Собеседование на маркетинг-аналитика в R-Vision

Почему R-Vision — особенный работодатель для маркетинг-аналитика

R-Vision — российская cybersecurity-компания, один из ключевых вендоров на рынке автоматизации SOC и управления инцидентами в РФ. Продуктовая линейка — SOAR, SGRC, TIP, EDR — закрывает потребности крупных корпоративных SOC-команд (банки, госы, ритейл, ТЭК). Маркетинг здесь — поддержка длинных enterprise-сделок через специализированный контент и event-присутствие.

Маркетинг-аналитик в R-Vision работает с B2B-маркетингом в нише корпоративной кибербезопасности. Главные задачи: моделирование long sales cycle B2B-funnel, attribution лидов по каналам (content marketing, event marketing, partner network), event-аналитика (отраслевые конференции по безопасности), LTV enterprise-клиента, A/B-эксперименты. Кросс-функциональная работа с маркетинг-командой, sales и продактами.

Особенность ниши: цикл сделки 6-18 месяцев, чек от 5 до 100+ млн в год, ABM-подход (account-based marketing) — это не B2C-маркетинг с фокусом на click-through и CAC, а длинная игра с PoC, тендерами и presales. Маркетинг-аналитик в R-Vision должен уметь связывать активность в начале воронки (контент, ивент) с сделкой через 9 месяцев, и объяснять менеджменту, какие каналы реально драйвят pipeline, а какие выглядят активно, но не конвертят. Это требует Salesforce-fluency и сильного понимания B2B unit economics.

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 R-Vision.

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 / cybersecurity, причины ухода, понимание длинного цикла сделки. Если работал в Positive Technologies, BI.ZONE, InfoWatch, Kaspersky, F.A.C.C.T. — упомяни сразу, это самый быстрый сигнал релевантности. Готовь питч на 60 секунд: с какими ABM-программами работал, какой средний чек был у клиентов, как считал ROI ивентов. На том же этапе обычно спрашивают про знакомство с Salesforce и готовность работать в гибриде.

2. SQL deep dive (60-90 минут)

Технический разбор: дают схему таблиц (leads, deals, customers, events, touchpoints) и просят написать 4-6 запросов. Типовые задачи: B2B-funnel с конверсиями MQL → SQL → opportunity → closed-won, cohort retention enterprise-клиентов по годам, multi-touch attribution с весами по типу касания, pipeline-velocity, расчёт incremental ARR от ABM-программы. Сильный кандидат использует window functions, аккуратно фильтрует duplicate-leads, понимает разницу между created date и close date. Слабый — путает MQL и SQL, не учитывает re-opens сделок, считает revenue по deals без учёта downgrades.

Подготовка: SQL для маркетинг-аналитика.

3. Marketing-метрики и кейсы (60 минут)

Темы: LTV enterprise-клиента в cybersecurity (с учётом expansion, renewal-rate, gross retention), CAC для B2B (бюджет / paid logos), pipeline coverage (отношение pipeline к target в квартале), ROI event-маркетинга, payback period для ABM-программ. Дают кейс: «бюджет на ивенты 30М в квартал, какие конференции стоит закупать и как ты это оценишь». Сильный кандидат: считает incremental pipeline через лагированную attribution, делит на брендовые vs lead-gen ивенты, предлагает контрольные группы. Слабый: считает «лиды/деньги» без учёта качества и длинного цикла.

Подготовка: LTV и CAC, Attribution models.

4. A/B + experiments (45 минут)

Разбор экспериментов в B2B-специфике: маленькие выборки, длинная конверсия, невозможность чистого random-split на enterprise-сегменте. Вопросы: как тестировать landing-page в B2B при 2000 уникальных юзеров в неделю, как делать quasi-experiments на ABM-аккаунтах, что считать primary-метрикой (MQL? Opportunity? Closed-won?). Сильный ответ: понимание, что в B2B чаще работают geo-split, time-based holdouts, match-pair тесты. Слабый: пытается применить B2C-A/B-подход дословно.

Подготовка: A/B-эксперименты.

5. Поведенческое (45 минут)

С маркетинг-руководителем. STAR-формат: расскажи про конфликт с sales по поводу attribution (классика B2B), про факап с прогнозом pipeline на квартал, про инициативу по запуску ABM-программы. Параллельно проверяют, насколько ты способен взаимодействовать с sales и presales — в R-Vision маркетинг работает в плотной связке с продажами, нужен soft skill «договариваться, а не воевать».

Особенности по командам

B2B marketing. Крупные клиенты — банки, госы, телеком, ТЭК. ABM как основной подход: target-list 50-200 ключевых аккаунтов, индивидуальная digital-программа на каждого, синхронизация с sales-командой. Аналитик считает account-level engagement, эффективность ABM-tier (1/2/3), incremental pipeline. Подходит кандидату, кто работал в B2B SaaS и знает, как «продавать в крупняк».

Content marketing. Исследования по угрозам, threat-intel отчёты, технические кейсы, whitepapers — главный канал в cybersecurity, потому что покупатели читают вглубь перед покупкой. Аналитик считает downloads, MQL conversion, влияние контента на pipeline velocity, какие темы реально драйвят leads, а какие пишутся «для бренда».

Event marketing. Отраслевые конференции (PHDays, SOC Forum, Кибербезопасность для бизнеса), отраслевые демо, partner events. Бюджеты крупные, ROI считать сложно из-за лагов и нелинейности. Аналитик отвечает за event-attribution, post-event nurture эффективность, баланс «дорогие vs дешёвые ивенты». Подойдёт кандидату с опытом event-аналитики в B2B.

Retention / CRM. Удержание enterprise-клиентов, expansion в новые продукты (cross-sell SOAR → SGRC → TIP), upsell на новых пользователей в SOC. Аналитик считает gross retention, net revenue retention, expansion-rate, propensity моделей нет — слишком маленькая база. Тесно работает с customer success.

Brand. Brand-маркетинг в B2B — это про trust и mindshare у CISO и SOC-команд. Метрики: awareness в опросах ICR/CNews, share of voice в отраслевых медиа, прямые заходы и search-brand. Подойдёт кандидату со знанием brand-tracking-исследований и пониманием B2B-аудитории.

Что R-Vision ценит в маркетинг-аналитике

SQL уверенно. Слабый кандидат говорит «знаю на базе» и теряется на window functions. Сильный — пишет multi-touch attribution на CTE, аккуратно работает с duplicate-leads в Salesforce, считает funnel-конверсии с учётом re-opens сделок. На SQL-секции это решающий фильтр.

B2B / long sales cycle. Слабый кандидат меряет конверсии «за неделю» и считает CAC как «бюджет/лиды». Сильный — понимает, что в B2B reporting-цикл квартальный, что pipeline coverage важнее лидов, что lag между лидом и сделкой — 6-12 месяцев, и считает attribution с учётом этого лага.

LTV / CAC. Слабый кандидат пишет формулу из учебника. Сильный — говорит: «LTV enterprise-клиента — 5-летний кумулятивный ARR с учётом expansion и downgrade, payback по net new ARR, gross retention 90%+ для зрелых клиентов» — и приводит цифры из своего предыдущего места.

A/B-тесты. Слабый кандидат пытается катить классический B2C-A/B на 2k уников в неделю. Сильный — знает, что в B2B чаще работают geo-split, time-based holdouts, match-pair тесты, и может объяснить почему.

Event-маркетинг. Слабый кандидат говорит «MQL/деньги — это ROI». Сильный — считает incremental pipeline с лаговой attribution, делит ивенты на brand vs lead-gen, объясняет, почему «лиды с ивента» — это не то же самое, что «sourced pipeline».

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-метрики long sales cycle. 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, не справляется с задачей multi-touch attribution. Без 30-40 решённых задач уровня LeetCode/StrataScratch не пройти.

Last click only. В B2B last-click — это полный bias в сторону bottom-funnel. Лид «увидел статью, через 4 месяца пришёл по бренду» получит атрибуцию «direct», что обнуляет content marketing. Сильный ответ: «считаю multi-touch с весами по типу касания, отдельно — sourced и influenced pipeline».

Без B2B specifics. Кандидат рассказывает про B2C-метрики (CTR, CR, AOV) и не может перейти на B2B-язык (MQL, SQL, opportunity, pipeline coverage, net revenue retention). Перед собесом прочитай 3-5 статей про B2B unit economics — блоги SaaStr, OpenView, Bessemer.

Без long sales cycle. Кандидат пытается мерять конверсии за неделю, не учитывает 6-12-месячный lag, делает A/B-тест на 14 дней. Сильный ответ: «строю reports с rolling 6-month, attribution с лаговой логикой, A/B заменяю на quasi-experiments».

Без A/B. Кандидат не знает SRM, peeking, не различает statistical и practical значимость. В R-Vision A/B-секция отдельная — минимум 1-2 недели подготовки по экспериментальному дизайну.

Связанные темы

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

FAQ

Удалёнка в R-Vision для маркетинг-аналитика?

Гибрид и удалёнка распространены.

Зарплатные вилки 2026?

Middle: 200-290k. Senior: 290-420k.

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.