Собеседование на Data Scientist в Л'Этуаль

Почему Л'Этуаль — особенный работодатель для DS

Л'Этуаль — крупнейшая сеть бьюти-ритейла в России: тысячи офлайн-магазинов, онлайн-магазин и одна из самых больших программ лояльности в стране. Для дата-сайентиста это означает две вещи: во-первых, огромная база покупок с богатой историей клиента, во-вторых, товар со сложной структурой — у косметики есть бренд, категория, оттенок, тип кожи, цена, срок годности. Рекомендация «купи ещё раз то же самое» здесь работает плохо, потому что покупатель хочет либо повтор расходника (тушь закончилась), либо подбор по типажу (тон под свой цвет кожи).

Основные DS-направления в Л'Этуаль: рекомендательные системы для косметики, персонализация витрины и рассылок, прогноз оттока по программе лояльности, классификация и анализ отзывов, прогноз спроса на товары. Ключевая особенность — сильная привязка к лояльности: большая часть выручки идёт через программу, поэтому модели крутятся вокруг удержания клиента и роста среднего чека. Подробнее о вакансиях — на странице карьеры Л'Этуаль.

Этапы собеседования

Собеседование на DS в Л'Этуаль обычно проходит в 4–5 этапов и по структуре близко к типовому DS-циклу в ритейле: сначала знакомство и проверка базы, затем ML-теория и доменный кейс, в конце — поведенческое интервью.

1. Скрининг с рекрутером (30–40 минут)

Знакомство: рекрутер разбирает ваш опыт, ключевые проекты и мотивацию идти в бьюти-ритейл. Здесь же уточняют, в какое направление вы метите — рекомендации, лояльность или прогнозирование, — и рассказывают про формат. Стоит заранее подготовить питч на 90 секунд: кто вы, какие задачи решали, какой был измеримый эффект.

2. SQL и Python (45–60 минут)

Живое кодирование. По SQL спрашивают агрегаты, JOIN, оконные функции и типичные ритейловые расчёты — средний чек, доля повторных покупок, когортный анализ. По Python — работа с pandas (группировки, слияния, обработка пропусков) и базовые алгоритмические задачи уровня LeetCode Easy/Medium. Уровень SQL — уверенный middle, потому что аналитику по покупкам DS часто собирает сам.

3. ML-теория (60–90 минут)

Стандартный набор: линейные модели, градиентный бустинг (CatBoost/LightGBM — что под капотом), метрики классификации и регрессии, кросс-валидация, переобучение и регуляризация. С учётом домена дополнительно спрашивают про рекомендательные системы: коллаборативная фильтрация, item-to-item, эмбеддинги товаров, метрики ранжирования. Отдельно любят копнуть в отток: как размечать таргет, если у ритейла нет явного «ухода», а есть только затухание покупок.

4. Доменный кейс / ML system design (60–90 минут)

Разбор реальной задачи команды вслух: как бы вы спроектировали рекомендации косметики или модель оттока по лояльности. Ждут, что вы проговорите весь путь — от постановки метрики и сбора фич до онлайн-проверки через A/B. Хороший ответ учитывает специфику бьюти: холодный старт нового товара и нового клиента, сезонность (подарочный спрос к праздникам), разницу между расходниками и разовыми покупками.

5. Поведенческое и финал (45–60 минут)

Интервью по методу STAR: как вы работали в кросс-функциональной команде, что делали, когда эксперимент не подтвердил гипотезу, как приоритизировали задачи. Иногда финал ведёт руководитель направления — здесь важнее не код, а то, как вы думаете про продукт и бизнес.

Что Л'Этуаль ценит в DS

• Рекомендательные системы. Умение строить recsys для товара со сложной структурой (бренд, оттенок, тип кожи) и решать холодный старт — ключевой навык направления.
• Персонализация. Не только «что показать», но и «кому и когда»: сегментация клиентов, персональные подборки и триггерные рассылки под программу лояльности.
• Классический ML. Бустинг, линейные модели, честная работа с метриками. Экзотика вроде глубоких сетей нужна реже, чем крепкая база.
• Домен ритейла и бьюти. Понимание, как устроены покупки в косметике: расходники и повторные покупки, сезонность, влияние акций и подарочного спроса.
• A/B-мышление. Любая модель проверяется экспериментом на реальных клиентах, а не только офлайн-метрикой на отложенной выборке.

Типичные задачи и кейсы

• «Рекомендации косметики». Как порекомендовать тон под тип кожи и предыдущие покупки, не сваливаясь в «купи то же самое ещё раз».
• «Персонализация для лояльных клиентов». Как собрать персональную витрину и рассылку под сегмент программы лояльности.
• «Прогноз оттока по лояльности». Как разметить таргет, если явного ухода нет — есть только снижение частоты покупок.
• «Классификация отзывов». Как разметить тональность и темы отзывов на товары и по ним подсветить проблемные позиции.
• «Прогноз спроса». Как учесть сезонность и подарочные пики (8 Марта, новогодние подарки) при планировании закупок.

Как готовиться: план

1. Рекомендательные системы. Разберите коллаборативную фильтрацию, item-to-item, эмбеддинги и решение холодного старта. Эмбеддинги на собесе DS.
2. Персонализация и сегментация. Как строить сегменты клиентов и целевые действия под программу лояльности.
3. Классический ML. Бустинг вглубь, метрики классификации и регрессии, честная валидация.
4. A/B в ритейле. Метрики выручки и среднего чека, длинные эффекты рекомендаций, накопительный эффект лояльности.
5. SQL. Уверенный middle: оконные функции, когорты, ритейловые расчёты. Прокачать базу поможет тренажёр SQL.

Частые ошибки

• Recsys без холодного старта. Новые товары и новые клиенты в ритейле появляются постоянно. Модель, которая молчит без истории, — слабое решение.
• Слабый SQL. DS в ритейле сам собирает аналитику по покупкам. Плавать в оконных функциях и когортах здесь нельзя.
• Персонализация без сегментов. «Одна модель на всех» игнорирует разницу между разовым покупателем и лояльным клиентом с длинной историей.

Связанные темы

• Собеседование на DS в Lamoda
• Собеседование на DS в Спортмастере
• Собеседование на DS в Ozon
• Embeddings на собесе DS
• Собеседование на PM в Л'Этуаль

FAQ

Сколько этапов в собеседовании на DS в Л'Этуаль?

Обычно 4–5: скрининг с рекрутером, SQL/Python, ML-теория, доменный кейс и поведенческое интервью. Весь цикл занимает около 2–4 недель.

Нужен ли опыт в бьюти или ритейле?

Желателен, но не обязателен. Если у вас крепкая ML-база и опыт с рекомендациями или оттоком, специфику косметики можно подтянуть за пару недель. Важнее показать, что вы понимаете, чем товар со сложной структурой отличается от обычного.

Какой уровень SQL ждут?

Уверенный middle: JOIN, агрегаты, оконные функции, когортный анализ и ритейловые метрики вроде среднего чека и доли повторных покупок. DS здесь часто собирает данные сам, без отдельного аналитика.

Что важнее — рекомендации или прогноз оттока?

Зависит от команды, в которую вы заходите. Направление персонализации ближе к рекомендациям, направление CRM и лояльности — к оттоку и удержанию. Уточняйте фокус вакансии у рекрутера.

Это официальная информация?

Нет. Этапы основаны на публичных источниках и опыте кандидатов. Конкретный процесс зависит от команды и грейда — уточняйте у рекрутера.

Тренируйте задачи для DS-собеса — откройте тренажёр с 1500+ вопросами по SQL, статистике и ML.