Собеседование на маркетинг-аналитика в Контур

Почему Контур — особенный работодатель для маркетинг-аналитика

«Контур» (СКБ Контур) — крупная российская B2B SaaS-компания из Екатеринбурга, один из лидеров рынка корпоративных сервисов для бизнеса в РФ. Продукты — Эльба (для ИП), Диадок (электронный документооборот), Бухгалтерия, Экстерн (отчётность), Фокус (проверка контрагентов) — покрывают потребности от микро-ИП до средних компаний. Принадлежность к зрелому холдингу с устойчивой моделью даёт стабильность и серьёзные ресурсы на маркетинг.

Маркетинг-аналитик в Контуре работает с B2B lead-funnel в SMB и микро-сегменте (ИП). Главные задачи: моделирование LTV B2B-клиента (часто длинный lifecycle с upgrade между продуктами), attribution лидов по каналам (performance, контент, partner network — бухгалтерские форумы, агентства), partner-аналитика (значительная часть продаж идёт через бухгалтеров и интеграторов), retention и churn prevention, A/B-эксперименты в onboarding и paywall. Кросс-функциональная работа с маркетинг-командой, sales и продактами.

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 Контура.

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, владение SQL хотя бы на уровне cohort/funnel, понимание метрик SMB-сегмента. Если работал в Bitrix24, amoCRM, 1С, Mindbox, МойСклад, Эвотор — упомяни сразу: контекст микро- и SMB-сегмента сильно ценится. Готовь питч на 90 секунд: что считал, для какого маркетинг-канала, какой бизнес-эффект.

2. SQL deep dive (60-90 минут)

Технический разбор: дают схему таблиц (leads, deals, customers, products) и просят написать запросы. Типовые задачи: B2B-funnel с этапами (visit → trial → активация → платный), cohort retention по месяцам с window-функциями, attribution multi-touch с разбивкой по каналам, LTV-агрегация с upgrade между продуктами (например, клиент пришёл в Эльбу и перешёл в Диадок). Сильный кандидат пишет читаемый SQL с CTE, объясняет план запроса, ловит подводные камни (дубликаты, фильтры по дате, гранулярность). Слабый — путается в JOIN и оконных функциях.

Подготовка: SQL для маркетинг-аналитика.

3. Marketing-метрики и кейсы (60 минут)

Темы: LTV B2B-клиента в SaaS с экосистемой (один клиент может пользоваться 2-3 продуктами Контура, NRR — ключевая метрика), CAC по каналам с учётом длинного lifecycle, payback period (типичная цель — окупаемость до 12-18 месяцев в SMB), B2B-funnel (MQL → SQL → opportunity → closed-won, conversion на каждом этапе), partner-метрики (выручка через бухгалтерскую сеть, среднее ARPU клиентов из partner-канала vs direct). Сильный кандидат говорит цифрами: «LTV / CAC по performance ~3.2, по contentу ~5.1, по partner-каналу ~4.8 — performance перегревается, перекидываем бюджет в контент».

Подготовка: LTV и CAC, Attribution models.

4. A/B + experiments (45 минут)

Разбор экспериментов: дизайн A/B на конверсии trial → paid, расчёт минимальной выборки (особенно непросто в B2B с малым трафиком), MDE, длительность теста, sequential testing, обработка outlier-клиентов (один крупный enterprise может перекосить average). Кейсы: «придумайте эксперимент для повышения активации в Эльбе», «оцените, реально ли отличие конверсии в pricing-эксперименте». Слабые ответы — «запустим на 2 недели и сравним»; сильные — с расчётом sample size и обсуждением novelty effect.

Подготовка: A/B-эксперименты.

5. Поведенческое (45 минут)

С маркетинг-руководителем. STAR-формат: расскажи про конфликт с маркетологом по приоритетам, про факап с метрикой, про спор с продактом о том, что считать «активацией». Контур ценит ownership и фокус на бизнесе — нужно показать, что ты не просто «считаешь цифры», а думаешь о результате компании.

Особенности по командам

B2B Sales marketing. Привлечение ИП и SMB-клиентов через performance (Яндекс.Директ, VK Ads), контент-маркетинг и SEO. Главная задача — обеспечить дешёвый поток лидов с приемлемой конверсией в платных пользователей. Аналитик строит cohort-отчёты по каналам, считает payback, прогнозирует выручку. Подходит кандидату с performance-фоном и любовью к SQL.

Retention / CRM. Удержание существующих клиентов, повышение активации в первые недели, freemium-to-paid конверсия, expansion в новые продукты экосистемы Контура (например, перевод клиента с Эльбы на Диадок). Тут много триггерных коммуникаций, email-кампаний, push-уведомлений с замером эффекта. Подходит аналитику, который любит копаться в behavioral-данных и сегментировать аудитории.

Brand. Brand vs performance — вечный вопрос, в B2B SaaS особенно тяжёлый, потому что прямой ROI бренда измерить сложно. Аналитик помогает оценивать brand-метрики (узнаваемость, доверие, NPS), сравнивать когорты пришедших через brand-кампании vs direct. Самая сложная роль с точки зрения чистоты данных.

Partnerships. Работа с бухгалтерами и интеграторами — основной канал продаж Эльбы и Диадока, специфика рынка корпоративных сервисов в РФ. Аналитик считает выручку по партнёрам, retention клиентов из partner-канала, эффективность акций для партнёров. Подходит кандидату с любопытством к нестандартным channel-моделям.

Content marketing. SEO — критический канал для B2B SaaS микро-сегмента: ИП и микробизнес гуглят «как ИП сдать отчётность» и приходят на сайт Контура. Аналитик мониторит трафик из поиска, конверсию по типу контента (статья vs гайд vs калькулятор), оценивает эффект новых лендингов. Подходит кандидату с интересом к контенту и SEO-метрикам.

Что Контур ценит в маркетинг-аналитике

SQL уверенно. Слабый: «знаю на базе, могу написать SELECT с JOIN». Сильный: «пишу cohort-funnel на 50 строк с window-функциями, оптимизирую тяжёлые запросы по ClickHouse, могу прочитать и переписать чужой SQL за 10 минут».

B2B SaaS metrics. Слабый кандидат говорит «ARPU и conversion». Сильный — понимает специфику микро- и SMB-сегмента (короткий sales-cycle vs длинный lifecycle, низкий ARPU vs высокий retention, важность NRR над new ARR), знает, чем B2B SaaS отличается от B2C-продукта по подходам к аналитике.

LTV / churn. Слабый: «LTV = ARPU / churn». Сильный: «LTV считаем с учётом cross-product upgrade в экосистеме Контура: клиент пришёл в Эльбу с LTV 80k, через 12 месяцев перешёл в Диадок — реальный LTV вырос до 240k. Использую predictive LTV-модель по сегментам клиентов».

A/B-тесты. Слабый кандидат не понимает sample size и multiple comparisons. Сильный — знает экспериментальный дизайн, обсуждает MDE, считает power analysis, понимает sequential testing и почему в B2B с малым трафиком тяжело делать A/B-тесты.

Partnership analytics. Слабый кандидат игнорирует partner-канал. Сильный — понимает специфику работы с partner-сетью бухгалтеров: как считать атрибуцию (партнёр или сам клиент пришёл), как мерить LTV partner-клиентов (выше или ниже direct?), какие акции для партнёров реально работают.

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, conversion funnel. SQL для маркетинг-аналитика.
2. Неделя 3 — Marketing метрики. B2B SaaS-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 путается в window functions или не может написать cohort retention. Что работает: 30+ задач с window functions и JOIN на тренажёре или LeetCode SQL за 2 недели до собеса.

Last click only. Кандидат говорит «у нас last click attribution» и не понимает, почему это плохо. Слабо. Сильный кандидат: «last click недооценивает контент и brand-каналы, я строил multi-touch с time decay weights для оценки реального вклада каждого касания».

Без B2B SaaS specifics. Кандидат с B2C-фоном (e-commerce, gaming) часто переносит чужие метрики на B2B без адаптации. Что работает: прочитай 3-5 статей по SaaS-метрикам (David Skok, ChartMogul blog), запомни NRR/GRR, понимай разницу expansion vs new ARR.

Без churn understanding. В SMB SaaS churn в первый год может быть 30-40% — это нормально, но кандидат должен показывать, как с этим работать (активация, sales-assist, predictive churn). Слабый: «churn высокий, плохо». Сильный: «делал churn-prediction модель на Catboost, выделили топ-5% risky-клиентов, retention-команда работает только с ними, conversion в save +18%».

Без A/B. Кандидаты часто говорят «запустили промо, конверсия выросла на 15%» без proper-эксперимента. Слабо. Что работает: расскажи про реальный A/B с расчётом sample size, MDE, и обсуждением, почему результат стат-значим (или не очень).

Связанные темы

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

FAQ

Удалёнка в Контуре для маркетинг-аналитика?

Гибрид и удалёнка распространены, главный офис в Екатеринбурге.

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.