Как пройти собес продакт-менеджера в Delivery Club

Что за продукт Delivery Club

Delivery Club — сервис доставки еды и продуктов из ресторанов и магазинов. С продуктовой точки зрения это трёхсторонний маркетплейс: пользователи, заведения, курьеры. Каждое решение влияет на все три стороны. Снизили комиссию ресторанов — выросло предложение, но просел маржинальный поток. Подняли скорость доставки — нужно больше курьеров на смене и зарплат. Подняли минимальный заказ — растёт AOV, но падает частота.

Без понимания этой треугольной механики кейс будет звучать как из учебника по SaaS, и интервьюер быстро это считает. Каждая гипотеза должна проходить «трёхсторонний фильтр»: что это даёт юзеру, что меняет для ресторана, как это сказывается на курьерах.

Уровень планки. Delivery — давно операционно сложный продукт, и от продакта ждут не «креативных идей», а понимания, как любая фича переживёт час пик в дождливую пятницу. На middle-роль смотрят на структуру мышления и аналитику, на senior — на стратегию направления, P&L, опыт работы со смежниками (логистика, операции, ресторанная команда, маркетинг).

Дополнительный слой — гео и сезонность. Дождь, праздники, обед, час пик — всё это меняет соотношение спроса и предложения. Любой A/B без учёта временного контекста — мина.

Этапы собеса

Типовая воронка:

1. Рекрутер — 20–30 минут, базовые ожидания и мотивация.
2. Hiring-менеджер — про опыт.
3. Продуктовый кейс — 60 минут.
4. Аналитика — SQL, A/B, метрики.
5. Cross-functional или поведенческое.
6. Финал.

Всего 4–6 встреч, 3–6 недель — это ориентир, а не гарантия.

Этап	Длительность	Что проверяют
Скрининг	20–30 мин	Мотивация
Hiring-менеджер	45–60 мин	Опыт
Кейс	60 мин	Структура мышления
Аналитика	60–90 мин	SQL, A/B, метрики
Cross-functional	45–60 мин	Работа со смежниками
Финал	30–45 мин	Стратегия, фит

Кейсы по доставке еды

Кейс на retention. «Падает retention пользователей в городе N. Что делаешь?» Сегментация: новые/старые, ресторанные / продуктовые заказы, время доставки, отмены, доля промокодов. Внешние факторы — конкурент усилился, новый рынок открылся, погода.

Кейс на работу с предложением. «Хотим увеличить количество ресторанов на платформе. Какие гипотезы?» Условия комиссии, онбординг, инструменты для ресторанов, аналитика для них, маркетинг-поддержка, эксклюзивные акции.

Кейс на курьеров. «Растёт время подачи курьера в час пик. Что копать?» Утилизация, размер смены, бонусы за час пик, пропускная способность, гео-плотность, поведение в смежных приложениях (курьеры часто работают сразу в нескольких).

Кейс на отмены. «Доля отмен ресторанами выросла. Гипотезы?» Сегментация по ресторанам, времени, типу заказа, средний чек, новый поставщик POS-системы, изменения в процессе подтверждения.

Кейс на новый рынок. «Запускаем доставку в городе N (200 тыс. жителей). Какие метрики и риски?» Supply (сколько ресторанов нужно для критической массы), demand (плотность платёжеспособной аудитории), курьеры (есть ли пул), юнит-экономика по гео.

Шаблон ответа:

1. Уточнить, на какую сторону маркетплейса смотрим в первую очередь.
2. Декомпозиция воронки.
3. Гипотезы по всем трём сторонам.
4. Анти-метрики (рестораны, курьеры).
5. План эксперимента — обычно switchback или гео.

Антипатерны: считать, что юзер один в системе; игнорировать сезонность; пытаться использовать классический рандомизированный A/B там, где есть интерференция между водителями и заказами.

Развёрнутый пример. «Падает retention в городе N». Уточняю — на сколько, по какой когорте, дата падения, не было ли релиза или конкурента. Декомпозирую retention = доля вернувшихся месяц-к-месяцу × частота заказов. Сегментирую: новые/старые юзеры, рестораны/продукты, частота. Гипотезы: ETA вырос (проверяю в данных), доля отмен ресторанами выросла, конкурент дал большой промо, ассортимент сузился (ресторан ушёл). Анти-метрика — стоимость заказа: если retention поднимем за счёт промо, маржа умрёт. План: сначала диагностика на данных за 8 недель по сегментам, потом гипотезы и эксперименты.

Аналитическая секция отдельно

SQL-задачи на собесе обычно на уровне middle: написать запрос на retention M1, посчитать долю поздних доставок, найти топ-N ресторанов по выручке, сделать когортную таблицу. Алгоритмов не ждут.

A/B — нужно понимать, почему классический рандомизированный тест не подходит. Курьер и заказ связаны: одна группа влияет на другую через утилизацию. Решения — switchback (включаем фичу по часовым окнам), гео-эксперимент (один город — тест, второй — контроль), кластерная рандомизация. На senior спрашивают про мощность теста, MDE, поправки на множественную проверку.

Полезно держать в голове ориентиры: при 5% MDE и базовой конверсии 10% обычно нужны десятки тысяч пользователей в группе — конкретные цифры зависят от вариативности и горизонта. Это ориентир, не гарантия.

Метрики трёхстороннего маркетплейса

Знать обязательно:

• Спрос: заказы, конверсия, частота, retention, AOV.
• Предложение ресторанов: число активных, доля закрытых заказов, среднее время приготовления, доля отмен.
• Курьеры: онлайн-смены, утилизация, время подачи, среднее число доставок в час, доля простоя.
• Балансовые: ETA, доля отмен, доля поздних доставок, NPS.
• Юнит-экономика: GMV, take rate, маржа на заказ, CAC, payback.
• Качество: NPS, доля жалоб, retention M1/M3/M6.

Мини-шаблон юнит-экономики на заказ: take rate × AOV − стоимость доставки − промо-расход − поддержка ≈ маржа на заказ. На салфетке этого хватает.

Решение	Главная метрика	Контр-метрика
Снизили комиссию ресторанам	Число активных ресторанов	Маржа на заказ
Бонусы курьерам в час пик	ETA, доля поздних	Стоимость заказа
Промокод на первый заказ	Активация новых	CAC, payback
Увеличили минимальный заказ	AOV	Частота, retention
Подписка на доставку	Retention, частота	Маржа на заказ

Цифры — ориентир, не гарантия. На конкретном гео и сезоне всё может выглядеть иначе.

Поведенческая секция

Истории STAR имеет смысл готовить заранее, на бумаге, в формате 3–5 предложений. На собесе времени мало, и красивая импровизация в воздухе случается редко.

Что хорошо ложится на Delivery:

• Решение, которое поднимало одну сторону, но просаживало другую.
• Конфликт с командой ресторанов или операций.
• Запуск, который не зашёл, и что переделали.
• Работа с менеджментом по приоритизации.
• Ситуация без данных — как принимали решение и страховались.

Формула — Situation → Task → Action → Result, обязательно с цифрами. «Сократил ETA на 4 минуты в час пик в Москве за 8 недель» сильнее, чем «улучшил доставку». Если цифр нет — оговаривать честно, не выдумывать. Опытный интервьюер ловит вымышленные цифры за 2 уточняющих вопроса.

Как готовиться

1. Неделя 1 — продукт. 5+ заказов разных типов (ресторан, продукты, ночной), разбор онбординга, поддержки, статусов.
2. Неделя 2 — метрики маркетплейсов и юнит-экономики.
3. Неделя 3 — кейсы по 30–45 минут, минимум 5 штук.
4. Неделя 4 — SQL, A/B, в том числе switchback и гео-эксперименты, 2–3 мок-интервью.

Ежедневный минимум — 5–10 вопросов в тренажёре, один разобранный кейс на бумаге. На последней неделе — повторить базу, не нахвататься новых тем.

Что спросить интервьюера

Подготовь 4–5 вопросов:

• Какая north star у команды, как меряете успех?
• Какие самые провальные эксперименты последнего полугодия?
• Как устроены приоритизация и принятие решений по релизам?
• Сколько A/B одновременно идёт, как боретесь с интерференцией?
• Как выглядят первые 90 дней нового продакта?

Частые ошибки

• Думать только про пользователя, забывая ресторан и курьера.
• Не учитывать сезонность и часы пик.
• Лезть в фичу без декомпозиции.
• Пытаться применять классический A/B там, где есть интерференция.
• Слабые цифры в прошлом опыте.
• Игнорировать unit-экономику.
• Зачитывать фреймворки по буквам.

Связанные темы

• Как пройти собес продакт-менеджера в Яндекс Go
• Как пройти собес продакт-менеджера в Самокат
• A/B-тесты простыми словами
• Метрики продуктовой аналитики
• Когортный анализ

FAQ

Сколько этапов собеса?

4–6: рекрутер, hiring-менеджер, кейс, аналитика, cross-functional, финал.

Какой уровень SQL?

Middle. Оконки, когорты, воронки, JOIN, GROUP BY.

Нужен ли опыт в food delivery?

Не обязательно. Подойдёт опыт в маркетплейсах, q-commerce, такси.

Спрашивают ли про switchback?

На senior — да. На middle — плюс.

Делают ли тестовое?

Иногда. Чаще — кейс на интервью.

Сколько готовиться к собесу?

3–6 недель при наличии опыта в маркетплейсе. С нуля — 2–3 месяца.

Что важнее — пользовательские метрики или unit-экономика?

Обе стороны. Пользовательские — для роста, unit-экономика — для устойчивости. Сильный кандидат держит обе в голове.

Как тренировать кейсы дома?

Разбирать чужие интервью на YouTube, прогонять собственные на таймере, разбирать ошибки. Лучше 5 кейсов с разбором, чем 30 без.

---

Готовьтесь к собесу системно — откройте тренажёр с разборами кейсов, SQL и метрик для продактов.