Вопросы на собеседовании продуктового аналитика

Продуктовый аналитик это тот, кто связывает данные с продуктовыми решениями: считает метрику и объясняет, что она значит для бизнеса и что с ней делать. Поэтому и собеседование смещено от чистого SQL к метрикам, экспериментам и умению читать цифры без самообмана. Ниже темы, которые спрашивают, и ловушки, которые за ними прячут.

Продуктовые метрики

Базовый блок, на котором проверяют, понимаете ли вы, что стоит за числами.

• DAU/MAU. Отношение дневной аудитории к месячной, метрика «липкости» продукта: как часто пользователи возвращаются. 0.5 значит, что средний пользователь заходит в половину дней месяца.
• Retention. Какая доля пользователей возвращается через день, неделю, месяц. Главная метрика здоровья продукта, важнее разовых установок.
• ARPU и ловушка среднего. Классический вопрос: ARPU вырос, а медианный доход на пользователя не сдвинулся. Как читать? Скорее всего, платить стали больше те, кто и так платил (киты), а масса пользователей осталась там же. Среднее врёт, смотрите распределение.

Воронки и удержание

• Конверсия шага воронки. Какая доля дошла с шага на шаг, и где главная течь.
• Почему итоговой конверсии мало. Общая конверсия воронки просела, но смотреть только на неё недостаточно: падение может прятаться на одном шаге или в одном сегменте, а суммарная цифра усредняет и маскирует причину.

Юнит-экономика

• LTV пользователя. Сколько денег приносит пользователь за всё время жизни в продукте.
• LTV/CAC. Отношение пожизненной ценности к стоимости привлечения. Ориентир около 3:1: меньше означает, что привлечение не окупается, сильно больше, что вы недоинвестируете в рост. И подвох: даже при красивом LTV/CAC кэш может кончиться, потому что LTV вы получаете растянуто во времени, а CAC платите сразу.

Когортный анализ

• Что это. Группируем пользователей по времени прихода (когорты) и смотрим их поведение во времени, чтобы отделить эффект «продукт стал лучше» от «просто пришло больше новых».
• Парадокс, который любят спрашивать. Общий retention падает, хотя внутри каждой когорты растёт. Как так? Приток новых пользователей, у которых retention всегда ниже на старте, тянет среднее вниз, пока отдельные когорты улучшаются. Классический Симпсон: агрегат врёт про части.

A/B-тесты и SQL

Эксперименты и SQL обязательны почти всегда. Про A/B и статистику и про SQL с оконными функциями есть отдельные разборы, тут отмечу главное: на собесе продуктового аналитика любят спрашивать, как посчитать retention или воронку запросом, и как не обмануться в результатах эксперимента (мощность, подглядывание, novelty-эффект).

Как готовиться

Продуктового аналитика проверяют не на знании формул, а на умении читать метрики без самообмана: замечать, что среднее скрывает распределение, что агрегат врёт про когорты, что красивый LTV/CAC не спасает от кассового разрыва. Этот навык ставится разбором ситуаций.

В Сеньорчике продуктовые метрики, юнит-экономика, A/B и SQL собраны в треке аналитика данных, вопросами с разбором в коротких сессиях, а движок возвращает темы, где вы плывёте. Живые вопросы есть в подборке для аналитика данных, а войти в профессию с нуля помогает дорожная карта аналитика. Начать можно бесплатно.