Владислава

Владислава Семкова
Junior-аналітик (Marketing & Ads)
Одеса, Україна | [відкрити контакти](див. вище в блоці «контактна інформація») | Telegram: @Tvinya
[відкрити контакти](див. вище в блоці «контактна інформація») | GitHub | LinkedIn

ПРО МЕНЕ
Junior-аналітик з практичним досвідом у SQL, Python і Tableau. Розумію логіку digital-маркетингу: працювала з
A/B-тестами, конверсійною воронкою (AARRR), сегментацією аудиторії (RFM), розархунком
продуктових/маркетингових метрик та email-показниками (відправки, відкриття, кліки). Вмію знаходити точки
росту в даних і перетворювати їх на зрозумілі бізнес-рекомендації. Маю сильну технічну та математичну базу з
університету.. Активно вивчаю використання AI-інструментів (зокрема Claude) в аналітичній роботі. Шукаю
першу роль у performance-маркетингу / продуктовій аналітиці.

НАВИЧКИ
• Аналітика та дані: SQL (CTE, віконні функції, агрегації), Python (Pandas, NumPy, Matplotlib, Seaborn), MS
Excel (просунутий рівень), Google Sheets
• Візуалізація: Tableau, Power BI
• Маркетингова аналітика: A/B-тестування та перевірка гіпотез, конверсійна воронка, сегментація за
пристроями й географією, продуктові та маркетингові метрики, email-метрики
• AI та інструменти: Claude та інші AI-сервіси для аналізу даних і оптимізації процесів, Trello
• Креатив: цифрова анімація, створення візуального контенту

ПРОЄКТИ
1. A/B-тест більшої кнопки оплати в e-commerce
Комплексний статистичний аналіз впливу зміни на begin_checkout і сесії із замовленнями: перевірка гіпотез,
сегментація за пристроями та географією, фінальний звіт із бізнес-рекомендаціями.
Результат: загальний ефект статистично незначущий (p = 0.27), але для користувачів планшетів конверсія
суттєво знизилась (p < 0.001), також гірші результати в Європі. Рекомендовано не впроваджувати зміну та
оптимізувати інтерфейс для планшетів.
Інструменти: SQL, Tableau, Google Sheets GitHub-репозиторій
2. Аналіз поведінки користувачів і email-розсилок
Об’єднала дані про активність акаунтів і взаємодію з листами (відправки, відкриття, переходи) в єдиний
аналітичний датасет у розрізі дат, країн і атрибутів акаунта.
Результат: скрипт із 7 послідовних CTE та віконними функціями (DENSE_RANK) автоматизує сегментацію
аудиторії та виділяє топ-10 країн; це база для подальшого аналізу retention і ефективності комунікацій.
Інструменти: SQL (CTE, Window Functions), PostgreSQL / BigQuery GitHub-репозиторій
3. Аналіз продажів і логістики (2010–2017)
Об’єднала транзакційні дані з довідниками країн і каталогом товарів; оцінила динаміку виручки, ефективність
регіональних каналів і тривалість логістичних циклів.
Результат: очистила дані, заповнила пропуски, порахувала Revenue, Profit, Margin, Delivery Days. Виявила
спад продажів високомаржинальних категорій у 2017 році та найповільнішу доставку в Азії (найшвидша — у
Північній Європі).
Інструменти: Python (Pandas, NumPy, Matplotlib, Seaborn), EDA GitHub-репозиторій

4. Архів задач із маркетингової та продуктової аналітики - Архів - Product and Marketing Metrics
● Accounts-segmentation
Провела RFM-аналіз та сегментацію бази клієнтів (4 463 підписників) у SQL (BigQuery) та Python (Pandas) на
основі даних про давність візиту, їх кількість та виручку.
Результат: Ключовий прибуток генерує ядро з Middle-сегмента (70.3% клієнтів запевняють 71.6% виручки), тоді
як найвищий ARPU (436.83$) зосереджений у Top-сегменті (12.7% бази); виявлення 17.1% втрачених
користувачів (Lost) дозволило розробити точкові стратегії утримання та реактивації для зниження відтоку та
підвищення LTV
● Cohort Analysis

Побудувала когортний аналіз повернення користувачів (Retention Rate) через email-розсилки в SQL (BigQuery)
та візуалізувала інтерактивний дашборд у Tableau, відстежуючи динаміку клікабельності листів протягом 5
тижнів після реєстрації.
Результат: Найвище залучення спостерігається у перші 2 тижні (8.5%–13.6%), після чого залученість стрімко
падає до <0.3% на 5-му тижні, що дозволило обґрунтувати перегляд Onboarding-ланцюжка та впровадження
автоматичних тригерів реактивації на 14–18 день для утримання користувачів.
● Product and Marketing Metrics Module
Розробила цілісну систему продуктових і маркетингових метрик для екосистеми Booking.com, спроєктувавши
рамку RFM-сегментації B2C-аудиторії, ієрархію North Star Metrics (NSM) та метрики ефективності B2B-напрямку
(постачальники житла та корпоративні клієнти)
Результат: Визначено ключову NSM бізнесу — Gross Completed Room Nights (кількість фактично реалізованих
ночедонів), що пов'язує цінність для мандрівника та готелю із чистим комісійним доходом платформи (Take
Rate ~14–16%), а також обґрунтовано фокус RFM-аналізу на сегменті Genius-користувачів (за 24 місяці) для
стимулювання повторних заїзди через прямий трафік із мінімальним CAC.

ОСВІТА ТА НАВЧАННЯ
Mate academy — спеціалізація «Аналітик даних», лютий 2025 – грудень 2026
SQL, Python для аналізу даних (Pandas, NumPy, Scikit-learn), статистичний аналіз, A/B-тестування, продуктові
та маркетингові метрики, прогнозування та кластеризація, візуалізація (Tableau / Power BI).
Одеський національний університет імені І. І. Мечникова — бакалавр, комп’ютерні науки, 2025 – 2029
(очікуваний випуск)

ОСОБИСТІ ЯКОСТІ
• Відповідальність за результат: залучаюсь повністю незалежно від обсягу й рівня задачі.
• Аналітичне мислення: ставлю уточнювальні питання, щоб зрозуміти суть задачі, і формулюю гіпотези до
початку роботи.
• Швидко навчаюсь і активно шукаю можливості для розвитку.
• Чітка письмова комунікація: структуровані звіти та зрозумілі рекомендації.

ДОДАТКОВО ПРО МЕНЕ
• Курсова робота (1 курс, Комп'ютерні науки): Самостійно розробила повноцінну гру «Японське судоку» з
унікальним автентичним візуальним стилем та підготувала захист із презентацією. Роботу оцінено в 97
балів.
• Креатив & Контент: Створювала цифрові анімації та візуальний контент для TikTok, де органічно залучила
3 000+ підписників.
• Дизайн & Организація подій: Майже на кожне шкільне свято розробляла дизайн декорацій з плануванням
сцени, аналізуючи елементи програми та контекст заходу.
• Дизайн & Художній бекграунд: З дитинства займаюся образотворчим мистецтвом, здобувала нагороди на
шкільних та міських конкурсах малюнка.

МОВИ
Українська, російська, болгарська — рідні | Англійська — Upper-Intermediate