketing tactics (marketing mix) on sales.
This position is part-time and offers a unique opportunity to play a pivotal role in analyzing marketing effectiveness and guiding strategic advertising decisions through advanced statistical modeling techniques. The ideal candidate will have a strong background in time series modeling, machine learning, regression analysis, and data visualization. Experience or interest in the retail industry is highly desirable.

Responsibilities:

• Develop and implement sophisticated time series models (e.g., ARIMA models) to analyze marketing performance and forecast future trends.
• Utilize machine learning algorithms to uncover insights from complex datasets and optimize marketing spend allocation.
• Conduct multivariate regression analysis to understand the impact of various marketing channels on sales and customer behavior.
• Used optimization algorithms to optimize marketing mix and ad spend.
• Generate synthetic datasets for testing and validation purposes, ensuring the accuracy and reliability of modeling results.
• Create compelling visualizations to communicate findings and recommendations to stakeholders effectively.
• Conduct independent research to apply best practices in marketing analytics.

Qualifications:

Bachelor’s or master’s degree in a quantitative field such as Statistics, Mathematics, Economics, or Data Science.

• Proven experience in marketing analytics, with a focus on MMM and statistical modeling techniques.
• Proficiency in programming languages such as Python or R for data analysis and modeling.
• Strong analytical skills with a deep understanding of statistical concepts and methodologies.
• Ability to work independently and as part of a small team in a fast-paced environment.
• Excellent communication skills, with the ability to explain complex technical concepts to non-technical stakeholders.
• Experience in the retail industry is a plus.

Salaire horaire :
$20.00
Heures par semaine :
3 (Temps partiel)
Lieu :
Pavillon Bronfman
Superviseur :
Gestionnaire du laboratoire de données
Date de début de l’emploi :
2024-04-01
Date de fin de l’emploi :
2024-12-30
Date limite pour postuler :
Ce poste est couvert par la convention collective de l’Association des employés de recherche de l’Université McGill (AMURE).
L’Université McGill recrute sur la base du mérite et s’est fermement engagée à promouvoir et instaurer l’équité et la diversité au sein de sa communauté. Nous accueillons favorablement les demandes d’emploi des personnes racisées et de minorités visibles, des femmes, des personnes autochtones, des personnes handicapées, des minorités ethniques, des personnes de toute orientation et identité sexuelles, ainsi que toute personne possédant les aptitudes et les connaissances lui permettant de travailler en collaboration avec diverses communautés. L’Université McGill met en œuvre un programme d’équité en matière d’emploi et invite les membres des groupes visés à indiquer leur appartenance à ces derniers dans leur dossier de candidature. Les personnes handicapées qui pourraient avoir besoin d’accommodements à n’importe quelle étape du processus de candidature sont invitées à communiquer en toute confidentialité,
accessibilityrequest.hr@mcgill.ca

• Develop and implement sophisticated time series models (e.g., ARIMA models) to analyze marketing performance and forecast future trends.
• Utilize machine learning algorithms to uncover insights from complex datasets and optimize marketing spend allocation.
• Conduct multivariate regression analysis to understand the impact of various marketing channels on sales and customer behavior.
• Used optimization algorithms to optimize marketing mix and ad spend.
• Generate synthetic datasets for testing and validation purposes, ensuring the accuracy and reliability of modeling results.
• Create compelling visualizations to communicate findings and recommendations to stakeholders effectively.
• Conduct independent research to apply best practices in marketing analytics