Собеседование на маркетинг-аналитика в Lesta Games

Почему Lesta Games — особенный работодатель для маркетинг-аналитика

Lesta Games — российская игровая студия, оператор крупных F2P-проектов «Мир танков» и «Мир кораблей». Это PC-MMO с десятилетней историей, миллионными MAU и зрелой live ops-инфраструктурой. Бизнес-модель — типичный hardcore F2P: длинный lifetime игрока с регулярными покупками премиум-контента, активная live ops, постоянный поток событий и обновлений. Маркетинг здесь — про привлечение новых игроков в зрелую игру и winback бывших активных пользователей.

Маркетинг-аналитик в Lesta Games работает с UA для F2P PC-MMO и retention/winback кампаниями. Главные задачи: моделирование LTV игрока в hardcore F2P (длинные cohorts, важность late-game monetization), attribution через AppsFlyer и собственную инфраструктуру для PC-каналов, разбор retention по cohort и сегментам активности, winback-кампании (как вернуть бывшего активного игрока), A/B-эксперименты в UA и in-game. Кросс-функциональная работа с UA-командой, продактом, live ops.

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

Актуальные вакансии — на hh.ru и сайте Lesta Games.

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 gaming / F2P, особенно ценится опыт в PC-MMO или hardcore F2P (long-lifecycle игры с активной live ops). Если работал в Playrix, Belka Games, Pixonic, Wargaming, 1C Game Studios, MY.GAMES — упомяни сразу, F2P-домен очень специфический. Готовь короткий питч: какие маркетинг-функции считал, какой эффект на retention или ROAS.

2. SQL deep dive (60-90 минут)

Технический разбор: дают схему таблиц (installs, players, IAP, campaigns, sessions) и просят написать запросы. Типовые задачи: cohort retention PC-MMO на 30/60/180/360/720 дней (hardcore F2P игры живут долго, нужны длинные cohorts), ROAS по cohort и source с lookback-window 30/90/360 дней, winback метрики (сколько вернувшихся игроков активны через 7/30 дней), dedup установок с разных платформ, агрегации по регионам. Сильный кандидат уверенно работает с window functions и понимает разницу grain (per-install vs per-player vs per-session).

Подготовка: SQL для маркетинг-аналитика.

3. Marketing-метрики и кейсы (60 минут)

Темы: LTV в hardcore F2P (длинные cohorts 720+ дней, late-game monetization доминирует, важно фитить LTV-кривую через cohort-based forecasting), CAC по каналам (Facebook Ads, YouTube, специализированные gaming-каналы, influencer-маркетинг), ROAS на разных горизонтах (D30 vs D90 vs D360 — большая разница в F2P), winback ROI (сколько стоит вернуть бывшего игрока vs привлечь нового). Сильный кандидат говорит цифрами: «ROAS D30 28%, D90 65%, D360 175%, payback на 6-9 месяцев, top-spender cohort даёт 80% выручки».

Подготовка: LTV и CAC, Attribution models.

4. A/B + experiments (45 минут)

Разбор экспериментов: дизайн A/B на UA-креативах (тестируем 4-5 креативов параллельно, выбираем по CPI и D7 retention), in-game changes (новый event, новый offer-стенд), pricing-эксперименты. Особенность F2P — длинная цепь metrics, иногда нужно ждать 30-60 дней, чтобы увидеть полный эффект. Сильный кандидат обсуждает sample size, MDE, sequential testing, понимает, почему «выросла конверсия на 15%» — это не результат.

Подготовка: A/B-эксперименты.

5. Поведенческое (45 минут)

С маркетинг-руководителем. STAR-формат: конфликт с UA-менеджером по приоритетам (он хочет «больше installs», ты говоришь «нужны качественные»), факап с attribution-моделью, спор с продактом или live ops по эффекту акций. Lesta — российская студия с серьёзными gaming-проектами, ценят domain-знание и ownership.

Особенности по командам

UA / Performance. Ядро: масштабирование UA для PC-MMO в десятках регионов. Аналитик считает CPI/CPM, ROAS по cohort и source, оптимизирует ставки на конкретные сегменты (новички vs lapsed players). Главный челлендж — PC-attribution сложнее mobile (нет SKAdNetwork-аналога), часто работают с самописными tracker-системами. Подходит кандидату с performance-фоном.

Retention / CRM. Winback бывших активных игроков (триггерные email/push для возврата), churn prevention для текущих активных, lifecycle-кампании (приветствие новичкам, поощрение топ-спендеров). В hardcore F2P churn рассматривается на длинных горизонтах — игрок «уходит» не после 7 дней, а после месяцев. Аналитик строит сегментацию по activity и LTV, считает retention lift кампаний. Подходит кандидату с любовью к CRM-аналитике.

Brand. Brand vs performance, brand-метрики в gaming (узнаваемость, доверие, NPS, social mentions). В gaming brand критичен — игроки выбирают студию по репутации (особенно после ситуации с Wargaming → Lesta). Сложная роль с непрямым ROI.

Mobile. Mobile-only кампании (для проектов, имеющих мобильные клиенты или интеграции). Меньше команда, специализированная аналитика по mobile UA (AppsFlyer, Adjust, SKAdNetwork). Подойдёт кандидату с mobile-фоном.

Influencer. Работа со стримерами и блогерами — специфический канал в gaming. YouTube-летсплеи, Twitch-стримы, Telegram-каналы про игры. Аналитик считает ROI influencer-маркетинга (привлечённые игроки / стоимость интеграции), сложно из-за неточной атрибуции. Подойдёт кандидату с интересом к нестандартным каналам.

Что Lesta Games ценит в маркетинг-аналитике

SQL уверенно. Слабый: «знаю на базе, могу написать SELECT». Сильный — пишет cohort retention с window functions на 30+ строк, оптимизирует тяжёлые запросы по ClickHouse (партиционирование, фильтры, materialized views), может прочитать чужой SQL за 10 минут и переписать.

F2P metrics + ROAS. Слабый: «знаю DAU». Сильный кандидат знает специфику hardcore F2P: ARPDAU paying vs ARPDAU total, conversion-to-payer (типично 1-5%), retention D1/D7/D30/D90/D360, ROAS на разных горизонтах с lookback-window, payback period. Может объяснить, почему hardcore F2P отличается от casual (longer lifecycle, deeper monetization, smaller % payers but bigger ARPPU).

LTV / cohort. Слабый: «LTV = ARPU × срок жизни». Сильный: «фитим LTV-кривую по cohort на 720+ дней с учётом late-game monetization (топ 1% даёт 50% выручки), используем cohort-based forecasting и Pareto/NBD-модели для проекции D360+, бенчмарки по top-cohort до D720 — 250-400 USD на платящего игрока».

A/B-тесты. Слабый: «запустим тест на 2 недели». Сильный кандидат глубоко понимает: считает sample size с учётом длинного эффекта (D30 retention), обсуждает sequential testing, novelty effect (новый event сначала даёт всплеск, потом эффект затухает), учитывает сезонность в gaming (события, праздники).

AppsFlyer / attribution. Слабый кандидат: «знаю AppsFlyer». Сильный — знает specifics mobile (SKAdNetwork, conversion values) и PC attribution (probabilistic matching, UTM, deep linking), понимает разницу last-touch и multi-touch для UA, может объяснить, как избежать over-attribution в performance-кампаниях.

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. F2P-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 с window functions или путается в grain (per-install vs per-player). Что работает: 30+ задач с window functions на тренажёре за 2 недели до собеса.

Last click only. Кандидат говорит «у нас last click attribution» и не понимает, почему это плохо в F2P. Слабо. Сильный кандидат: «в F2P игрок видит трейлер на YouTube, через неделю — баннер в Facebook, потом ставит игру через Apple Search Ads — last click отдаёт всё ASA, правильно — multi-touch с time-decay, учитывая, что YouTube-касания работают на awareness».

Без F2P specifics. Кандидат с e-commerce-фоном переносит чужие метрики на F2P без адаптации: «конверсия 5% — хорошо». Слабо. F2P-конверсия в платящие — 1-3%, и это нормально. Что работает: прочитай статьи по F2P-economics (GameRefinery, Naavik, Deconstructor of Fun blogs), запомни ARPDAU paying, payer share, top-1% spender domination.

Без cohort understanding. Кандидат не понимает, почему cohort retention важнее aggregate retention. Слабо. Сильный кандидат: «aggregate D7 retention 25% — может скрывать факт, что cohort из мая был 35%, а из июля 18% — нужна декомпозиция по cohort и source, иначе не увидим, что Facebook UA-кампания дала плохой трафик».

Без A/B понимания. Кандидаты говорят «изменили баннер, кликабельность выросла на 12%» без proper-эксперимента. Слабо. Что работает: расскажи про реальный A/B с расчётом sample size, обсуждением длинного эффекта (D30 retention важнее CTR), 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 Lesta Games для маркетинг-аналитика?

Гибрид и удалёнка распространены.

Зарплатные вилки 2026?

Middle: 220-320k. Senior: 320-460k.

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.