Собеседование на маркетинг-аналитика в Иви

Почему Иви — особенный работодатель для маркетинг-аналитика

Иви — крупнейший российский VOD / стриминг-сервис, один из лидеров SVOD-рынка в РФ с многомиллионной подписной базой. Бизнес-модель — комбинация SVOD (подписка), AVOD (реклама на бесплатном тарифе), TVOD (разовая покупка фильмов). Конкуренция жёсткая: Кинопоиск, Okko, Wink, Premier, KION, Start. Маркетинг здесь — критическая функция: каждый месяц нужно привлекать новых подписчиков и удерживать существующих в условиях борьбы за просмотр и кошелёк.

Маркетинг-аналитик в Иви работает с unit economics streaming-маркетинга. Главные задачи: моделирование LTV подписчика по сегментам, attribution по каналам (digital UA, реклама, TV, операторы), CRM-аналитика для retention и churn prevention, content marketing-аналитика (как влияют конкретные премьеры на acquisition), A/B-эксперименты в onboarding, paywall, push-уведомлениях. Кросс-функциональная работа с маркетингом, продуктом, контент-командой.

Стек: SQL (ClickHouse / Greenplum) для cohort, funnel, attribution, Python для регулярной автоматизации и моделирования, Power BI как BI. Иви — компания с сильной аналитической культурой.

Что важно понимать про работодателя: Иви — это не нишевый сервис и не стартап, это лидер устоявшегося рынка SVOD в РФ с миллионами подписчиков и масштабным маркетинговым бюджетом. Уровень аналитической культуры в команде маркетинга высокий: за конкурентов борются на каждом шагу воронки, и каждое UA-решение, каждый paywall-эксперимент, каждая премьера контента анализируются с цифрами. Также Иви интересна гибридной бизнес-моделью: SVOD (главное направление) сочетается с AVOD (бесплатный тариф с рекламой) и TVOD (разовая покупка хитов), что усложняет attribution и LTV-моделирование, потому что разные сегменты имеют разную экономику. Подойдёт кандидату, который любит сложные аналитические задачи и большие данные.

Актуальные вакансии — на hh.ru и сайте Иви.

Этапы собеседования

Полный цикл — обычно 2-3 недели и 4-5 этапов. Иви — компания с устоявшимся аналитическим процессом, отбор довольно структурированный: предсказуемые этапы, понятные критерии, прозрачная коммуникация о статусе.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет базу: опыт маркетинг-аналитики в media / streaming. Если работал в Кинопоиске, Okko, Wink, Premier, Start, KION — упомяни сразу, это серьёзно ускоряет процесс. Если streaming-опыта нет, но есть в subscription-бизнесе (fitness apps, news subscriptions, gaming) или в performance-маркетинге на больших объёмах — это тоже считается. Параллельно: мотивация (почему streaming, почему Иви, а не Кинопоиск), компенсационные ожидания. Готовь питч 90 секунд с конкретными цифрами и кейсами.

2. SQL deep dive (60-90 минут)

Технический разбор: дают схему таблиц (users, subscriptions, content_views, campaigns, payments) и просят написать запросы. Типовые задачи: cohort retention подписчиков с разбивкой по месяцу подписки и каналу привлечения, attribution по каналам (multi-touch с разными моделями), ARPU по сегментам (SVOD vs AVOD vs TVOD), upgrade/downgrade-аналитика. Window functions, CTE, дедупликация подписок (один пользователь может оформить подписку много раз). Сильный кандидат сразу обсуждает производительность на ClickHouse (партиции по дате, AggregateFunction для retention-таблиц), сложности с пользователями, которые отписались и снова подписались.

Подготовка: SQL для маркетинг-аналитика.

3. Marketing-метрики и кейсы (60 минут)

Темы: LTV подписчика в streaming (24-36 месяцев horizon, с учётом upgrade/downgrade/return-after-churn), CAC по каналам, payback period, retention streaming-сервиса (D7, D30, D90 для подписки), влияние конкретной премьеры на acquisition (lift-аналитика). Жди вопросов уровня «как ты бы оценил, какой эффект на acquisition даёт премьера сериала Х в течение 6 недель после релиза». Сильный кандидат сразу декомпозирует: baseline acquisition trend, lift от премьеры (через quasi-experiment или synthetic control), долгосрочный эффект на retention новой когорты, marginal ROI премьеры с учётом её стоимости. Слабый — считает прямое сравнение «до vs после» без учёта сезонности.

Подготовка: LTV и CAC, Attribution models.

4. A/B + experiments (45 минут)

Разбор экспериментов: дизайн A/B с большой выборкой и многоэтапной конверсией. Кейсы про onboarding (как улучшить free-to-paid conversion), paywall (timing и offers), push-уведомления (re-engagement и upsell). Сильный кандидат сразу обсуждает MDE-калькулятор, sample size, peeking problem, sequential testing, как считать значимость на retention-метрике с большой Variance. Слабый — отвечает «делали A/B, смотрели на p-value».

Подготовка: A/B-эксперименты.

5. Поведенческое (45 минут)

С маркетинг-руководителем. STAR-формат: расскажи про кейс, где твоя аналитика остановила маркетинговое решение; про конфликт с UA-team по интерпретации эксперимента; про факап в отчёте, который видел C-level. Параллельно проверяют, насколько хорошо ты работаешь cross-functionally — маркетинг-аналитик в Иви постоянно работает с UA, продуктом, контент-командой, и умение объяснять сложные выводы простым языком важно.

Особенности по командам

Subscription marketing. Acquisition подписчиков: digital UA (Яндекс.Директ, myTarget, VK Ads, mobile networks), performance-маркетинг, контентные кампании вокруг крупных премьер. Аналитик считает ROAS по каналам, помогает UA-team приоритизировать бюджет, моделирует predicted LTV новых cohort. Подойдёт кандидату с performance-опытом и комфортом с большими бюджетами.

Retention / CRM. Удержание подписчиков: win-back-кампании для оттёкших, paywall-эксперименты (когда показывать, какой offer, какая длительность пробного периода), CRM-кампании по lifecycle (welcome, engagement, churn prevention). Аналитик строит propensity-модели на churn, считает uplift от ремаркетинга. Подойдёт кандидату с интересом к retention и lifecycle-маркетингу.

Brand. Brand vs performance, brand-метрики в streaming: awareness, intent среди целевой аудитории, ассоциации с конкретным контентом. Аналитик помогает интерпретировать brand-tracker исследования, оценивает halo-эффект brand-кампаний на performance. Подойдёт кандидату с медианным brand-опытом и комфортом в работе с smaller-N выборками.

Digital. Mobile app acquisition, специфика mobile attribution (MMP — AppsFlyer/Adjust, SKAdNetwork с iOS, deep-linking, deferred deep-linking). Иви — большое мобильное приложение с миллионами установок, и mobile UA — отдельная серьёзная функция. Подойдёт кандидату с mobile UA-опытом.

Content marketing. Премьеры как канал привлечения: как новые сериалы и фильмы влияют на acquisition, на retention существующих подписчиков, на overall engagement. Аналитик помогает контент-команде понять marginal ROI крупных релизов, отслеживает effects конкретных премьер на LTV cohort, привлечённых в неделю запуска. Подойдёт кандидату с интересом к контентной экономике streaming.

Что Иви ценит в маркетинг-аналитике

SQL уверенно. Слабый кандидат говорит «SQL знаю, в работе использовал» — для analytics-роли это сразу красный флаг. Сильный — пишет window functions, оптимизирует запросы на ClickHouse, понимает партиции и AggregateFunction, может разобрать чужой запрос и найти баг с дедупликацией подписок. SQL в Иви — основной рабочий инструмент.

Streaming metrics. Сильный кандидат глубоко понимает SVOD/AVOD/TVOD-экономику: LTV подписчика — 24-36 месяцев horizon, retention D7/D30/D90 для подписки (а не для DAU как в free apps), free-to-paid conversion, churn vs win-back-rate, ARPU по типу подписки. Знает специфику AVOD (revenue per AVOD-user меньше, но volume больше) и TVOD (разовая покупка, нет recurring revenue). Слабый — говорит про streaming в общем без понимания разницы между моделями.

LTV / churn. Сильный кандидат говорит конкретно: «считаем LTV подписчика как кумулятивную выручку за 36 месяцев с учётом upgrade/downgrade и return-after-churn; predicted LTV новой cohort через ML-модель на ранние D7-D30 сигналы; MAPE на D90 в районе 10-15%». Слабый — отвечает абстрактно: «LTV это пожизненная ценность».

A/B-тесты. Сильный кандидат глубоко понимает экспериментальный дизайн: MDE-калькулятор для retention-метрик с высокой Variance, sample size для разных уровней retention, peeking problem, sequential testing, multi-armed bandits для creative-тестирования. Слабый — делает t-test без понимания assumptions.

Retention. Сильный кандидат понимает retention в streaming: D7-D30-D90 для подписки, churn-curve и survival-аналитика, как меняется retention в разных cohort и сегментах, как влияет контент-релиз на retention. Слабый — путает retention для free apps (DAU/MAU) с retention для subscription.

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. Streaming-метрики, LTV, retention. 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. Кандидат пишет SELECT GROUP BY без window functions, не оптимизирует запросы для большой ClickHouse-таблицы, не учитывает дедупликацию подписок. Что работает: за неделю до собеса прогнать 30-40 задач на cohort retention для subscription-данных, multi-touch attribution, разобраться с ClickHouse-партициями.

Last click only. Кандидат считает по последнему касанию — для streaming с десятками touchpoints (digital UA, organic, TV-кампании, операторские bundle, referral) это слабо. Сильный — обсуждает multi-touch attribution, mixed-media-models для оценки vклада brand-каналов (TV, наружная реклама).

Без streaming specifics. Кандидат не различает SVOD/AVOD/TVOD-экономику, путает retention для free apps с retention для subscription, не понимает specifics free-to-paid conversion. Что работает: за 2 недели до собеса прочитать про streaming unit economics (Netflix shareholder letters, Disney+ analyst calls, статьи в Variety), посмотреть, как Иви и Кинопоиск отчитываются о метриках для рынка.

Без churn understanding. Кандидат не понимает разницу между gross churn и net churn, не знает что такое return-after-churn (пользователи возвращаются спустя время), не умеет работать с survival-аналитикой. Что работает: прочитать про churn-моделирование в subscription-бизнесе, прорешать 3-5 кейсов по retention-cohort-анализу.

Без A/B понимания. Кандидат говорит «делали A/B, смотрели на p-value» без понимания дизайна экспериментов для retention-метрик с высокой Variance. Что работает: прорешать кейсы по дизайну экспериментов с долгосрочными метриками, понимать MDE, sample size, peeking problem, sequential testing.

Связанные темы

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

FAQ

Удалёнка в Иви для маркетинг-аналитика?

Часто полная удалёнка.

Зарплатные вилки 2026?

Middle: 210-310k. 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.