Условие кейса
Что говорит интервьюер
// Кейс
«Вы — продуктовый аналитик e-commerce маркетплейса. Утром на дашборде видите, что выручка за вчерашний день упала на 20% по сравнению с тем же днём неделей ранее. Что вы будете делать?»
Контекст: маркетплейс, ~500 тыс. заказов в день, мобильное приложение + веб. Продавцы и покупатели. Выручка = GMV × take rate.
Это самый частый кейс на собеседованиях в Яндексе, Авито, Ozon и других BigTech-компаниях. Его дают в разных вариациях: «конверсия упала», «DAU упал», «retention просел» — но логика разбора одинаковая. Научитесь решать этот кейс — и закроете 80% кейсовых вопросов.
// Главное правило
Не начинайте с гипотез. Интервьюер хочет увидеть, что вы мыслите структурно: сначала уточняете, потом декомпозируете, потом сегментируете — и только потом выдвигаете гипотезы. Если вы сразу скажете «наверное, баг» — это красный флаг.
Шаг 1
Уточнить: что, когда, насколько
Первое, что делает сильный кандидат — задаёт вопросы, а не бросается решать. Это показывает, что вы работаете с неопределённостью, а не делаете предположения.
Вы Когда именно произошло падение? Оно было резким (обрыв в конкретный час) или постепенным в течение дня?
Инт. Обрыв примерно в 14:00, до этого всё было нормально.
Вы Это -20% от дневной выручки или от часовой? Какая метрика: GMV, чистая выручка или revenue после take rate?
Инт. Дневной GMV. GMV = сумма всех заказов за день.
Вы Это первый такой день или падение продолжается несколько дней? И сравниваем с таким же днём неделю назад — не было ли в тот день чего-то необычного (акция, маркетинговый всплеск)?
Инт. Первый день. Неделю назад — обычный день, без акций.
// Зачем это нужно
Уточняющие вопросы не только дают информацию — они показывают интервьюеру, что вы не делаете предположений. «Резкое падение в 14:00» и «постепенное снижение весь день» — это совершенно разные паттерны с разными причинами. Без уточнения вы рискуете пойти не в ту сторону.
Шаг 2
Декомпозировать метрику: разложить на множители
Теперь ключевой шаг. Вместо того чтобы гадать «почему упала выручка», вы раскладываете метрику на составляющие и смотрите, какой компонент изменился. Это как диагностика: не «машина сломалась», а «двигатель? трансмиссия? электрика?».
GMV можно разложить несколькими способами. Вот самый распространённый:
Декомпозиция GMV — уровень 1
GMV = Покупатели × Заказы/покупатель × Средний чек
↓ раскладываем дальше
Покупатели
уникальные за день
Заказы / покуп.
частота покупок
Средний чек
avg order value
↓ покупатели = трафик × конверсия
Трафик (DAU)
визиты на сайт/приложение
Конверсия
визит → покупка
Теперь задаём вопрос: что из этого изменилось?
Если упал трафик — проблема на входе (маркетинг, SEO, баг в загрузке). Если упала конверсия — проблема внутри продукта (каталог, корзина, чекаут). Если упал средний чек — что-то изменилось в ассортименте или ценах.
// Альтернативная декомпозиция
Для маркетплейса можно декомпозировать и со стороны предложения: GMV = Активные продавцы × Объявления/продавец × Конверсия объявления × Средняя цена. Это полезно, если проблема на стороне продавцов (ушли, снизили цены, меньше публикуют). На собесе можно упомянуть обе декомпозиции — это покажет глубину мышления.
Шаг 3
Сегментировать: где именно проблема
Допустим, вы выяснили, что упала конверсия. Следующий вопрос: у всех ли? Или это локальная проблема в одном сегменте?
Проверяем метрику в разрезах:
Платформа
iOS / Android / Web
Если падение только на одной платформе — скорее всего баг в последнем релизе или обновлении ОС. Это первое, что проверяют.
География
Регион / город
Падение в одном регионе → локальная проблема (конкурент, логистика, сезонный фактор, проблема с платёжной системой в регионе).
Тип пользователя
Новые / вернувшиеся
Если падение только у новых — проблема с привлечением или онбордингом. Только у старых — что-то случилось с опытом для лояльных.
Категория товаров
Электроника / одежда / ...
Падение в одной категории → проблема с поставщиками, ценами или ассортиментом конкретной категории.
Этап воронки
Каталог → карточка → корзина → оплата
Помогает найти точное место, где ломается опыт. Если drop-off вырос на шаге оплаты — проблема с платежами.
Источник трафика
Organic / paid / direct / push
Если упал трафик из одного канала — проблема с этим каналом (реклама остановилась, SEO просел, push-уведомления не ушли).
Допустим, сегментация показала: конверсия упала только на Android, на iOS и Web — всё в норме. Падение началось в 14:00 — ровно во время релиза новой версии приложения. Теперь картина становится чёткой.
// Почему сегментация важна
Общее падение на 20% может означать: (а) у всех упало на 20%, (б) у одного сегмента упало на 80%, а у остальных не изменилось. Это радикально разные ситуации с разными причинами. Без сегментации вы не сможете выдвинуть точную гипотезу.
Шаг 4
Выдвинуть и приоритизировать гипотезы
Теперь — и только теперь — выдвигаем гипотезы. Они должны быть упорядочены по приоритету: сначала проверяем то, что проще и быстрее исключить, и то, что наиболее вероятно.
Порядок проверки: техника → продукт → внешние факторы. Технические причины проверяются быстрее всего и встречаются чаще, чем кажется.
P1 Баг в последнем релизе Android — релиз вышел в 14:00, падение началось в 14:00. Скорее всего, баг ломает какой-то шаг воронки (оплата, корзина, загрузка каталога).
Логи ошибок, crash rate P1 Проблема с трекингом — событие покупки перестало отправляться в аналитику. Выручка не упала реально, но мы её не видим в данных.
Сравнить с платёжкой P2 Ошибка на стороне платёжного шлюза — платежи не проходят или проходят с большими задержками. Пользователи доходят до оплаты, но не могут завершить.
Конверсия на шаге оплаты P2 Сломался поиск или каталог — пользователи не могут найти товары, конверсия из каталога в карточку резко упала.
Воронка: каталог → карточка P3 Маркетинговая кампания конкурента — конкурент запустил агрессивную акцию, переманившую часть пользователей.
Трафик organic + brand P3 Сезонный фактор — необычный день (начало каникул, праздник, погода), который не учтён в сравнении week-over-week.
Календарь, YoY данные // Почему техника первая
В реальной работе 40–50% «падений метрик» — это баги в трекинге, а не реальные проблемы. Проверить логи и сравнить данные аналитики с данными платёжной системы — дело 10 минут, но это сразу отсекает ложную тревогу. Если p = 0.03 у кейса с трекингом — вы потратите неделю на несуществующую проблему.
Шаг 5
Сформулировать рекомендацию
После проверки гипотез вы приходите к выводу. В нашем примере: баг в Android-релизе сломал экран оплаты — конверсия на этом шаге упала с 75% до 30%. Теперь нужно дать чёткую рекомендацию.
Вы Причина: баг в релизе Android v4.12, задеплоенном вчера в 14:00. Экран оплаты падает при попытке ввести промокод — crash rate на этом экране вырос с 0.1% до 12%.
Вы Масштаб: затронуто ~35% заказов (доля Android × доля промокодов). Потери за вчера ≈ 20% GMV, совпадает с наблюдением.
Вы Действие (краткосрочное): откатить релиз или выпустить hotfix. Уведомить поддержку — будут обращения от пользователей. Проверить, не нужно ли отправить push-извинение с промокодом пострадавшим.
Вы Действие (системное): добавить мониторинг crash rate на критичных экранах (оплата, корзина) с автоматическим алертом. Включить canary-релиз: сначала 5% пользователей, потом остальные.
// Что отличает сильный ответ
Слабый кандидат: «Нашли баг, нужно починить». Сильный кандидат: оценивает масштаб в цифрах, предлагает и тактическое (откат), и системное (мониторинг) решение, думает о пользователях (push-извинение). Это показывает ownership — качество, которое ценят в BigTech.
Итого
Универсальный фреймворк для любого кейса
Этот кейс — про выручку. Но тот же алгоритм работает для любой метрики: DAU, retention, конверсия, NPS. Вот компактная версия:
Алгоритм разбора падения метрики
1
Уточни: какая метрика, когда, насколько, резко или постепенно, первый раз или тренд 2
Декомпозируй: метрика = A × B × C. Какой компонент изменился? Спускайся по дереву, пока не найдёшь конкретный фактор 3
Сегментируй: платформа, гео, тип пользователя, категория, источник, этап воронки. Где проблема локализована? 4
Гипотезы по приоритету: техника (баг, трекинг) → продукт (фича, UX) → внешние (конкурент, сезонность). Для каждой — что проверить 5
Рекомендация: причина + масштаб в цифрах + краткосрочное действие + системное решение Ловушки
5 ошибок, которые заваливают кейс
Сразу прыгать к гипотезам. «Наверное, баг» / «Наверное, конкуренты» — без уточнения и декомпозиции. Интервьюер хочет видеть структуру мышления, а не удачную догадку. Даже если ваша первая гипотеза окажется верной — без демонстрации процесса вы не пройдёте.
Не задавать уточняющих вопросов. Кандидат получил условие и молча думает 2 минуты. Это показывает, что он привык работать с готовым ТЗ, а не уточнять задачу. В BigTech аналитик сам формирует вопрос — это ключевой навык.
Декомпозиция без конкретики. «Нужно посмотреть разные метрики» — но какие именно? Как они связаны? Сильный кандидат рисует дерево: GMV = Users × Orders/User × AOV, Users = DAU × CR. Показывает формулу и объясняет, зачем каждый компонент.
Остановиться на диагностике. «Проблема в баге на Android» — и всё? Интервьюер ждёт рекомендацию: что делать прямо сейчас? Что делать, чтобы не повторилось? Как оценить потери? Диагностика без решения — это отчёт, а не аналитика.
Рекомендация без оценки масштаба. «Нужно откатить релиз» — но насколько это срочно? Если баг затрагивает 2% пользователей — можно дождаться утреннего hotfix. Если 35% — откатывать немедленно. Масштаб определяет приоритет действий.
Варианты
Другие вариации этого кейса
На собеседовании один и тот же фреймворк применяется к разным метрикам. Вот как адаптировать декомпозицию:
«DAU упал на 15%» — DAU = новые + вернувшиеся. Новых меньше → маркетинг, SEO. Вернувшихся меньше → retention, пуши, баг
«Конверсия упала с 60% до 45%» — какой этап воронки? Разбить по шагам: каталог → карточка → корзина → оплата
«Retention упал на 3 пп» — у какой когорты? Новые пользователи или все? Один канал или все? Day-1 или Day-7?
«Средний чек вырос, но выручка упала» — больше чек, но меньше заказов. Ушли low-value покупатели? Или подняли цены и отпугнули часть?
Собеседование
Похожие кейсы, которые спрашивают на собесе
- Выручка упала на 20% вчера вечером. Ваши действия? Какие данные посмотрите в первую очередь?
- Конверсия из корзины в заказ упала с 60% до 45%. Как найти причину?
- DAU вырос на 10%, но retention упал. Что происходит?
- Retention нового онбординга вырос на 3%, но GMV упал на 2%. Запускать или нет?
- Пользователей в приложении стало на 30% больше, но выручка не выросла. Почему?
- Вы видите аномалию на дашборде: метрика резко выросла на 50%. Это точно хорошо?
- Средний чек вырос на 15%, а количество заказов упало на 20%. Что делать?
Что дальше
Связанные материалы
Главное про кейс с падением метрики
Интервьюер оценивает не правильный ответ (его часто нет), а ваш процесс мышления. Структура важнее содержания: уточнить → декомпозировать → сегментировать → гипотезы по приоритету → рекомендация с цифрами. Если вы пройдёте все пять шагов последовательно, спокойно и с конкретикой — кейс решён.
Тот же фреймворк работает для любой метрики: DAU, retention, конверсия, NPS, средний чек. Меняется только дерево декомпозиции — логика остаётся неизменной.
Следующий шаг: возьмите любой из кейсов из блока «Похожие вопросы», засеките 15 минут и пройдите все 5 шагов вслух. Запишите на диктофон. Послушайте — и вы услышите, где теряете структуру.
АТ
Андрей Тарасенко
// Продуктовый аналитик · Авито · Ментор
Этот кейс я проходил сам на собеседовании в Авито. И теперь помогаю менти готовиться к нему. Написал статью так, как объясняю на mock-интервью: пошагово, с диалогами и конкретикой.
Написать в Telegram