Собеседование на маркетинг-аналитика в Okko

Почему Okko — особенный работодатель для маркетинг-аналитика

Okko — крупный российский VOD/стриминг-сервис, один из ключевых SVOD-игроков на рынке с миллионами активных подписчиков. Бизнес-модель — SVOD + AVOD + transactional, плюс эксклюзивные трансляции (включая РПЛ-эфиры). Конкуренция жёсткая — Кинопоиск, IVI, Wink, Premier, START. Маркетинг здесь — про активное привлечение и удержание подписчиков с использованием спортивных и контентных эксклюзивов как УТП.

Маркетинг-аналитик в Okko работает с unit economics streaming-маркетинга со спецификой sports/exclusive content. Главные задачи: моделирование LTV подписчика по сегментам, attribution по каналам (включая sport-фанатов как отдельный сегмент), retention-аналитика с фокусом на пиковые периоды (сезоны футбола), A/B-эксперименты в onboarding и paywall, partner-аналитика (Okko работает в plot с разными партнёрами).

Особенность Okko — наличие в подписке премиум-спорта (РПЛ-эфиры) делает сегмент «sport-fans» отдельной группой с своим LTV-профилем и сезонным паттерном retention. Это в корне отличает Okko от чисто контентных конкурентов: маркетинг-аналитик должен уметь сегментировать когорты не только по каналу или возрасту, но и по «причине пришли» (контент vs спорт), и понимать, что после конца футбольного сезона часть подписчиков уходит. Это создаёт уникальные attribution-задачи (как считать вклад спортивных трансляций в acquisition подписки на год) и retention-кейсы (как удержать sport-fan вне сезона).

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

Актуальные вакансии — на hh.ru и сайте Okko.

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 media / streaming, причины ухода, ожидания. Если работал в Кинопоиске, IVI, Wink, Premier, START, KION — упомяни сразу, это самый быстрый сигнал релевантности. Готовь питч на 60 секунд: какие задачи закрывал, какие каналы вёл, какой эффект на LTV/CAC/retention. На этом же этапе обычно спрашивают про знакомство со sport-маркетингом и готовность к удалённому формату.

2. SQL deep dive (60-90 минут)

Технический разбор: дают схему таблиц (пользователи, подписки, просмотры, кампании, события платежей) и просят написать 4-6 запросов. Типовые задачи: cohort retention подписчиков по неделям после первой подписки с разбивкой sport vs content; ARPU по сегментам с учётом промо-периодов; attribution канала «трансляция матча» к подписке через 7 дней; расчёт LTV за 6 и 12 месяцев с учётом пауз; conversion funnel «открытие приложения → подписка → активация». Сильный кандидат использует window functions, понимает разницу между MAU и активной подписной базой, аккуратно работает с date arithmetic. Слабый — путает GROUP BY с window functions, забывает про NULL в LEFT JOIN.

Подготовка: SQL для маркетинг-аналитика.

3. Marketing-метрики и кейсы (60 минут)

Темы: LTV подписчика (с разбивкой sport/content и учётом сезонности), CAC по каналам с учётом cross-channel attribution, retention в streaming (D7/D30/M3/M6), payback period, ROAS на performance-каналах. Дают кейс: «РПЛ-сезон стартует через месяц, как ты подготовишься к acquisition-кампании и как будешь мерять её эффект». Сильный кандидат: строит план измерения incremental sign-ups, объясняет, как отделить sport-attribution от baseline, предлагает контрольную когорту. Слабый: говорит «считаем регистрации в период кампании».

Подготовка: LTV и CAC, Attribution models.

4. A/B + experiments (45 минут)

Разбор экспериментов в onboarding, paywall и CRM-кампаниях. Вопросы: как считаешь size sample, как выбираешь primary/secondary метрику, как ловишь Sample Ratio Mismatch, что делать с peeking, как интерпретировать результат при p-value 0.07 и большом effect size. Сильный ответ: понимание statistical power, готовность сказать «эффект не значим, нужно ещё неделю» под давлением продакта. Слабый: «p<0.05 — катим, всё ок».

Подготовка: A/B-эксперименты.

5. Поведенческое (45 минут)

С маркетинг-руководителем. STAR-формат: расскажи про конфликт с маркетинг-менеджером по поводу attribution, про факап с неправильным расчётом ROAS, про инициативу, которую ты продвинул через сопротивление. Параллельно проверяют коммуникацию — Okko это плоская структура с высокой плотностью аналитики, нужен навык быстро договариваться и обосновывать цифры.

Особенности по командам

Subscription marketing. Acquisition подписчиков через digital UA, performance-каналы (контекст, таргет, programmatic), sport-маркетинг под футбольный сезон. Аналитик отвечает за post-campaign reporting, оптимизацию bid-стратегий, CAC по каналам и сегментам. Подойдёт кандидату с опытом performance в e-commerce или streaming, кто понимает разницу «привёл подписку» vs «привёл активного юзера».

Retention / CRM. Удержание подписчиков, win-back-кампании (особенно для sport-fans после конца сезона), paywall-эксперименты, promo-механики. Задачи: cohort-анализ retention по сегментам, propensity-модели для предсказания churn (особенно перед окончанием футбольного сезона), A/B-тесты CRM-механик. Подойдёт аналитику с опытом subscription-маркетинга.

Brand. Brand-маркетинг — про охват, узнаваемость, attitude tracking. В Okko особенность — синергия со спортивным брендингом, brand lift studies, медиа-микс с долгим оффлайн-эффектом. Подойдёт кандидату со знанием MMM и опытом работы с медиа-планированием.

Digital. Mobile app acquisition — отдельный челлендж: SKAdNetwork, postback-attribution, deeplinks, AppsFlyer / Adjust. Аналитик считает unit economics в разрезе iOS/Android, ловит fraud installs, оптимизирует CPI и CPP. Подойдёт тем, кто работал с mobile в e-commerce, играх или других подписочных сервисах.

Content marketing. Релизы и эксклюзивы как канал привлечения: как премьеры сериалов и фильмов влияют на acquisition, какой incremental эффект, какой LTV у юзеров, пришедших на конкретный контент. Сложный домен — много шума от brand-эффектов. Подойдёт кандидату, кто не боится causal inference и может спорить с контент-командой о методологии.

Что Okko ценит в маркетинг-аналитике

SQL уверенно. Слабый кандидат говорит «знаю на базе» и теряется на window functions. Сильный — пишет cohort retention с самоджойном по неделям, на ходу объясняет, почему ROW_NUMBER лучше RANK для дедупликации событий, аккуратно работает с временными интервалами подписок (паузы, пробные периоды, перерывы).

Streaming metrics. Слабый кандидат не различает SVOD и AVOD. Сильный — раскладывает unit economics: средний LTV 18-24 месяца, payback 3-4 месяца, churn 6-8% MoM по контентным когортам и сезонно 10-15% для sport-fans, и почему эти бенчмарки важны при оценке кампаний.

LTV / churn. Слабый кандидат знает формулу LTV = ARPU/Churn. Сильный — раскладывает: «у нас retention в сегменте sport-fans отличается от content-fans, считаем отдельно, sport имеет высокий churn после сезона, content — равномерный, LTV считаем cumulative ARPU 12-месяцев».

A/B-тесты. Слабый кандидат катит эксперименты на 3 дня. Сильный — понимает statistical power, sample size calculation, MDE, peeking penalty, не боится сказать «нет, эффект не значим» даже под давлением.

Retention. Слабый кандидат показывает D7/D30 без сегментации. Сильный — строит retention curves по contentу-точке входа, сегментирует sport vs content, понимает сезонность и умеет объяснить, почему в streaming retention важнее acquisition.

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. Самый частый отказ — на SQL-секции. Кандидат знает SELECT и JOIN, но плавает на window functions, не помнит синтаксис CTE, путается с date_trunc. Без 30-40 решённых задач уровня LeetCode SQL / StrataScratch не пройти.

Last click only. В streaming с многоканальным трафиком и sport-эффектами last-click убивает 30-40% сигнала. Кандидат рассказывает «считаем по последнему касанию» — и всё. Сильный ответ: «начну с last-click, но параллельно multi-touch и линейная атрибуция, для бренда — incremental lift через geo-split».

Без streaming specifics. Кандидат рассказывает про unit economics e-commerce и не может перейти на язык подписок (MRR, churn, payback). Перед собесом прочитай 3-4 статьи про streaming economics — блоги Netflix, отчёты SVOD-индустрии, разборы IVI/Кинопоиска.

Без churn understanding. Кандидат не знает разницу между gross и net churn, не учитывает «зомби-подписки», не различает involuntary churn и voluntary. Сильный ответ: «считаю net revenue churn, отдельно gross, фильтрую involuntary через retry-логику, для sport-сегмента считаю seasonal churn».

Без A/B понимания. Кандидат говорит «p<0.05 — катим». На вопросы про SRM, peeking, multiple testing — пожимает плечами. В Okko A/B-секция отдельная, без подготовки по экспериментальному дизайну минимум 1-2 недели не пройти.

Связанные темы

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

FAQ

Удалёнка в Okko 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.