Кейс: DAU упал. Как решать на собеседовании

Формулировка кейса

Один из самых частых кейсов на собеседовании в продуктовые компании — Авито, Яндекс, Wildberries, Ozon, ВК. Задают junior-middle аналитикам, чтобы проверить структурность мышления и знание продуктовых метрик.

Шаг 1. Уточнения

Не бросайтесь сразу в анализ. Задайте 4-5 вопросов:

• Какой продукт? E-commerce, игра, соцсеть, мессенджер — разные паттерны.
• Как считается DAU? Уникальные пользователи по device_id, по user_id, по cookie?
• Упало плавно или ступенькой? График — лучший друг.
• С какого дня началось? Можем привязать к релизу/событию.
• Одновременно с другими метриками? Регистрации, retention, конверсия — что ещё просело?

На собесе: «Прежде чем рассуждать, хочу понять продукт, определение метрики и тайминг падения. Скачок за сутки и плавное снижение за неделю — разные истории».

Шаг 2. Проверка данных

Классика: часто «падение DAU» — это баг, а не реальное изменение.

Что проверяем:

• Трекер не сломался? Релиз мобильного приложения мог сломать отправку events.
• ETL-джоба не упала? Вчерашние данные могут быть неполными.
• Изменилось определение метрики? Кто-то мог отредактировать SQL в дашборде.
• Не перенесли ли когорты? Иногда меняют определение DAU (например, с «запустил приложение» на «совершил действие»).
• Timezone issues? Если изменился часовой пояс группировки, границы суток сдвинулись.

Ответ на собесе: «Первое — проверю, не баг ли это. Открою сырые логи, сверю с параллельным источником (PostHog, AppMetrica), посмотрю changelog ETL».

Шаг 3. Декомпозиция DAU

DAU — агрегированная метрика. Разбиваем:

По сегментам пользователей

• Новые (new users) vs возвращающиеся (returning) — где просело?
• Когорты (зарегистрировались в такой-то неделе) — у какой упал?
• Активность: heavy users (каждый день), regular (пару раз в неделю), occasional.

По каналам

• Organic (прямой, поиск).
• Paid (перформанс-реклама).
• Реферальные, email, push.

По платформе

• iOS / Android / web.
• Версия приложения — если большинство «потерянных» пользователей на старой версии, может быть force-update и проблема.

По гео

• Регионы, страны, города.

По продукту

• Для маркетплейса — категории товаров.
• Для соцсети — типы контента.
• Для игры — уровни игроков.

На собесе: «Разложу DAU по 4-5 измерениям. Если падение сконцентрировано — сужаю круг гипотез. Если равномерное — ищу общую причину».

Если хочется сразу закрепить тему на практике — открой тренажёр в Telegram. 10 минут в день — и синтаксис в пальцах.

Шаг 4. Формула DAU

Для продакт-команд полезно разложить DAU через retention:

$$DAU = NewUsers + ReturningUsers$$

$$ReturningUsers = \sum_{cohort} Retention(cohort) \cdot CohortSize$$

То есть DAU зависит от:

• Потока новых пользователей (маркетинг, органика).
• Retention старых (насколько продукт их удерживает).
• Размера когорт (сколько было пользователей в прошлом).

Если упало — одна из трёх цифр изменилась. Смотрим какая.

Ответ на собесе: «DAU = новые + возвращающиеся. Падение связано либо с потоком новых (маркетинг, SEO, органика), либо с удержанием старых (retention просел из-за релиза), либо с обоими. Смотрю обе компоненты отдельно».

Шаг 5. Гипотезы

Сортируем по «вероятность × скорость проверки»:

Топ-приоритет

1. Релиз поломал что-то. Check changelog. Особенно: изменение онбординга, push-нотификаций, главного экрана.
2. Маркетинг — отключили кампанию, кончился бюджет, изменили attribution window.
3. Технический сбой — push-уведомления не доставлены, SDK сломан, backend медленный.
4. Сломались push — самый частый виновник для приложений. Пользователи забывают зайти.

Средний приоритет

1. Сезонность — праздники, каникулы, лето.
2. Конкуренты — запустили промо, обновили приложение.
3. Внешнее событие — новости, кризис, санкции, геоблокировки.
4. Плановый churn — выгорание старых когорт, если не компенсировалось.

Низкий приоритет

1. Долгосрочный тренд — продукт медленно умирает, неделя — просто часть тренда.
2. Изменение поведения — рынок меняется.

Шаг 6. Проверка через данные

Гипотеза «релиз»

• Смотрим retention и session length по версиям.
• Если у последней версии retention ниже — это она виновата.
• Конкретика: «retention D1 упал с 65% до 55% у версии 3.2.0, выкаченной 8 апреля».

Гипотеза «маркетинг»

• Смотрим install в разрезе каналов.
• Если performance-канал резко упал (отключили компанию, закончился бюджет) — причина найдена.
• Дополнительно: ROAS, CAC — может, маркетинг оптимизировался в ущерб объёму.

Гипотеза «push»

• Смотрим delivery rate push'ей.
• Процент пользователей, которые получили и открыли push.
• Если delivery упал с 80% до 50% — нашли виновника.

Гипотеза «сезонность»

• YoY-сравнение: такое же падение было в прошлом году?
• Если да — норм, это сезонность.

Гипотеза «внешнее событие»

• Связь с новостями за неделю.
• Корреляция с данными индустрии (метрики похожих приложений).

Шаг 7. Что говорим PM

Структура ответа:

Хороший ответ: где просело → гипотеза → предложение.

Типичные ошибки

• Сразу бросаться в SQL без уточнений.
• Предлагать одну гипотезу. Нужно 3-5.
• Игнорировать «это может быть баг в данных».
• Не декомпозировать метрику по сегментам.
• Забывать про сезонность и внешние факторы.
• Не связывать с конкретной метрикой-следствием. «DAU упал → retention первой когорты» — это конкретика. «Пользователям что-то не нравится» — не ответ.

Чтобы не только читать теорию, но и решать реальные задачи — загляните в бот Карьерника. Там по каждой теме подборка вопросов с разборами.

Шаблон ответа (запомнить)

1. Уточнения (продукт, определение, тайминг).
2. Проверка данных (баг в трекере, ETL, дашборде).
3. Декомпозиция по 4-5 измерениям.
4. Формула DAU = new + returning.
5. Гипотезы по приоритету.
6. План проверок.
7. Вывод и действия.

Как тренироваться

Продуктовые кейсы — это паттерн. Чем больше решаете, тем быстрее узнаете «это Simpson's paradox», «это novelty effect», «это baggage trail».

Тренажёр Карьерник содержит 30+ кейсов: DAU, retention, конверсия, LTV, GMV, с разборами «как ответить правильно» и «типичные провалы».

Читайте также

• Кейс: retention упал на собеседовании
• Кейс: конверсия упала на собеседовании
• Кейс: метрика упала на собеседовании
• DAU, MAU, ARPU и другие метрики продукта
• Декомпозиция метрик

FAQ

10% падение DAU — это много?

Зависит от продукта. Для молодого растущего продукта — сигнал бедствия. Для зрелого продукта с естественной флуктуацией — в пределах недельной нормы. Всегда сравнивайте с рамкой «обычных колебаний»: стандартное отклонение DAU по дням. Если падение больше 2σ — точно нужен анализ.

Можно ли сразу идти в гипотезу «сломался релиз»?

Это часто и логично, но всегда заканчивайте ответ «сначала проверю данные, потом декомпозирую, потом гипотезы». Интервьюер хочет видеть структуру, а не скачки между этапами.

Как приоритизировать гипотезы?

Матрица impact × ease of validation. Релиз и маркетинг — обычно высокий impact и легко проверить (есть changelog). Сезонность — средний impact, легко проверить (YoY). Долгосрочные тренды — низкая ease of validation.

Что делать, если вообще ничего не находим?

Честно говорим PM: «анализ показал, что просадка не связана с релизами, маркетингом, техникой и сезонностью. Возможные оставшиеся гипотезы: конкуренты, внешний event. Предлагаю мониторить ещё неделю и возвращаться к вопросу». Это лучше, чем придумывать ответ ради ответа.