Marketing Analyst в IT — рынок СНГ и Европы

Медиана Marketing Analyst — $0/мес по данным Zorky CRM (0 активных вакансий). Реальные вилки 2026: Junior в Russian компаниях — $700-1300/мес, Middle — $1400-2600, Senior — $2800-4500, Lead / Head of Marketing Analytics — $4500-7000. В крупных компаниях с большими маркетинговыми бюджетами и в e-commerce — выше. В международных компаниях на full-remote Senior — $4000-7000+. Зарплату поднимают уверенный Python и автоматизация, экспертиза в атрибуции и сквозной аналитике, понимание unit-экономики привлечения. Маркетинговый аналитик в среднем оплачивается чуть ниже продуктового, но выше, чем маркетолог-исполнитель того же уровня.

Junior умеет работать с веб-аналитикой и рекламными кабинетами, считать базовые метрики, строить отчёты. Скачок к Middle — уверенный SQL и Python, самостоятельная работа с атрибуцией и сквозной аналитикой, автоматизация отчётности. Senior выстраивает систему маркетинговой аналитики, отвечает за модель атрибуции и оценку окупаемости каналов. Career-flow: Marketing Analyst → Senior → Head of Marketing Analytics, либо переход в Product Analyst, в общую аналитику данных, либо в маркетинг на управляющую роль (с сильной аналитической базой).

Москва: Junior Marketing Analyst — 60-110K₽, Middle — 120-220K₽, Senior — 230-380K₽ (Senior в долларах — $2800-4500/мес; в компаниях с большими бюджетами выше). СПб — близкие вилки. Минск / Киев — на 10-25% ниже Москвы. Польша — €2200-4500 gross. 0% — удалёнка: маркетинговая аналитика хорошо делается дистанционно. Международные компании нанимают русскоязычных Senior Marketing Analyst на full-remote — $4000-7000/мес. Регионы РФ — base ниже, но роль часто remote, что открывает доступ к московским и международным вилкам.

Топ-5: SQL, Яндекс Метрика, GA4, Python, Power BI. SQL — обязателен (данные о клиентах, заказах, расходах). Веб-аналитика: Яндекс Метрика, Google Analytics 4 (GA4) — поведение на сайте, источники трафика, конверсии; понимание систем сквозной аналитики (связка «реклама → визит → заявка → продажа»). Рекламные кабинеты: Яндекс Директ, VK Реклама, Telegram Ads — их интерфейсы, выгрузки и API. Python (pandas) — обязателен для Middle+: автоматизация отчётности, сбор данных из рекламных API, сложные расчёты. Excel / Google Sheets — рабочий инструмент. BI: Power BI, Tableau, DataLens — дашборды по маркетингу. Статистика и A/B-тесты — тестирование креативов, посадочных страниц. Метрики маркетинга: глубокое понимание CAC, LTV, LTV/CAC, ROMI / ROAS, ДРР, конверсий по воронке, когортного анализа, unit-экономики привлечения. Атрибуция — ключевая экспертиза: разные модели (last-click, first-click, линейная, data-driven) и их ограничения. Soft skills: понимание маркетинга и бизнеса, умение объяснить маркетологам и руководству, какой канал окупается и почему, перевести цифры в решения по бюджету.

Data Analyst — аналитик общего профиля: отвечает на бизнес-вопросы по разным направлениям компании (см. /research/analyst/data-analyst). Marketing Analyst — это, по сути, Data Analyst со специализацией в маркетинге: те же базовые навыки (SQL, BI, статистика, Python), но прикладная область — привлечение клиентов, каналы, рекламные кампании, их экономика и окупаемость; он глубоко знает веб-аналитику, рекламные кабинеты и метрики маркетинга. Маркетолог (таргетолог, performance-маркетолог, бренд-маркетолог) — запускает и ведёт кампании: настраивает рекламу, креативы, каналы, отвечает за их работу. Маркетинговый аналитик при этом измеряет и объясняет результат: считает, какой канал окупается, где теряются деньги, какая модель атрибуции корректна, и подсказывает, как перераспределить бюджет. Грубо: маркетолог — действие, маркетинговый аналитик — измерение и выводы. На практике роли пересекаются: performance-маркетолог сам много считает, а маркетинговый аналитик хорошо понимает кампании. Career-flow: в Marketing Analyst приходят и из аналитики (Data Analyst → маркетинговая специализация), и из маркетинга (маркетолог, набравший SQL / Python / аналитику); дальше — Head of Marketing Analytics, переход в Product Analyst или в управляющую маркетинговую роль.

Это базовые метрики экономики маркетинга — язык, на котором маркетинговый аналитик разговаривает с бизнесом. CAC (Customer Acquisition Cost) — стоимость привлечения одного клиента: сколько денег (реклама + другие затраты) ушло, чтобы получить клиента. LTV (Lifetime Value) — сколько денег клиент приносит компании за всё время жизни (или прибыли — тогда корректнее). LTV/CAC — главное соотношение: если клиент приносит больше, чем стоило его привлечь, привлечение окупается; ориентир здорового бизнеса — LTV кратно выше CAC. ROMI (Return on Marketing Investment) и ROAS (Return on Ad Spend) — окупаемость маркетинга и рекламы: сколько выручки или прибыли вернулось на каждый вложенный рубль. ДРР (доля рекламных расходов) — какая часть выручки уходит на рекламу. Зачем: эти метрики превращают маркетинг из «потратили бюджет — вроде что-то пришло» в управляемую экономику: маркетинговый аналитик считает их по каждому каналу и кампании и отвечает на главный вопрос бизнеса — какая реклама окупается, а какая жжёт деньги, и куда стоит перекладывать бюджет. Тонкость: честно посчитать CAC и LTV по каналам мешает проблема атрибуции (см. отдельный вопрос) — поэтому это не «арифметика», а аналитическая работа.

Атрибуция — это распределение заслуги за продажу между рекламными каналами и касаниями. Проблема: клиент почти никогда не приходит «по одному каналу». Он мог увидеть рекламу в VK, потом загуглить, потом кликнуть на контекст в Яндексе, потом прийти из email-рассылки и только тогда купить. Вопрос: какому каналу записать эту продажу? От ответа напрямую зависит, какой канал считать прибыльным и куда дать бюджет — поэтому атрибуция критична и при этом по-настоящему сложна. Модели атрибуции: last-click (вся заслуга последнему касанию — просто, но недооценивает «верхние» каналы, которые создают спрос), first-click (первому касанию), линейная (поровну между всеми касаниями), с учётом давности (time-decay), data-driven (модель сама оценивает вклад каналов по данным — точнее, но сложнее). Почему сложно: ни одна модель не идеальна; данные о касаниях неполны (часть пути пользователя не виден из-за приватности, разных устройств, офлайна); каналы влияют друг на друга. Поэтому зрелые компании строят сквозную аналитику (связывают рекламу с реальными продажами в CRM), используют когортный подход и инкрементальные эксперименты (geo-холдауты, отключение канала и замер эффекта). Умение трезво работать с атрибуцией — то, что отличает сильного маркетингового аналитика от человека, который просто выгружает ROAS из рекламного кабинета.

Да, 0% вакансий Marketing Analyst — удалёнка или гибрид. Маркетинговая аналитика хорошо делается дистанционно: работа с данными, веб-аналитикой, рекламными кабинетами, BI и созвоны с маркетинговой командой. Российские e-commerce, продуктовые компании, агентства и бренды предлагают офис, гибрид и remote. Международные компании нанимают русскоязычных Senior Marketing Analyst на full-remote — $4000-7000/мес. Английский нужен для международного рынка; для российского можно стартовать без него. Удалённый формат удобен и для аналитиков из регионов — открывает доступ к московским и международным вилкам.

В топе: Яндекс, VK, Ozon. Marketing Analyst нужны везде, где есть заметный маркетинговый бюджет. E-commerce и маркетплейсы: Ozon, Wildberries, Яндекс Маркет, СберМегаМаркет — большие бюджеты привлечения, аналитика критична. Крупные продуктовые и tech-компании: Яндекс, VK, Авито. Финтех и банки: Т-Банк, Сбер, Альфа-Банк — конкурентный рынок привлечения. Foodtech, тревел, edtech (Skyeng, Skillbox и др.), сервисы и мобильные приложения, гейминг (user acquisition — отдельная развитая область). Бренды и ритейл с собственным digital-маркетингом. Performance-агентства и агентства аналитики. Международные компании — нанимают русскоязычных Senior Marketing Analyst на full-remote. Спрос устойчивый: чем дороже привлечение клиентов, тем нужнее аналитик, который покажет, что окупается.

В Marketing Analyst приходят двумя путями — из аналитики (добрать маркетинговый домен) и из маркетинга (добрать аналитические навыки). Roadmap: 1) SQL — освоить уверенно (данные о клиентах, заказах, расходах). 2) Веб-аналитика — Яндекс Метрика и GA4: источники трафика, конверсии, цели, события; понять идею сквозной аналитики. 3) Рекламные кабинеты — разобраться в Яндекс Директе и VK Рекламе хотя бы на уровне отчётов и выгрузок. 4) Метрики маркетинга — выучить и научиться правильно считать CAC, LTV, LTV/CAC, ROMI / ROAS, ДРР, конверсии, когорты, unit-экономику привлечения. 5) Атрибуция — понять модели атрибуции и их ограничения; это ключевая тема профессии. 6) Excel / Google Sheets и BI-инструмент — отчёты и дашборды по маркетингу. 7) Python (pandas) — не откладывать: автоматизация отчётности, сбор данных из рекламных API. 8) Статистика и A/B-тесты — тестирование креативов и посадочных. 9) Портфолио — разобрать маркетинг проекта (можно учебные данные): посчитать метрики по каналам, сделать дашборд, дать рекомендации по бюджету. Ресурсы: курсы по маркетинговой и веб-аналитике (Яндекс, Karpov.Courses, MyAcademy и др.), бесплатно — справки Яндекс Метрики и GA4, материалы по unit-экономике и атрибуции, сообщества маркетинговых аналитиков. Сильное преимущество — опыт в маркетинге плюс прокачанная аналитика (или наоборот).

0 активных открытых вакансий Marketing Analyst в выборке Zorky CRM. Реальный рынок шире: роль называется по-разному — «маркетинговый аналитик», «аналитик маркетинга», «веб-аналитик», «аналитик по рекламе», «performance-аналитик», «CRM-аналитик» — и часть пересекается с performance-маркетингом; поиск по точному термину ловит не всё. География: 🇷🇺 Россия / remote / 🇧🇾 Беларусь. Источники: hh.ru, Habr Career, getmatch, LinkedIn, Telegram (сообщества маркетинговой и веб-аналитики, каналы вакансий). Спрос устойчивый, особенно в e-commerce и у компаний с большими бюджетами привлечения. NB: у направления Analyst / BI исторически были сложности с автоклассификацией вакансий — видимое число может занижать реальный рынок.

Senior Marketing Analyst отвечает за то, чтобы маркетинг компании управлялся данными. SQL и Python: экспертный SQL, уверенный Python (pandas) — автоматизация отчётности, сбор данных из рекламных API, сложные расчёты. Сквозная аналитика: умение связать рекламу с реальными продажами в CRM, выстроить или развивать систему сквозной аналитики, понимать, где данные теряются. Атрибуция: глубокое понимание моделей атрибуции и их ограничений, выбор адекватной модели, инкрементальные подходы к оценке вклада каналов (geo-холдауты, эксперименты с отключением канала). Unit-экономика: уверенный расчёт CAC, LTV, LTV/CAC, ROMI по каналам и сегментам, понимание, какой клиент и канал реально прибыльны. Когортный анализ: оценка качества трафика по когортам, а не только по разовому ROAS. Статистика и эксперименты: корректное тестирование креативов, посадочных, каналов. BI и визуализация: дашборды по маркетингу, которыми реально пользуются для решений по бюджету. Понимание маркетинга: знать, как работают каналы и кампании, говорить с маркетологами на одном языке. Бизнес-мышление: переводить аналитику в конкретные решения — куда переложить бюджет, какой канал масштабировать, какой свернуть. Коммуникация: объяснять руководству и маркетингу выводы и отстаивать их. Менторинг: развитие младших аналитиков. Английский — для международного рынка. Главная ценность Senior — сделать так, чтобы маркетинговый бюджет тратился на то, что реально окупается, и доказать это данными.

Данные собраны автоматически из 1000+ источников — Telegram-каналов вакансий и сайтов работы СНГ и Восточной Европы (HH, Habr Career, Djinni, DOU, NoFluffJobs, JustJoin.it, Pracuj.pl и других). Парсинг работает круглосуточно, дубликаты фильтруются по описанию и URL, аномальные значения зарплат отсекаются. Подробная методология — на странице «Как работает».