Собеседование на маркетинг-аналитика в InfoWatch

Почему InfoWatch — особенный работодатель для маркетинг-аналитика

InfoWatch — российская компания в области информационной безопасности, основана в 2003 году. Главная специализация — защита от утечек данных (DLP — Data Loss Prevention) для крупного корпоративного клиента: банки, госы, ТЭК, страховые. Это узкая, но платёжеспособная ниша B2B-cybersecurity с длинным циклом продаж и серьёзными compliance-требованиями к продукту. На фоне роста требований к информационной безопасности компания активно растёт.

Маркетинг-аналитик в InfoWatch работает с B2B-маркетингом в специфической нише DLP. Главные задачи: моделирование long sales cycle B2B-funnel, attribution лидов по каналам (event marketing, content, partner network — типичный набор для enterprise-DLP), event-аналитика (отраслевые конференции по информационной безопасности), LTV enterprise-клиента (многолетние контракты с обновлениями и расширениями), partnership-аналитика с интеграторами.

Особенность InfoWatch — это compliance-heavy продукт: DLP-системы часто закупают под конкретные требования регуляторов (152-ФЗ, КИИ, ГОСТ), поэтому маркетинг здесь работает не только над «лидами», но и над прохождением сертификаций как маркетинговым активом. Цикл сделки — от 9 до 18 месяцев, чек крупный, ABM-подход к ключевым 100-200 enterprise-аккаунтам. Маркетинг-аналитик должен уметь увязывать раннюю активность (whitepaper, ивент, демо) с сделкой, которая закрывается через год, и объяснять менеджменту, какие каналы реально драйвят pipeline в условиях длинного лага.

Стек: SQL (ClickHouse / Greenplum) для cohort, funnel, attribution, Python для регулярной автоматизации, Power BI как BI, Salesforce для CRM.

Актуальные вакансии — на hh.ru и сайте InfoWatch.

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 B2B SaaS / cybersecurity / DLP, причины ухода, ожидания по компенсации. Если работал в Positive Technologies, Kaspersky, BI.ZONE, R-Vision, F.A.C.C.T. — упомяни сразу. Готовь питч на 60 секунд: с какими ABM-программами работал, какой чек у клиентов, как мерял ROI ивентов. На том же этапе рекрутер спрашивает про знакомство с Salesforce и готовность к гибридному формату.

2. SQL deep dive (60-90 минут)

Технический разбор: дают схему таблиц (leads, deals, customers, events, touchpoints) и просят написать 4-6 запросов. Типовые задачи: B2B-funnel с конверсиями MQL → SQL → opportunity → closed-won, cohort retention enterprise-клиентов по годам, multi-touch attribution с весами касания, расчёт incremental ARR от ABM-программы, pipeline velocity. Сильный кандидат использует window functions, аккуратно фильтрует duplicate-leads, понимает разницу между created date и close date. Слабый — путает MQL и SQL, не учитывает re-opens сделок, считает revenue по deals без учёта downgrades.

Подготовка: SQL для маркетинг-аналитика.

3. Marketing-метрики и кейсы (60 минут)

Темы: LTV enterprise-клиента DLP с учётом multi-year контрактов, expansion и renewal-rate; CAC для B2B; pipeline coverage; ROI event-маркетинга. Дают кейс: «у нас сертификация ФСТЭК — как монетизировать её в маркетинге, и как мерять эффект». Сильный кандидат: понимает, что сертификация открывает доступ к госу, считает incremental pipeline в гос-сегменте, отделяет direct и через интеграторов. Слабый: считает «лиды/деньги» без учёта сегментов.

Подготовка: LTV и CAC, Attribution models.

4. A/B + experiments (45 минут)

Разбор экспериментов в B2B-специфике: маленькие выборки, длинная конверсия, невозможность чистого random-split на enterprise-сегменте. Вопросы: как тестировать landing-page в B2B при низком трафике, как делать quasi-experiments на ABM-аккаунтах, что считать primary-метрикой (MQL? Opportunity?). Сильный ответ: понимание, что в B2B чаще работают geo-split, time-based holdouts, match-pair тесты. Слабый: пытается применить B2C-A/B подход дословно.

Подготовка: A/B-эксперименты.

5. Поведенческое (45 минут)

С маркетинг-руководителем. STAR-формат: расскажи про конфликт с sales по поводу attribution (классика B2B), про факап с прогнозом pipeline на квартал, про инициативу по запуску ABM-программы. Параллельно проверяют, насколько ты способен взаимодействовать с sales и presales — в InfoWatch маркетинг работает в плотной связке с продажами и интеграторами, нужен навык «договариваться, а не воевать».

Особенности по командам

B2B marketing. Крупные клиенты — банки, госы, ТЭК, страховые. ABM как основной подход: target-list 50-200 ключевых аккаунтов, индивидуальная digital-программа на каждого, синхронизация с sales-командой. Аналитик считает account-level engagement, эффективность ABM-tier (1/2/3), incremental pipeline. Подходит кандидату, кто работал в B2B SaaS / cybersecurity и понимает специфику крупных закупок.

Content marketing. Исследования по угрозам утечек (annual reports InfoWatch — известный в индустрии формат), кейсы крупных внедрений, технические whitepapers по DLP. Аналитик считает downloads, MQL conversion, влияние контента на pipeline velocity, какие темы драйвят leads, какие — для бренда. Особенность DLP — клиенты долго изучают материалы перед покупкой, content marketing работает на длинном горизонте.

Event marketing. Отраслевые конференции по информационной безопасности (PHDays, Кибербезопасность для бизнеса, InfoSecurity Russia), partner events, demo-days. Бюджеты крупные, ROI считать сложно из-за лагов. Аналитик отвечает за event-attribution, post-event nurture эффективность, баланс «дорогие vs дешёвые ивенты». Подойдёт кандидату с опытом event-аналитики в B2B-cybersecurity.

Retention / CRM. Удержание enterprise-клиентов, ренью многолетних контрактов, expansion в новые модули продуктов InfoWatch. Аналитик считает gross retention, net revenue retention, expansion-rate; работает с customer success командой. Особенность — длинные контракты, реальный churn виден только через 3+ года.

Brand. Brand-маркетинг в B2B-DLP — это про trust у CISO и compliance-офицеров. Метрики: awareness в опросах ICR/CNews, share of voice в отраслевых медиа, прямые заходы и search-brand. Подойдёт кандидату со знанием brand-tracking-исследований и пониманием B2B-аудитории cybersecurity.

Что InfoWatch ценит в маркетинг-аналитике

SQL уверенно. Слабый кандидат говорит «знаю на базе» и теряется на window functions. Сильный — пишет multi-touch attribution на CTE, аккуратно работает с duplicate-leads в Salesforce, считает funnel-конверсии с учётом re-opens сделок. На SQL-секции это решающий фильтр.

B2B / long sales cycle. Слабый кандидат меряет конверсии за неделю, считает CAC как «бюджет/лиды». Сильный — понимает, что в B2B reporting-цикл квартальный, что pipeline coverage важнее лидов, что lag между лидом и сделкой — 9-18 месяцев, и считает attribution с учётом этого лага.

LTV / CAC. Слабый кандидат пишет формулу из учебника. Сильный: «LTV DLP-клиента считаем как 5-летний кумулятивный ARR с учётом expansion модулей и renewal-rate, payback по net new ARR, gross retention 92-95% для зрелых enterprise». И приводит цифры из своего опыта.

A/B-тесты. Слабый кандидат пытается катить B2C-A/B на маленькой enterprise-выборке. Сильный — знает, что в B2B чаще работают geo-split, time-based holdouts, match-pair тесты, и может объяснить, когда их применять.

Event-маркетинг. Слабый кандидат говорит «MQL/деньги — это ROI». Сильный — считает incremental pipeline с лаговой attribution, делит ивенты на brand vs lead-gen, объясняет, почему «лиды с ивента» — это не то же самое, что «sourced pipeline через 9 месяцев».

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, B2B-funnel. SQL для маркетинг-аналитика.
2. Неделя 3 — Marketing метрики. B2B-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 — на SQL-секции. Кандидат знает SELECT и JOIN, но плавает на window functions, не помнит синтаксис CTE, не справляется с multi-touch attribution. Без 30-40 решённых задач уровня LeetCode/StrataScratch не пройти.

Last click only. В B2B-DLP last-click — это полная потеря сигнала. Лид «прочитал отчёт по утечкам, через 6 месяцев пришёл по бренду» получит attribution «direct», что обнуляет content marketing. Сильный ответ: «считаю multi-touch с весами по типу касания, отдельно — sourced и influenced pipeline».

Без B2B specifics. Кандидат рассказывает про B2C-метрики (CTR, CR, AOV) и не может перейти на B2B-язык (MQL, SQL, opportunity, pipeline coverage, net revenue retention). Перед собесом прочитай 3-5 статей про B2B unit economics — блоги SaaStr, OpenView, Bessemer.

Без long sales cycle. Кандидат пытается мерять конверсии за неделю, не учитывает 9-18-месячный lag, делает A/B-тест на 14 дней. Сильный ответ: «строю reports с rolling 6-month, attribution с лаговой логикой, A/B заменяю на quasi-experiments».

Без A/B. Кандидат не знает SRM, peeking, не различает statistical и practical значимость. В InfoWatch A/B-секция отдельная — минимум 1-2 недели подготовки по экспериментальному дизайну.

Связанные темы

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

FAQ

Удалёнка в InfoWatch для маркетинг-аналитика?

Гибрид распространён.

Зарплатные вилки 2026?

Middle: 190-280k. Senior: 280-400k.

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.