Собеседование на маркетинг-аналитика в Mindbox

Почему Mindbox — особенный работодатель для маркетинг-аналитика

Mindbox — российская CDP/CRM-маркетинговая платформа, один из лидеров рынка автоматизации маркетинга в e-commerce и ритейле. Клиентская база — крупные бренды и сети (косметика, фуд-ритейл, fashion, банки), модель — подписка с расширяемыми модулями (email, push, web personalization, аналитика). Это даёт интересную ситуацию для маркетинг-аналитика: компания одновременно сама использует CDP-методологии для своего B2B-маркетинга и продаёт инструменты автоматизации.

Маркетинг-аналитик в Mindbox работает с B2B-маркетингом CDP/CRM-платформы. Главные задачи: моделирование LTV B2B-клиента (часто длинный lifecycle с expansion в новые модули), attribution лидов по каналам (контент, performance, partner network, кейсы клиентов), кейс-аналитика (как успешные кейсы клиентов влияют на лидогенерацию), partner-аналитика (агентства, интеграторы), A/B-эксперименты. 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. Mindbox — компания с глубокой аналитической культурой.

Что важно понимать про работодателя: Mindbox — это не agency и не маркетплейс, это вендор инструментов. Маркетинг-аналитик работает с длинным B2B-funnel (от первого касания до сделки могут пройти месяцы, иногда год), малыми объёмами сделок (но с высоким средним чеком), сложной expansion-аналитикой (клиент покупает email-модуль, через полгода — push, через год — web personalization). Это совершенно другие задачи, чем в B2C-маркетинге, и многие классические performance-метрики (CPM, CTR, conversion rate) здесь не главные. На собесе важно показать, что ты понимаешь специфику B2B SaaS, а не просто умеешь считать сквозную воронку.

Актуальные вакансии — на hh.ru и сайте Mindbox.

Этапы собеседования

Полный цикл — обычно 2-3 недели и 4-5 этапов. Mindbox — компания с понятной аналитической культурой и относительно быстрым процессом для B2B-вендора: без долгих согласований, с понятными критериями, с прямым общением с маркетинг-руководителем уже на 2-3 этапе.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет базу: опыт маркетинг-аналитики в B2B SaaS / CDP / CRM-вендорах. Если работал в Calltouch, Roistat, amoCRM, Bitrix24 — упомяни сразу. Параллельно проверяют мотивацию: почему именно B2B SaaS, а не B2C, почему Mindbox, а не классическая performance-команда у бренда. Готовь короткий питч на 90 секунд: твой опыт, главные кейсы с цифрами, почему сейчас ищешь B2B SaaS. Рекрутер также пройдётся по ожиданиям по компенсации и формату работы — формулируй заранее, не отвечай «как у вас принято».

2. SQL deep dive (60-90 минут)

Технический разбор: дают схему таблиц (leads, deals, customers, modules, touchpoints) и просят написать запросы. Типовые задачи: B2B-funnel (lead → MQL → SQL → opportunity → closed-won с конверсиями на каждом этапе), cohort retention клиентов с разбивкой по году подписки и каналу привлечения, expansion-аналитика (как меняется ARR одного клиента по месяцам, какая доля клиентов докупает новые модули), multi-touch attribution. Часто просят написать window functions (lag/lead, running totals по cohort), сложные JOIN-ы с фильтрацией по статусу сделки. Слабый кандидат пишет SELECT с группировкой и не помнит синтаксис window. Сильный — обсуждает оптимизацию запроса (CTE vs subquery, индексы по customer_id и event_date), сразу спрашивает про дедупликацию (один и тот же клиент может пройти MQL дважды).

Подготовка: SQL для маркетинг-аналитика.

3. Marketing-метрики и кейсы (60 минут)

Темы: LTV B2B-клиента с учётом expansion в новые модули, CAC по каналам, payback period, NRR-аналитика (net revenue retention — главная метрика SaaS), ROI кейсов клиентов как инструмента маркетинга. Жди вопросов уровня «как ты считал бы LTV клиента, который пришёл по реферралу, купил email, через полгода добавил push, а через год отказался от push»: разберут именно конкретный кейс с deal-stages. Сильный кандидат сразу обсуждает, что в B2B SaaS LTV-горизонт обычно 3-5 лет, что NRR = (starting ARR + expansion - downgrade - churn) / starting ARR, что в Mindbox-подобной компании здоровый NRR — 110-130%. Слабый — отвечает «LTV = ARPU * lifetime», без понимания expansion-механики.

Подготовка: LTV и CAC, Attribution models.

4. A/B + experiments (45 минут)

Разбор экспериментов: дизайн A/B в B2B-условиях (малые выборки, длинные циклы конверсии). Типовые задачи: спроектируй эксперимент по новому лендингу для маркетплейс-сегмента, оцени значимость при выборке 200 лидов и трёхмесячном lag, объясни почему классический t-test тут не работает идеально. Сильный кандидат сразу говорит про bayesian-подходы или surrogate-метрики (вместо closed-won смотреть MQL → SQL conversion, который случается быстрее), про MDE-калькулятор. Слабый — пытается применить классический B2C-фреймворк с фиксированным sample size и срокам.

Подготовка: A/B-эксперименты.

5. Поведенческое (45 минут)

С маркетинг-руководителем. STAR-формат: расскажи про кейс, где ты убедил sales-команду изменить квалификацию лидов на основе данных; про конфликт с продактом по приоритетам; про факап в отчёте, который видел C-level. Параллельно проверяют, насколько ты ориентирован на коммуникацию с не-аналитиками — в Mindbox маркетинг-аналитик постоянно работает с командой sales-development, продактами и контент-маркетологами, и умение объяснять сложные SQL-выводы простым языком важно так же, как навык писать сами запросы.

Особенности по командам

B2B Sales marketing. Привлечение e-commerce и retail клиентов: performance в Яндекс.Директ/myTarget, контентный маркетинг через статьи и кейсы, partner-каналы. Аналитик считает CAC по каналам, отлеживает MQL → SQL → closed-won-конверсии, моделирует sales velocity (среднее время от лида до сделки). Стек повседневной работы: ClickHouse / Greenplum + Salesforce + Power BI. Подойдёт кандидату с опытом enterprise B2B-маркетинга или performance-команды в B2B SaaS, которому интересен длинный funnel и работа с малыми выборками.

Content marketing. Кейсы клиентов, отраслевые исследования, white papers и публикации в профильных медиа — главный канал привлечения в B2B SaaS-маркетинге. Аналитик измеряет вклад контента в pipeline (sourced vs influenced revenue), считает CPL по разным контент-форматам, отслеживает поведение лидов на сайте и сегментирует по интенту (читал кейс → скачал чек-лист → запросил демо). Здесь много работы с web-аналитикой, GTM, скоринговыми моделями. Подойдёт кандидату, которому нравится связка контента и аналитики.

Brand. Brand vs performance: измерение brand-метрик в B2B SaaS — отдельный сложный челлендж, потому что классические brand-tracker исследования дорогие, а прямой ROI brand-кампаний на длинном цикле размывается. Аналитик помогает интерпретировать данные опросов, отслеживает прямой/organic-трафик и долю branded queries, моделирует halo-эффекты на performance-каналы. Подойдёт кандидату с медианным опытом в брендинговых задачах и комфортом в работе с качественными данными.

Partnerships. Работа с агентствами, интеграторами, технологическими партнёрами — отдельная серьёзная функция. Аналитик измеряет ROI каждого партнёрства, считает влияние совместных вебинаров и интеграций на pipeline, помогает выстраивать revenue share. Подойдёт кандидату, который понимает channel-маркетинг и готов работать на стыке маркетинга и BD.

Retention / CRM. Удержание клиентов и expansion в новые модули — критическая зона для SaaS-экономики. Аналитик строит cohort-модели NRR, считает propensity to expand по сегментам, помогает customer success-команде запускать целевые upsell-кампании. Это работа на стыке маркетинга и CS. Подойдёт кандидату с интересом к unit economics и retention-механикам.

Что Mindbox ценит в маркетинг-аналитике

SQL уверенно. Слабый кандидат говорит «SQL знаю на базе, в Excel переношу и считаю там» — это сразу красный флаг для analytics-heavy роли. Сильный — пишет window functions (LAG/LEAD, RANK, running totals), знает разницу между HAVING и WHERE, умеет оптимизировать тяжёлые запросы (CTE, индексы, materialized views), может разобрать чужой запрос и найти баг. На собесе важно показать, что SQL для тебя — основной рабочий инструмент, а не вспомогательный.

B2B SaaS metrics. Сильный кандидат думает в терминах SaaS-экономики: NRR, GRR (gross retention), expansion ARR, contraction, churn ARR, payback period, CAC ratio. Слабый — оперирует только B2C-метриками типа ROAS и CTR. На собесе ожидают, что ты сможешь объяснить, чем отличается LTV B2B-клиента (с лестницей экспансии) от B2C-юзера, как декомпозировать ARR-growth на компоненты и почему net retention важнее gross retention для оценки health-score продукта.

LTV / churn. Сильный кандидат говорит конкретно: «LTV B2B-клиента считаем как сумму ARR за 4-летний горизонт с учётом expansion в новые модули и discounted by gross margin; в нашей текущей когорте NRR 118%, GRR 92%, средний payback по новому клиенту 14 месяцев». Слабый — отвечает абстрактно: «LTV это пожизненная ценность, считаем по формуле». Цифры и конкретика важнее знания теории.

A/B-тесты. Сильный кандидат знает, что в B2B классические A/B на closed-won-конверсию часто не дают значимости из-за малой выборки, и предлагает альтернативы: surrogate-метрики (MQL → SQL conversion вместо closed-won), bayesian-подходы, sequential testing с раннюю остановкой. Слабый — пытается применить B2C-фреймворк к B2B и удивляется, что 200 лидов в эксперименте — это слишком мало.

CDP-понимание. Сильный кандидат понимает, что такое CDP по сути (single customer view, event-driven сегментация, real-time персонализация), как Mindbox работает с клиентскими данными, какие use-cases у крупных мерчантов (email-кампании, push, web personalization, transactional triggers). Слабый — не отличает CDP от обычной CRM. Для маркетинг-аналитика Mindbox это уровень base — без понимания собственного продукта компании ты не сможешь нормально интерпретировать данные.

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 SaaS-метрики, CDP-методология. 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 отвечает «SQL знаю, в работе использовал», но на конкретной задаче с window functions или сложным JOIN-ом теряется. Что работает вместо: за неделю до собеса прогнать 30-40 задач на cohort retention, multi-touch attribution, B2B-funnel; разобраться с EXPLAIN на ClickHouse и Greenplum; уметь объяснять, почему именно такой план запроса.

Last click only. Кандидат говорит «мы считаем по последнему касанию» — для B2B-вендора с длинным циклом и десятками касаний это слабо. Сильный кандидат сразу обсуждает multi-touch attribution (linear, time-decay, position-based, data-driven), знает, что в B2B стандарт — first-touch + last-touch + influenced revenue одновременно, понимает limitations каждой модели.

Без B2B SaaS specifics. Кандидат разговаривает на языке B2C-performance — ROAS, CPM, CPC — и не понимает, что в B2B главная метрика pipeline coverage и NRR, а не возврат на рубль рекламного бюджета по неделе. Что работает: за две недели до собеса прочитать 5-7 статей по SaaS-метрикам (Bessemer State of the Cloud, Andreessen Horowitz blogs), посмотреть, как Hubspot и Salesforce рассказывают про unit economics.

Без CDP-понимания. Кандидат собеседуется в Mindbox, но не понимает, что компания продаёт — это критический сигнал отсутствия подготовки. Что работает: за день до собеса зайти на сайт Mindbox, прочитать про продуктовые модули, посмотреть пару клиентских кейсов, понять разницу между Mindbox и Calltouch / Roistat / amoCRM.

Без A/B. Кандидат говорит «у нас в команде был отдельный аналитик по экспериментам» — для маркетинг-аналитика в Mindbox это слабо. Что работает: прорешать кейсы по дизайну экспериментов в условиях малой выборки, 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 Mindbox для маркетинг-аналитика?

Часто полная удалёнка.

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.