Siège : Remote - États-Unis Airbnb est né en 2007 lorsque deux hôtes ont accueilli trois invités à leur domicile de San Francisco et est devenu depuis plus de 5 millions d'hôtes qui ont accueilli plus de 2 milliards d'arrivées dans presque tous les pays du monde. Chaque jour, les hôtes offrent des séjours et des expériences uniques qui permettent aux invités de se connecter avec des communautés de manière plus authentique. La Communauté Vous Se joindrez : Airbnb est une entreprise axée sur la mission et vouée à créer un monde où n'importe qui peut appartenir n'importe où. Notre équipe de soutien communautaire (CS) est au cœur de cette mission – fournir des expériences de service à la clientèle 10 étoiles sans faille complétées par un soutien humain personnalisé de classe mondiale qui permet aux hôtes et aux invités de chaque étape de leur voyage.

Le candidat idéal apporte une intuition appliquée forte, un biais vers l'impact et la capacité de réduire l'ambiguïté pour créer des espaces de problèmes complexes.Vous travaillerez sur des projets à impact élevé comme: • Concevoir des expériences rigoureuses et des quasi-expériences pour mesurer l'impact causal des lancements de produits CS et conduire des décisions de lancement fondées sur des données. • Construire des modèles de ML causals pour optimiser l'allocation budgétaire de biens et maximiser l'impact commercial. • Effectuer des analyses de Inférence causale pour quantifier les effets à long terme des changements de produits et découvrir des effets de traitement hétérogènes. • Fournir des perspectives stratégiques sur les compromis qualité-coût, donner aux dirigeants les moyens de fournir la meilleure expérience de soutien possible à notre communauté.

• Influencer les décisions : communiquer les apprentissages aux dirigeants et aux parties prenantes de manière claire et convaincante, qui stimule la prise de décisions éclairées et axées sur les données. • Autonomiser : réfléchir stratégiquement à la façon d'évaluer et d'évoluer les capacités de la science des données dans votre domaine, contribuant à la vision à long terme de la façon dont la science stimule les résultats de la plateforme. Votre expertise : • 2+ années d'expérience de l'industrie dans un rôle d'analyse quantitative avec une maîtrise dans un domaine quantitatif (statistique, économie, informatique, etc.) ou un doctorat dans des domaines pertinents. • Forte connaissance de l'inférence causale et de la conception expérimentale. • Forte connaissance de la modélisation bayésienne et de l'inférence statistique. • Expérience pratique de la construction et du déploiement de modèles statistiques ou de ML dans des environnements de production. • Compétences en programmation statistique (Python/R) et en utilisation de bases de données (SQL). • Capacité éprouvée de communiquer clairement et efficacement à des publics de niveaux techniques variés. • Capacité de traduire des constatations complexes en récits convaincants qui entraînent l'impact. • Excellent

Ce poste est US - Remote Admissible. Le rôle peut inclure des travaux occasionnels dans un bureau Airbnb ou une présence en dehors des sites, comme convenu avec votre gestionnaire. Bien que le poste soit Remote Admissible, vous devez vivre dans un état où Airbnb, Inc. a une entité enregistrée. Cliquez ici pour la liste à jour des états exclus. Cette liste évolue continuellement, alors veuillez vérifier avec nous si l'état dans lequel vous vivez est sur la liste d'exclusion. Si votre poste est employé par une autre entité Airbnb, votre recruteur vous informera des états auxquels vous êtes admissible. Notre engagement à l'inclusion et à l'appartenance : Airbnb s'engage à travailler avec le plus grand bassin de talents possible.

Nos titres de poste peuvent s'étendre sur plus d'un niveau de carrière. La rémunération de base réelle dépend de nombreux facteurs, tels que la formation, les compétences transférables, l'expérience de travail, les besoins des entreprises et les demandes du marché. L'échelle de rémunération de base est sujette à changement et peut être modifiée à l'avenir.