Монетизация и юнит-экономика: вопросы для собеседования (часть 3)
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.
Вопросы 11–15 из 20
11Вы запускаете новый годовой план и видите рост покупок этого плана. Как убедиться, что это не просто замещение месячных подписок?
AСмотреть только конверсию в оплату годового плана и считать рост этой метрики достаточным доказательством успешного запуска нового тарифа.
BСравнить общий `ARPU` и выручку, а также микс планов в контрольной и тестовой группах, учитывая апгрейды и даунгрейды и оценивая влияние на `LTV`.
CСмотреть только средний платёж по годовому плану и считать рост этой цифры доказательством, что новый тариф приносит дополнительные деньги бизнесу.
DСчитать, что годовой план всегда лучше месячного, потому что деньги приходят раньше и наперёд закрывают плановые цели по выручке за квартал.
Ответ: Рост продаж нового плана не равен росту денег: при `cannibalization` выручка может просто перераспределиться между планами.
Если пользователи, которые и так платили бы помесячно, переходят на годовой со скидкой, вы можете терять в долгосрочной выручке. Поэтому нужно смотреть не только на продажи годового плана, а на итоговый `ARPU` и структуру оплат по всей базе. Полезно анализировать миграции между тарифами и, где возможно, оценивать эффект на `LTV` с учётом удержания. Так вы отделяете реальный прирост от замещения.
Подробный разбор → 12В подписочном продукте вы ищете рычаги роста LTV. Что чаще всего напрямую увеличивает LTV при прочих равных?
AРост числа установок без изменения монетизации: больше регистраций приносит больше выручки на пользователя
BУвеличение числа показов окна оплаты при неизменной доле пользователей, оплативших подписку после показа
CСнижение оттока за счёт лучшего удержания: растёт ожидаемая длительность жизни пользователя в продукте
DСмена названий тарифов без изменения цен и условий: иначе воспринимается подписка на психологическом уровне
Ответ: LTV растёт, когда пользователь дольше остаётся платящим, поэтому снижение оттока обычно сильный рычаг.
В упрощённой логике LTV зависит от того, сколько пользователь платит в период (ARPU) и сколько периодов остаётся с продуктом (связано с оттоком). Даже небольшое улучшение удержания может заметно поднять суммарную ценность, потому что вы продлеваете поток платежей. Показ окна оплаты сам по себе ничего не гарантирует, если не растёт доля оплативших. Поэтому улучшения, которые уменьшают отток и повышают ценность продукта, часто дают устойчивый рост LTV.
Подробный разбор → 13В A/B-тесте ценообразования вариант B показывает более высокую конверсию в платящего, но ниже средний платёж. Какая метрика чаще всего лучше отражает итоговый эффект на монетизацию продукта?
AСравнить только конверсию в платящего, чтобы зафиксировать, сколько людей вообще согласились начать платить за продукт
BСравнить `ARPU` (выручку на пользователя) по всем пользователям в группах, чтобы учесть и конверсию, и средний платёж сразу
CСравнить только доход на платящего пользователя (`ARPPU`), потому что именно он показывает реальную ценность одного платящего
DСравнить только число показов экрана оплаты, потому что это первичная воронка и она показывает интерес к новой цене
Ответ: Для решений по цене важно смотреть деньги на базе, поэтому `ARPU` часто более итоговая метрика, чем одна конверсия.
Конверсия в платящего отвечает на вопрос, сколько людей начали платить, но не учитывает сумму платежа. `ARPPU` наоборот игнорирует долю платящих и может скрыть ухудшение конверсии. `ARPU` объединяет оба эффекта и показывает, сколько в среднем приносит один пользователь из вашей базы. Дополнительно в зрелых продуктах смотрят влияние на `LTV` и риск роста оттока.
Подробный разбор → 14Вы сравниваете два дизайна страницы оплаты, но один вариант показывается только «горячим» пользователям (они уже нажали купить), а другой — всем на входе. Как корректнее измерить эффект дизайна без смещения?
AСравнить только тех пользователей, кто оплатил подписку, чтобы убрать шум и получить более чистый сигнал об эффекте дизайна на оплативших.
BПрименять варианты дизайна в чередующиеся недели и считать сезонность пренебрежимой, если внешние условия в эти недели похожи между собой.
CСравнить `ARPPU` среди оплативших в каждом варианте, поскольку эта метрика лучше отражает ценность пользователей и устойчива к разнице составов.
DРандомизировать пользователей на варианты и показывать оба дизайна по одинаковым правилам, а затем сравнить `ARPU` и конверсию в платных.
Ответ: Если аудитории разные, появится смещение отбора; нужны контрольная группа и рандомизация при одинаковых правилах показа.
«Горячая» аудитория почти всегда конвертируется лучше, поэтому её нельзя напрямую сравнивать с «холодной». Чтобы измерить эффект дизайна, нужно держать одинаковые условия входа на страницу оплаты и случайно распределять пользователей по вариантам. Тогда различия в конверсии в платных и `ARPU` можно интерпретировать как эффект дизайна, а не как эффект сегмента. Дополнительно полезно следить, не изменился ли процент пользователей, которые вообще доходят до оплаты.
Подробный разбор → 15Вы запустили бесплатный пробный период на 14 дней. Почему некорректно считать конверсию в оплату как долю оплат среди тех, кто начал пробный период в текущей календарной неделе?
AКонверсия в оплату некорректна для пробного периода: правильнее считать `LTV` за 30 дней, иначе результат не отражает монетизацию пользователей
BОкно оплаты срабатывает в разное время суток и искажает измерения в зависимости от часового пояса пользователя на стороне мобильного клиента
C`ARPU` в этой задаче важнее конверсии: правильнее сравнивать выручку на пользователя, а не долю перешедших на платный план в коротком окне периода
DМногие пользователи ещё не дошли до конца пробного периода: корректнее считать когортно по дате старта пробного периода с достаточным окном наблюдения
Ответ: Для пробного периода конверсию в оплату нужно считать по когорте старта и давать пользователям время завершить пробный период.
Если вы берёте только текущую неделю, часть пользователей физически не может успеть конвертироваться, поэтому оценка будет системно занижена. Корректнее определить когорту по дате старта пробного периода и измерять конверсию в оплату после окончания окна, одинакового для всех. Так вы сравниваете сопоставимые группы и избегаете смещения по времени. Этот подход также помогает честно сравнивать разные варианты окна оплаты и ценообразования, если они влияют на поведение внутри пробного периода.
Подробный разбор → Другие темы: Продуктовая аналитика