Монетизация и юнит-экономика: вопросы для собеседования (часть 2)

LTV, CAC, ARPU, payback period, маржинальность — метрики юнит-экономики определяют, жизнеспособен ли бизнес. На собеседовании просят посчитать LTV по когортам, оценить окупаемость канала привлечения или смоделировать влияние изменения цены. Аналитик, понимающий экономику продукта, ценится особенно высоко.

A/B-тесты в продуктовой аналитикеОсновы продуктовой аналитикиВоронки, когорты и retentionРост, активация и онбордингИнструментация и качество данныхNorth Star, KPI и иерархия метрикПриоритизация и RICEПостановка задачи и PRDСегментация и позиционированиеСторителлинг и alignmentИсследование пользователей и JTBD

Вопросы 610 из 20

6Вы добавили новый дешёвый тариф. `conversion to paid` выросла, но общая выручка почти не изменилась. Что нужно проверить в первую очередь, чтобы понять риск `cannibalization`?
AТолько рост `conversion to paid` на дешёвый тариф
BТолько `ARPPU` пользователей дешёвого тарифа
CТолько число показов `paywall`
DИзменение общего `ARPU`/выручки по всей аудитории и миграции между тарифами (апгрейды/даунгрейды)
Ответ: При `cannibalization` рост конверсии может сопровождаться перетоком с дорогих планов на дешёвый, поэтому важно смотреть `ARPU` и микс тарифов.

Если часть пользователей, которые раньше выбирали дорогой план, теперь покупают дешёвый, вы теряете выручку на пользователя. Тогда `conversion to paid` может выглядеть отлично, но `ARPU` и потенциально `LTV` не растут. Поэтому проверяют общий эффект на деньги и распределение по тарифам, а также долю даунгрейдов. Это помогает отличить настоящий рост от перераспределения выручки внутри продукта.

7В freemium-приложении вы хотите понять, сколько в среднем приносит один платящий пользователь за месяц. Какая метрика отвечает на этот вопрос?
A`ARPPU`
B`ARPU`
C`conversion to paid`
D`LTV`
Ответ: Если делите выручку только на платящих, это `ARPPU`. `ARPU` делит выручку на всех пользователей.

`ARPPU` показывает средний доход на платящего пользователя и помогает оценивать ценность платящего сегмента. `ARPU` включает в знаменатель всех пользователей (в том числе бесплатных) и поэтому обычно меньше. `conversion to paid` показывает долю, а не деньги. `LTV` — про суммарный доход за весь жизненный цикл, а не только за месяц.

8Чтобы оценить, стал ли новый `paywall` лучше как экран, какую метрику обычно стоит смотреть в первую очередь?
A`LTV` за год
B`conversion to paid` на шаге `paywall_view -> purchase`
CКоличество активных пользователей
D`ARPU` по всему продукту без разрезов
Ответ: Качество `paywall` как экрана лучше измерять конверсией на его шаге, а не итоговыми метриками без контекста.

Если вы меняете дизайн `paywall`, первое, что хочется понять — стала ли лучше конверсия среди тех, кто этот экран увидел. Итоговый `conversion to paid` по продукту и `ARPU` могут не измениться из-за изменений в трафике до `paywall` или из-за состава аудитории. Поэтому метрика `paywall_view -> purchase` помогает изолировать эффект интерфейса. Затем уже проверяют общий эффект на `ARPU` и риск ухудшения других этапов воронки.

9В `pricing` тесте вариант B дал рост выручки, но также выросли возвраты и чарджбеки. На какую метрику корректнее опираться для финального решения?
AТолько `conversion to paid`
BТолько выручка до возвратов, потому что возвраты всегда случайны
CТолько `paywall` конверсия `paywall_view -> purchase`
D`ARPU` и/или `LTV`, посчитанные по `net revenue` (после возвратов), и при необходимости с учётом маржинальности
Ответ: Для решения по `pricing` важно считать деньги «после возвратов», то есть по `net revenue`, иначе эффект может быть иллюзорным.

Рост выручки до возвратов может скрывать ухудшение качества платежей или несоответствие ожиданиям пользователя. Если возвраты растут, реальный вклад в бизнес (и будущий `LTV`) может падать. Поэтому корректнее сравнивать `ARPU`/`LTV` на `net revenue` и дополнительно смотреть, не ухудшились ли показатели удержания и поддержки. Такой подход снижает риск принять решение, которое кажется прибыльным только 'на бумаге'.

10Вы слышали приближение `LTV ≈ ARPU / churn` для подписочных продуктов. Когда его можно использовать как грубую оценку?
AКогда продукт продаётся один раз без повторных платежей
BКогда есть стабильные `ARPU` и примерно постоянный `churn` (steady state), и вам нужна быстрая прикидка
CКогда `churn` может быть больше 1, так формула точнее
DТолько когда `churn` равен 0
Ответ: Прикидка `LTV ≈ ARPU / churn` работает как грубая модель в условиях стабильности и подписочного поведения.

Эта формула опирается на идею, что пользователь платит примерно одинаково каждый период, а вероятность уйти примерно постоянна. Тогда ожидаемая длительность жизни связана с `churn`, и `LTV` масштабируется как `ARPU / churn`. Если `ARPU` сильно меняется со временем, есть сезонность или сложные тарифы, модель будет грубой и может ошибаться. Поэтому её используют для быстрой оценки и затем уточняют когортным расчётом.

1234

Хотите тренировать интерактивно?

В приложении — таймер, прогресс, стрики и 1700+ вопросов по всем темам.

Тренировать в Telegram

Другие темы: Продуктовая аналитика

A/B-тесты в продуктовой аналитикеОсновы продуктовой аналитикиВоронки, когорты и retentionРост, активация и онбордингИнструментация и качество данныхNorth Star, KPI и иерархия метрикПриоритизация и RICEПостановка задачи и PRDСегментация и позиционированиеСторителлинг и alignmentИсследование пользователей и JTBD