Собеседование на маркетинг-аналитика в Финам

Почему Финам — особенный работодатель для маркетинг-аналитика

«Финам» — одна из крупнейших российских инвестиционных групп, оказывает брокерские услуги, банковские сервисы, инвестконсультирование. Один из ветеранов российского брокериджа с миллионами клиентов и сильной образовательной экосистемой (вебинары, курсы, инвестидеи). Маркетинг здесь — про массовое привлечение розничных трейдеров и удержание активных клиентов в условиях высокой конкуренции с Тинькофф Инвестициями, СберИнвестициями, ВТБ Мои Инвестиции, БКС.

Маркетинг-аналитик в Финаме работает с привлечением розничных трейдеров и retention существующих клиентов. Главные задачи: моделирование LTV трейдера (комиссии с торгового оборота, depository fees, маржинальное кредитование, инвестпродукты), attribution по каналам, retention-моделирование (главная угроза — отток в конкурентные брокерские приложения), CRM-аналитика, content marketing-аналитика (инвестидеи как канал привлечения и engagement), партнёрская программа.

Стек: SQL (ClickHouse / Greenplum) для cohort, funnel, attribution, Python для регулярной автоматизации, Power BI как BI, Salesforce для CRM. «Финам» — компания с инженерной культурой fintech и сильной аналитикой.

Актуальные вакансии — на hh.ru и сайте Финама.

Этапы собеседования

Полный цикл — обычно 2-3 недели и 4-5 этапов.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет базу: опыт маркетинг-аналитики в fintech / brokerage / банкинге, владение SQL и BI на среднем уровне, понимание brokerage-метрик (commission revenue, AUM, оборот). Если работал в Тинькофф Инвестициях, СберИнвестициях, БКС, ВТБ Мои Инвестиции, Альфа-Инвестиции, в крупных финтех-юнитах с investment-фокусом — упомяни сразу. Готовь короткий питч: какие маркетинг-функции считал в brokerage, какой эффект на retention или новый AUM.

2. SQL deep dive (60-90 минут)

Технический разбор: дают схему таблиц (клиенты, торговые операции, депо-операции, портфели, активность, маркетинговые касания) и просят написать запросы. Типовые задачи: cohort retention трейдеров по месяцу регистрации, attribution клиентов по каналам с учётом long onboarding-cycle, среднеоборотные метрики (avg trade size, trades per day, churn по активности), сегментация по объёму торгового оборота (HFT vs casual vs HNWI), доля комиссионного дохода по сегментам клиентов. Сильный кандидат уверенно работает с window functions, понимает grain (per-trade vs per-day vs per-client), оптимизирует тяжёлые запросы.

Подготовка: SQL для маркетинг-аналитика.

3. Marketing-метрики и кейсы (60 минут)

Темы: LTV трейдера (комиссии с оборота × ожидаемый средний оборот × срок жизни — в брокеридже LTV сильно концентрирован, топ 5% дают 70% выручки), CAC по каналам (performance, partner-программа, контент-маркетинг через инвестидеи), retention трейдеров (главная метрика — активность через 6/12/24 месяца), lifecycle (новичок vs активный vs пассивный трейдер vs «спящий»), upsell в HNWI-сегмент. Сильный кандидат отвечает на примере с цифрами: «LTV / CAC по performance 2.8, по content (инвестидеи) 5.5, retention 12 месяцев 65%, депо-сборы в LTV — 25%, маржиналка — 15%».

Подготовка: LTV и CAC, Attribution models.

4. A/B + experiments (45 минут)

Разбор экспериментов: дизайн A/B на конверсию регистрации, лендинг для onboarding, дизайн in-app экранов, retention-кампании. Особенность брокериджа — длинный цикл «привлёк → активировал → начал торговать» (часто 30-90 дней), поэтому быстрые A/B доступны только на верхних этапах воронки. Кейсы про winback (вернуть бывшего активного трейдера через 6 месяцев бездействия): «реально ли email-кампания вернула людей, или это конкурс рынка?». Сильные ответы — с расчётом sample size и обсуждением, как контролировать сезонность рынков.

Подготовка: A/B-эксперименты.

5. Поведенческое (45 минут)

С маркетинг-руководителем. STAR-формат: конфликт с sales-командой по сегментации (premium-segment vs масс-маркет), факап с метрикой LTV, спор с продактом о повышении торговой активности vs о привлечении новых клиентов. Финам — fintech с серьёзной аналитической культурой, ценят точность и продуктовое мышление.

Особенности по командам

Retail acquisition. Привлечение розничных трейдеров: digital UA (Яндекс.Директ, VK Ads, Telegram-каналы), performance, контент-маркетинг через инвестидеи и образовательные программы. Аналитик считает CAC по каналам, прогнозирует LTV, оптимизирует ставки и креативы. Главный челлендж — конкуренция с Тинькофф Инвестициями и СберИнвестициями за массовый сегмент. Подходит кандидату с performance-фоном.

Premium / HNWI. Премиум-клиенты, private banking, специальные продукты для крупных инвесторов (от 10М рублей). Маркетинг здесь — про account-based подход, личные касания, эксклюзивные мероприятия. Аналитик считает выручку по премиум-сегменту, эффективность специальных кампаний, upsell из массового в премиум. Подойдёт кандидату с интересом к premium B2C / B2B и account-based marketing.

Retention / CRM. Удержание активных трейдеров, lifecycle-кампании, win-back после длительного бездействия (триггер «не торговал 30 дней» → email с инвестидеей). В брокеридже retention тесно связан с активностью на рынке — когда рынок растёт, retention сам растёт; когда падает — нужна работа. Подходит аналитику с любовью к CRM и triggered campaigns.

Content marketing. Инвестидеи, образовательный контент (вебинары, курсы, статьи) — критический канал в брокеридже. Финам исторически сильна в обучении и инвестидеях. Аналитик считает, какой контент приводит лиды и конверсию в открытие счёта, эффективность образовательных программ как retention-инструмента (студент курса в 3x чаще остаётся активным трейдером). Подходит кандидату с интересом к контент-аналитике.

Affiliate. Партнёрская программа: блогеры, инвестиционные аналитики, обучающие центры. Аналитик мониторит выручку по партнёрам, рассчитывает revenue share, отслеживает gaming атрибуции. Сложный канал из-за неточной атрибуции (особенно по Telegram-каналам). Подходит кандидату с интересом к нестандартным каналам.

Что Финам ценит в маркетинг-аналитике

SQL уверенно. Слабый: «знаю на базе, могу написать SELECT». Сильный — пишет cohort-funnel-запросы на 50+ строк с CTE и window functions, оптимизирует тяжёлые запросы по ClickHouse (партиционирование, materialized views), может прочитать чужой SQL за 10 минут и переписать.

Brokerage / fintech metrics. Слабый кандидат не понимает specifics брокериджа: говорит «conversion и DAU». Сильный — глубоко понимает unit economics брокериджа: комиссии с оборота (commission revenue), depository fees, маржинальное кредитование, доход от инвестпродуктов, sticky AUM как метрика, средний trade size и trades per active client.

LTV / retention. Слабый: «LTV = ARPU × срок жизни». Сильный: «LTV трейдера считаем с учётом ожидаемого торгового оборота за 5 лет (оборот сильно варьируется по сегментам — HNWI x100 от массового), retention 65% через 12 месяцев в активном сегменте, 35% — в пассивном, top 5% клиентов дают 70% выручки, поэтому фокусируемся на удержании топ-сегмента».

A/B-тесты. Слабый: «запустим тест на 2 недели». Сильный кандидат глубоко понимает: считает sample size, MDE, понимает, что в брокеридже A/B на нижние этапы воронки (открытие счёта → первая сделка) требует много недель, для быстрых тестов фокус на верхней воронке.

Content-маркетинг. Слабый: «знаю, что у нас есть инвестидеи». Сильный кандидат — понимает аналитику контента в брокеридже: какие темы (акции vs облигации vs валюта) конвертируют, какой формат (вебинар vs текст vs видео) даёт лучший engagement, как измерять эффект образования на retention (студенты курса +3x retention vs контрольная группа).

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1-2 — SQL. Прорешай вопросы по SQL и Python в Карьернике: 1500+ задач с разбивкой по темам, по 10-15 минут в день закрывают пробелы перед собесом. Фокус на window functions, cohort retention. SQL для маркетинг-аналитика.
2. Неделя 3 — Marketing метрики. Brokerage-метрики: LTV трейдера, retention, оборотные метрики. LTV и CAC.
3. Неделя 4 — Attribution и Retention. Attribution, Retention.
4. Неделя 5 — A/B и MMM. MMM.
5. Неделя 6 — Mocks + behavioral.

Частые ошибки

Слабый SQL. Самый частый отказ. Кандидат говорит «знаю SQL», но на live-coding не может написать cohort retention или путается в grain (per-trade vs per-day vs per-client). Что работает: 30+ задач с window functions и оконными агрегациями на тренажёре за 2 недели до собеса.

Last click only. Кандидат говорит «у нас last click attribution» и не понимает, почему это плохо в брокеридже. Слабо. Сильный кандидат: «клиент видит вебинар Финама, через месяц — баннер performance, через 2 недели регистрируется через канал блогера — last click отдаёт всё блогеру, правильно — multi-touch с time-decay и content-weights».

Без brokerage specifics. Кандидат с обычным B2C-фоном переносит чужие метрики на брокеридж: «считаем ARPU». Слабо. Сильный кандидат знает commission revenue, AUM, средний trade size, понимает, почему в брокеридже LTV сильно концентрирован, и почему top 5% — это вся бизнес-модель.

Без retention. Главная угроза в брокеридже — отток в конкурентные приложения (Тинькофф, Сбер). Кандидат говорит «retention = 1 — churn» — слабо. Сильный кандидат: «строил retention-сегментацию по активности и AUM, нашёл топ-3 риска: длительное бездействие (>30 дней без сделок), снижение AUM на 50%+ за квартал, переход к конкуренту (заметно по downstream-метрикам)».

Без A/B. Кандидаты говорят «запустили инвестидею, активность выросла на 12%» без proper-эксперимента. Слабо. Что работает: расскажи про реальный A/B с расчётом sample size и контролем рыночной сезонности (рост рынка может объяснить «эффект» кампании).

Связанные темы

• Собеседование на маркетинг-аналитика
• SQL для маркетинга
• Attribution models
• LTV и CAC
• Retention и cohort
• MMM (media mix)

FAQ

Удалёнка в Финаме для маркетинг-аналитика?

Гибрид и удалёнка распространены.

Зарплатные вилки 2026?

Middle: 220-310k. Senior: 310-450k.

Английский нужен?

Базовый — желательно.

Сколько этапов?

4-5 этапов, обычно 2-3 недели.

Это официальная информация?

Этапы основаны на публичных источниках и опыте кандидатов. Уточняйте у рекрутера.