Продуктовая аналитика: вопросы на собеседовании

Что спрашивают по продуктовой аналитике

Продуктовая аналитика на собеседовании — это не про инструменты (Amplitude, Mixpanel), а про мышление. Интервьюер хочет понять: может ли кандидат перевести бизнес-вопрос в метрику и обратно.

Воронка AARRR

Основные темы:

Метрики:

Retention (D1, D7, D30) — как считать, как интерпретировать
DAU/WAU/MAU и их соотношения
ARPU, ARPPU, LTV
North Star Metric — как выбрать для продукта
Conversion rate и воронки

Юнит-экономика:

Стоимость привлечения (CAC) и LTV
Payback period
Когортный анализ
Unit economics для подписочных продуктов

Продуктовые кейсы:

«Метрика упала на 10% — что делать?»
«Как измерить успех фичи X?»
«Какие метрики выбрать для продукта Y?»
«Retention падает — гипотезы и план анализа»

Воронки и сегментация:

Построение воронок по этапам
Поиск узких мест
Сегментация пользователей (новые vs вернувшиеся, платящие vs бесплатные)

Почему продуктовые вопросы самые коварные

В SQL есть правильный ответ. В продуктовой аналитике — нет. Интервьюер оценивает ход мыслей:

Задаёте ли вы уточняющие вопросы перед ответом?
Думаете ли о сегментах, а не только об агрегатах?
Рассматриваете ли альтернативные объяснения?
Можете ли перейти от «метрика упала» к конкретному плану действий?

Кандидаты проваливаются, когда дают «учебниковый» ответ вместо структурного рассуждения.

Примеры вопросов

Что измеряет метрика Retention? Долю пользователей, вернувшихся в продукт спустя определённое время. D1 Retention = % пользователей, которые вернулись на следующий день.
Что такое North Star Metric? Ключевая метрика, отражающая ценность продукта для пользователя. Для Spotify — время прослушивания, для Airbnb — забронированные ночи.
Что такое CAC? Cost of Acquisition — стоимость привлечения одного клиента. Считается как сумма затрат на маркетинг / количество привлечённых клиентов за период.
DAU/MAU = 0.5 — это хорошо или плохо? Хорошо — значит, половина месячной аудитории заходит каждый день. Для мессенджера — норма, для e-commerce — было бы отлично.
Метрика оплат упала на 15% за неделю. Ваши действия? Структура: проверить данные (не баг ли) → сегментировать (платформа, страна, когорта) → посмотреть смежные метрики (трафик, конверсия, средний чек) → сформулировать гипотезы → проверить.
Как выбрать North Star Metric для нового продукта? Она должна отражать ценность для пользователя, коррелировать с retention, быть под контролем команды. Для тренажёра: количество завершённых тренировок.

В Карьернике вопросы по продуктовой аналитике включают и теорию, и кейсы — с разборами типичных ошибок.

Другие темы

Как готовиться

Выучите фреймворки — AARRR (Acquisition, Activation, Retention, Revenue, Referral), ICE для приоритизации гипотез. Не для того чтобы зубрить, а чтобы иметь структуру ответа.
Практикуйте кейсы вслух — продуктовые вопросы проверяют рассуждение, а не знание. Проговаривайте ответ: уточнение → структура → гипотезы → проверка.
Знайте метрики своего домена — если идёте в e-commerce, разберите GMV, AOV, cart abandonment. В SaaS — MRR, churn rate, expansion revenue.
Думайте сегментами — «средний retention» не говорит ничего. Разбивка по когортам, платформам, каналам привлечения — вот что показывает аналитическое мышление.

FAQ

Чем продуктовый аналитик отличается от дата-аналитика?

Продуктовый аналитик фокусируется на пользовательском поведении и помогает продуктовой команде принимать решения. Дата-аналитик — более широкая роль: может работать с финансами, маркетингом, операциями. На собеседовании продуктового аналитика упор на метрики, A/B-тесты и кейсы.

Нужно ли знать конкретные инструменты (Amplitude, Mixpanel)?

На собеседовании — нет. Оценивают мышление, а не знание интерфейса. Инструменты осваиваются за неделю, а аналитическое мышление — нет.

Как отвечать на кейс «метрика упала»?

Структура: (1) уточнить — какая метрика, на каком периоде, есть ли сезонность; (2) проверить данные — нет ли бага в трекинге; (3) сегментировать — найти, где именно просело; (4) гипотезы — что могло измениться; (5) план проверки.

Тренироваться в Telegram