Собеседование на AI PM в Okko

Почему Okko — особенный работодатель для AI PM

Okko — один из крупных VOD/стриминг-сервисов в РФ, часть экосистемы Сбера. Аудитория — миллионы подписчиков, контент включает кино, сериалы, спортивные трансляции, ТВ-каналы. Бэкенд Сбер-экосистемы даёт особый context: customer-360 на базе данных банка, кросс-продуктовая монетизация (приоритеты Sberprime), AI-наработки экосистемы (GigaChat, Cloud.ru ML Space). Для AI PM это значит работу с recsys-продуктом на масштабе, плюс уникальное соседство со сберовскими AI-сервисами.

AI PM в Okko отвечает за фичи на стыке рекомендаций, video AI и retention: персонализация главной и блок «похожее», поисковое ранжирование, авто-теги к контенту, генерация постеров и описаний, NLP для отзывов, retention prediction для подписки и Sberprime, LLM-чатбот в саппорте. Главный челлендж — recsys в медиа отличается от e-commerce: тут оптимизируешь watch-time и retention; добавляется кросс-экосистемный layer (как Sberprime-подписчики смотрят больше из бесплатного блока).

Стек: classical recsys (CF, ALS, two-tower) + gradient boosting для ranking, CV-модели для video AI (CLIP-like, кастомные video transformers), LLM (GigaChat и open-source) для NLP, ClickHouse для аналитики, A/B-инфраструктура с долгосрочными retention-метриками.

Актуальные вакансии — на hh.ru и сайте Okko.

Этапы собеседования

Цикл — 4-5 этапов, 2-3 недели.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет AI-фокус, базовое ML, опыт в media/streaming/recsys. Любой experience с VOD или e-commerce-recsys — большой плюс. Готовь питч на 90 секунд: какие AI-фичи запускал, какие метрики двигал, какой объём аудитории прокатывал.

2. AI / ML grounding (45-60 минут)

С ведущим PM или ML-лидом. Темы: recsys-метрики (NDCG, MAP, watch-time vs CTR, freshness), cold start стратегии, ranking-подходы. На LLM-блоке — генерация описаний и hallucinations в медиа-контексте.

Подготовка: LLM-фичи, ML для PM.

3. Product кейс с AI-фичей (90 минут)

Дают кейс «спроектируй AI recommendation для VOD». Жди вопросов про аудиторию (Sberprime vs trial vs paid Okko), JTBD (хочу не выбирать долго / хочу новое и интересное), UX (как блок «рекомендуем» вписывается в главную), риски (filter bubble, popularity bias), метрики (watch-time per session, retention M+1, удержание подписки), MVP (на каком сегменте). Сильные кандидаты сразу обозначают, что рекомендация = удержание подписчика, а не клик.

Подготовка: Prompt engineering, RAG и context.

4. Metrics / experimentation (45 минут)

Эксперименты в VOD: short-term watch-time двигается быстро, retention M+1 — главный KPI. Спросят, как ловить долгосрочный эффект быстрее (proxy-метрики), как избегать popularity-bias в evaluation. Готовь evaluation для генеративных моделей: human-rating + online click-rate.

Подготовка: AI-метрики и evaluation.

5. Поведенческое (45 минут)

STAR с тимлидом. Истории про конфликт с командой контента, факап в проде, спор о приоритете. В Okko добавляется ещё и Сбер-стейкхолдер-уровень (приоритеты Sberprime) — проверяют, как ты работаешь в матричной экосистеме.

Особенности по командам

Recommendation. Ядро продукта: главная, «похожее», «продолжить смотреть», подборки. Тесно работает с продактом, контентной командой и Sberprime-командой. Подойдёт PM с recsys в e-commerce/media background.

Video AI. Авто-теги, генерация постеров, encoding-оптимизация под устройство. CV-heavy R&D. Подойдёт PM с CV background.

NLP. Описания, обработка отзывов, генерация аннотаций. Подойдёт PM с NLP/LLM background.

Retention AI. Прогноз отписки, propensity для возврата, push-кампании. Тесно работает с CRM и продуктом подписки. Подойдёт PM с lifecycle-marketing опытом.

Content discovery. Поиск внутри Okko, голосовой поиск, авто-теги по сюжету. Тесно пересекается с recommendation и NLP. Подойдёт PM с search-recsys background.

Что Okko ценит в AI PM

AI понимание. Слабый: «возьмём recsys». Сильный: «two-tower для retrieval + GBDT для ранжирования + diversity-injection; для постеров — diffusion fine-tuned на стиле Okko».

Media / streaming context. Знание watch-time vs CTR, retention в VOD, лицензионных constraints. Слабый: «увеличим CTR». Сильный: «оптимизируем watch-time и retention M+1, не CTR».

CV / NLP fluency. Понимание video transformers, CLIP, fine-tuning LLM.

Business metrics. Не «NDCG», а «retention M+1 +2.5 pp, watch-time per session +20%, churn М+1 -8%».

Cross-team. Контент, маркетинг, продакт-подписки, ML, Сбер-стейкхолдеры.

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1 — ML базовые + recsys primer. Метрики ranking, CF/MF. ML для PM.
2. Неделя 2 — LLM + CV глубже. Архитектура, video transformers, generative. Параллельно — прорешай вопросы по Python, ML и SQL в Карьернике: 1500+ задач с разбивкой по темам, по 10-15 минут в день закрывают пробелы перед собесом. LLM-фичи.
3. Неделя 3 — Prompt + RAG. Prompt engineering, RAG.
4. Неделя 4 — Cost / latency. Recsys inference масштабом. AI cost и latency.
5. Неделя 5 — Mocks + behavioral. Mock-кейс recsys VOD.
6. Неделя 6 — Polish. Перечитай Netflix Tech Blog, новости Okko и Sberprime.

Частые ошибки

«Добавим chatbot» без бизнес-кейса. Слабо: «AI-бот». Сильно: «у нас 25k тикетов в неделю, 70% — типовые „как отписаться, почему списали“; LLM-бот с RAG в FAQ закроет 50%, retention +8 pp».

Игнор hallucinations. В медиа halluc = бот ошибся с условиями подписки. Слабый: «модерируем». Сильный: «для money — обязательная подстановка из биллинга».

Без media / streaming. Слышно по фразам про CTR. Изучи watch-time, retention M+1, popularity bias.

Без CV знаний. Слабый: «обучим CNN». Сильный: «video transformer для tagging, CLIP для embeddings».

AI metrics only. Слабо: NDCG. Сильно: «retention M+1 +2.5 pp = 90М LTV-лифт в год».

Связанные темы

• Собеседование на AI PM
• LLM-фичи в продукте
• Prompt engineering
• RAG и context
• AI-метрики и evaluation
• AI cost и latency

FAQ

Удалёнка в Okko для AI PM?

Гибрид и удалёнка распространены. Часть встреч с Сбер-стейкхолдерами — очно.

Зарплатные вилки 2026?

Middle AI PM: 380-540k. Senior: 540-790k. Сбер-экосистема платит выше рынка.

Английский нужен?

Базовый — желательно для чтения research-статей.

Сколько этапов?

4-5 этапов, 2-3 недели.

Это официальная информация?

Этапы основаны на публичных источниках и опыте кандидатов. Уточняйте у рекрутера — команды и грейды могут менять процесс.