Gooddrop — современная игровая платформа по CS2, объединяющая механику кейс-дропа, геймификацию и внутриигровую экономику.
Это не просто сервис покупки скинов, а полноценный игровой опыт: пользователь получает эмоции от открытия кейсов, охоты за редкими предметами, участия в ивентах и удобного взаимодействия с инвентарём через Steam.
Проект развивается как технологичный стартап без бюрократии и долгих циклов согласований. В основе — быстрые решения, гибкость и фокус на продукте, которым пользуется сама команда.
Это платформа кейс-дропа по CS2, где пользователь:
-
авторизуется через Steam;
-
открывает кейсы и получает скины;
-
возвращается за эмоциями, ивентами и прогрессом;
-
формирует долгосрочную ценность (LTV), а не делает разовый депозит.
Ключевой фокус — на привлечении трафика, который окупается и удерживается, а не просто создаёт объём.
Чем будешь заниматься
-
Запускать и вести рекламные кампании в Google Ads и Яндекс Директ.
-
Оптимизировать и масштабировать кампании под KPI (CPA / CPL / CPI / ROI).
-
Работать с агентскими кабинетами, взаимодействовать с поддержкой платформ.
-
Создавать крео: ставить ТЗ дизайнеру и при необходимости делать самому.
-
Принимать решения на основе данных: CPA, CPC, ROI, объём.
-
Анализом конкурентов и поиском решений по более эффективной закупке трафика.
Что важно
-
Опыт закупки трафика в Facebook и Яндекс Директ от 1 года.
-
Опыт масштабирования успешных кампаний и работы с мультигео (worldwide).
-
Умение работать с креативами: ставить ТЗ и делать самому.
-
Умение анализировать и оптимизировать кампании под KPI (CPI / CPL / CPA / ROI)
-
Опыт тестирования гипотез: креативы, аудитории, воронки
Условия
-
Удалённый формат, гибкий график — важен результат, а не часы.
-
Фикс + % от профита — обсуждается индивидуально по результатам интервью.
-
Продукт, который уже зарабатывает и имеет подтверждённую экономику.
-
Минимум бюрократии — быстрые решения.
-
Испытательный срок: 2 месяца, с четко прописанными критериями прохождения.
Этапы
Скрининг с рекрутером
Техническое интервью с руководителем — разбор кейсов, подходы к оптимизации и масштабированию
Оффер
