Собеседование на маркетинг-аналитика в Premier

Почему Premier — особенный работодатель для маркетинг-аналитика

Premier — VOD-сервис «Газпром-Медиа», с фокусом на оригинальный российский контент: сериалы, фильмы и live-трансляции в связке с каналами ГПМ. Это часть крупного медиа-холдинга, что даёт синергии с производственными студиями группы. Маркетинг здесь — про привлечение и удержание подписчиков в условиях жёсткой конкуренции с Кинопоиском, Okko, IVI, Wink.

Маркетинг-аналитик в Premier работает с unit economics streaming-маркетинга со спецификой ГПМ-вселенной. Главные задачи: моделирование LTV подписчика, attribution по каналам (включая внутри-ГПМ flow), retention-аналитика, A/B-эксперименты в onboarding и paywall, content marketing-аналитика (как премьеры оригиналов влияют на acquisition). Кросс-функциональная работа с маркетингом, продуктом, контент-командой.

Особенность Premier — связка с ТВ-каналами и продакшеном ГПМ. Часть трафика приходит из эфира, часть — из digital, часть — из cross-promo внутри холдинга. Это даёт нестандартный attribution-челлендж: классический last-click ломается, когда юзер увидел рекламу сериала на ТВ, погуглил название, пришёл органикой. Маркетинг-аналитик должен уметь объяснять менеджменту, почему digital-каналы «недополучают кредита» и как считать инкрементальный эффект ТВ-кампаний на подписки.

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

Актуальные вакансии — на hh.ru и сайте Premier.

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 по компенсации. Если работал в Кинопоиске, Okko, IVI, Wink, 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 рекрутер обычно спрашивает про знакомство с инструментами ГПМ-холдинга и готовность работать в гибридном формате с офисом в Москве.

2. SQL deep dive (60-90 минут)

Технический разбор с ведущим аналитиком: дают схему таблиц (пользователи, подписки, просмотры, кампании, события платежей) и просят написать 4-6 запросов. Типичные задачи: cohort retention по неделям после первой подписки, attribution «первый/последний/линейный касание», расчёт LTV за 6 месяцев с учётом отмен и пауз, считать активных подписчиков по дням с учётом промо-периодов, voronka от показа рекламы до оплаты. Сильный кандидат пишет window functions без подсказок, аккуратно работает с date arithmetic, понимает разницу между MAU и активной подписной базой. Слабый — путается в GROUP BY, забывает про NULL в LEFT JOIN, не отделяет триал от платной подписки.

Подготовка: SQL для маркетинг-аналитика.

3. Marketing-метрики и кейсы (60 минут)

Темы: LTV подписчика (с учётом churn-кривой и upgrade/downgrade тарифа), CAC по каналам с учётом cross-channel attribution, retention в streaming (D7/D30/M3/M6 и почему именно эти точки), payback period, ROAS на performance-каналах. Дают кейс: «отдел продал 100k подписок за квартал, бюджет 60М, как оценить эффективность по каналам». Сильный кандидат строит unit economics с учётом промо-периодов и инкрементальности, объясняет, как разделять brand и performance bid. Слабый — смешивает GMV и MRR, считает CAC по plain «деньги/подписки» без учёта органики и attribution.

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. Кейс: «продакт хочет раскатить кнопку «продолжить смотреть» по результатам A/B с +0.5% retention при p=0.04 на 50k юзеров за 4 дня — что скажешь». Сильный ответ: усомнится в стабильности эффекта, попросит длиннее тест, проверит сегменты. Слабый: согласится с «значимо — катим».

Подготовка: A/B-эксперименты.

5. Поведенческое (45 минут)

С маркетинг-руководителем. STAR-формат: расскажи про конфликт с маркетинг-менеджером по поводу attribution-модели, про факап с неправильным расчётом ROAS, про инициативу, которую ты продвинул через сопротивление. Параллельно проверяют, насколько ты способен объяснять цифры нетехническим стейкхолдерам — это в Premier критично из-за частых пересечений с ТВ-маркетингом и контент-командой, где люди не читают SQL.

Особенности по командам

Subscription marketing. Acquisition подписчиков через digital UA, performance-каналы (контекст, таргет, programmatic), контентные кампании вокруг премьер. Аналитик отвечает за post-campaign reporting, оптимизацию bid-стратегий и CAC по каналам. Стек: SQL + Python для отчётов, Power BI для дашбордов, выгрузки из рекламных кабинетов и MMP. Подойдёт кандидату с опытом performance в e-commerce или streaming, кто умеет ловить fraud-трафик и понимает разницу между «привёл подписку» и «привёл активного юзера».

Retention / CRM. Удержание подписчиков, win-back ушедших, paywall-эксперименты и promo-механики. Задачи: cohort-анализ retention по сегментам, propensity-модели для предсказания churn, A/B-тесты CRM-механик (push, email, in-app). Тесно работает с продактами и контент-командой — например, спорит, какой сериал ставить на превью paywall для разных аудиторий. Подходит аналитикам, кто любит ML-light задачи и не боится SQL на 200 строк.

Brand. Brand-маркетинг — про охват, узнаваемость, attitude tracking. Аналитика тут отличается: brand lift studies, медиа-микс с долгим оффлайн-эффектом, синергия с ТВ-каналами ГПМ. Часто работаешь не с подписками напрямую, а с прокси-метриками (поиск бренда, прямые заходы, free-trial sign-ups). 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. Премьеры как канал привлечения: как релиз сериала влияет на acquisition, какой incremental эффект «громких» проектов, какой LTV у юзеров, пришедших на конкретный контент. Сложный домен — много шума от brand-эффектов, мало контрольных групп. Сюда берут аналитиков, которые не боятся работать с causal inference и могут спорить с контент-продюсерами о методологии.

Что Premier ценит в маркетинг-аналитике

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

Streaming metrics. Слабый кандидат путает GMV и MRR, считает «выручку» без учёта триалов и скидок, не знает, что такое viewer-hours. Сильный — рассказывает про unit economics streaming с цифрами: средний LTV 24 месяца, payback 3-4 месяца, churn 6-8% MoM, и почему эти бенчмарки важны при оценке кампаний.

LTV / churn. Слабый кандидат знает формулу LTV = ARPU/Churn и не идёт дальше. Сильный — раскладывает LTV по сегментам (триал vs платный, mobile vs web, по контенту), знает survival analysis базово, объясняет, почему simple-LTV ломается на коротких когортах, и предлагает альтернативы (cumulative ARPU за 12 месяцев).

A/B-тесты. Слабый кандидат не знает, что такое SRM, и 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 продакта.

Retention. Слабый кандидат показывает D7/D30 без сегментации и не различает retention триальной когорты и платной. Сильный — строит retention curves по контенту-точке входа, понимает «возвратный» retention (приходит-уходит-возвращается) 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 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 знает SELECT/JOIN/GROUP BY на бытовом уровне, но плавает в window functions, не помнит синтаксис CTE, путается с date_trunc и интервалами. На SQL-секции в Premier дают живой кодинг по схеме streaming-данных — без 30-40 решённых задач уровня LeetCode/StrataScratch не пройти.

Last click only. Кандидат говорит «считаем CAC по последнему клику» — и всё. В streaming, где user-journey растягивается на недели и пересекается с ТВ-эфирами, last-click — это потеря 30-40% сигнала. Сильный ответ: «начну с last-click, но параллельно посмотрю multi-touch и линейную атрибуцию, для бренда — incremental lift через geo-split».

Без streaming specifics. Кандидат рассказывает про unit economics e-commerce («корзина, чек, маржа») 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 кейсов IVI/Кинопоиска.

Без churn understanding. Кандидат не знает разницу между gross и net churn, не учитывает «зомби-подписки» (автопродление без активности), не различает involuntary churn (отказ карты) и voluntary. Сильный ответ: «считаю net revenue churn, отдельно gross, фильтрую involuntary через retry-логику».

Без A/B понимания. Кандидат говорит «p<0.05 — катим». На вопросы про SRM, peeking, multiple testing — пожимает плечами. В Premier A/B-секция отдельная — без подготовки по экспериментальному дизайну минимум 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 Premier для маркетинг-аналитика?

Гибрид и удалёнка распространены, но фулл-офис вакансии бывают для junior-грейдов. Senior+ обычно работают в гибриде с офисом в Москве 1-2 раза в неделю.

Зарплатные вилки 2026?

Middle: 190-280k. Senior: 280-400k.

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.