// СТАТЬИ

Статьи

Кейсы, метрики, A/B-тесты и разборы. Без воды.

КарьераРезюме продуктового аналитика: пройти ATS среди 800 откликовКак написать резюме продуктового аналитика: структура, ключевые слова для ATS, достижения в цифрах без NDA, 3 реальных примера (junior из не-IT, junior из IT, middle). Антипаттерны и сопроводительное письмо.~9 мин→ КейсыMAU +22%, revenue плоский — кто эти новые юзерыКейс: MAU вырос на 22%, но revenue плоский и ARPU упал на 18%. Разбираем падение ARPU при росте пользователей — расследование по данным, 4 SQL-шага, инсайт.~12 мин→ КейсыA/B нельзя — измеряем эффект ценовой политики через PSM + DiDКвазиэксперимент: как измерить эффект новой ценовой политики по регионам без A/B — через PSM и DiD. Python-код, balance check, результат +6.8%.~12 мин→ A/BКак объяснить продакту, что A/B не сработал: 6 шаблонов разговора6 шаблонов разговора аналитика с продактом, когда A/B не сработал: эффект не значим, отрицательный, guard-метрики падают, продакт давит на раскатку. Из личного опыта.~8 мин→ A/BDiD без боли: когда A/B нельзя — берём разность разностейDifference-in-Differences (DiD) простыми словами: когда A/B нельзя запустить, суть метода разности разностей, тест параллельных трендов, пример на Python с pandas и statsmodels, где DiD ломается и краткое введение в синтетический контроль.~10 мин→ SQL8 SQL-задач, которые дают на собесе в BigTech8 SQL-задач, которые дают на собеседовании в BigTech (Яндекс, Авито, Ozon, Тинькофф): top-N per group, rolling DAU, cohort retention, time-to-event, sessions, перцентили, ratio с CI, anti-fraud. С решениями и разбором подвохов.~10 мин→ A/BA/A-тесты: зачем нужны и что делать, если падает значимостьA/A-тесты в продуктовой аналитике: зачем запускать, как читать процент значимых, 5 причин ложной значимости (SRM, дубликаты, не-iid юзеры, кэш CDN, ratio в лоб) и чек-лист отладки из 6 шагов.~8 мин→ КейсыКейс: Push дал ARPU +4%, но через месяц churn +12%Кейс продуктового аналитика: A/B на агрессивных push-уведомлениях дал ARPU +4% за неделю, раскатили — через 28 дней churn вырос на 12%, push-disable rate удвоился. Разбираем, где прокололись, и как поставить holdout-группу.~10 мин→ КейсыКейс: 80% органика, 0.4% в платное — чиним онбордингКейс продуктового аналитика: SaaS-инструмент с 80% органического трафика и 0.4% конверсии в платное. Декомпозиция воронки, 4 гипотезы, A/B на сокращение онбординга — +37% к activation, эффект держится на 30-й день.~11 мин→ SQLRFM-сегментация в SQL за 30 минутRFM-сегментация в SQL за 30 минут: NTILE(5) на Recency / Frequency / Monetary, 11 классических сегментов (champions, loyal, at-risk, hibernating), готовый SQL под маркетплейс-датасет и что делать с каждым сегментом в e-com.~10 мин→ МетрикиПрогноз продаж в Python: ARIMA vs Prophet vs LightGBM на одних данныхСравниваем ARIMA, Prophet и LightGBM на 2 годах продаж e-com маркетплейса. Реальный код Python, MAE/MAPE на тесте, прод-опыт: что выбрать в реальном проекте.~12 мин→ МетрикиЮнит-экономика для аналитика: 5 формул, которые надо знать5 формул юнит-экономики продуктового аналитика: ARPU vs ARPPU, 3 способа считать LTV (naive, когортный, predictive), CAC fully-loaded vs marketing-only, payback period и contribution margin. С разбором 4 классических ошибок.~9 мин→ КейсыКейс: D7 retention упал на 18% после релизаКейс продуктового аналитика: D7 retention в фитнес-приложении упал на 18% после релиза. Разбираем 5 гипотез по алгоритму «от дешёвых к дорогим» и находим причину — баг трекинга iOS-сессий, не падение продукта.~10 мин→ КейсыКейс: конверсия выросла, revenue упал — каннибализация в A/BКейс продуктового аналитика: A/B на upgrade-кнопке дал +9% CTR и +12% к Free→Pro конверсии, но revenue в treatment-ячейке упал на 3%. Разбираем, как находили каннибализацию между сегментами через SQL и какие guard-метрики поставили после.~11 мин→ A/BCUPED простыми словами: как ускорить A/B-тест в 1.5–2 разаCUPED простыми словами: как метод повышения чувствительности A/B-тестов сокращает выборку в 1.5–2 раза. Формула без ужаса, реализация на Python в 10 строк, когда работает и не работает, сравнение со стратификацией, подводные камни.~9 мин→ МетрикиДерево метрик: от North Star до рычагов командыКак построить дерево метрик продукта: от North Star Metric до управляемых рычагов команды. Шаблон, пример для маркетплейса, 5 антипаттернов и чек-лист здорового дерева.~8 мин→ МетрикиМетрика Полярной Звезды (NSM): как не выбрать ложнуюNorth Star Metric — главное число продукта. Чем NSM отличается от OKR и KPI, leading vs lagging, 5 живых примеров (Airbnb, Spotify, Slack, маркетплейс, SaaS), 7 признаков правильной NSM и 4 ловушки.~7 мин→ SQLГде брать SQL-задачи для аналитика: 7 тренажёров + сравнениеГде практиковать SQL для аналитика: 7 проверенных тренажёров (Karpov, Stepik, Practicum, sql-ex, DataLemur, StrataScratch, LeetCode), честное сравнение бесплатного и платного, в каком тренажёре что брать под собес.~8 мин→ A/BA/B тесты на маркетплейсе: network effects, SUTVA, каннибализацияПочему классический A/B тест ломается на маркетплейсах. Network effects, нарушение SUTVA, каннибализация между селлерами — и как с этим работать на практике.~10 мин→ КарьераВиды аналитиков: кто чем занимается и чем отличаютсяЧем отличаются продуктовый, дата-аналитик, BI-аналитик, маркетинг-аналитик и DS. Конкретные задачи, инструменты и зарплаты.~7 мин→ A/BКогнитивные искажения в аналитике: как мозг ломает анализ12 когнитивных искажений, которые ломают анализ данных: confirmation bias, survivorship, p-hacking, anchoring. С примерами и приёмами защиты.~7 мин→ КейсыКейс: конверсия из корзины в заказ упала с 60% до 45% — разбор для аналитикаПошаговый разбор реального аналитического кейса: декомпозиция, SQL-проверки, типичные причины падения CR и как структурировать ответ на собесе.~10 мин→ КейсыКейс: DAU вырос, а retention упал — что происходит?Разбор продуктового кейса: почему DAU растёт, а retention падает. Как декомпозировать метрику, какие гипотезы проверить и как структурно отвечать на собесе.~12 мин→ КейсыКейс: «Выручка упала на 20%» — пошаговый разбор для аналитикаКак структурно разобрать падение выручки на собесе аналитика. Декомпозиция, фреймворк проверки гипотез, типичные ошибки и эталонный ответ.~10 мин→ МетрикиКогортный анализ: SQL-запрос, визуализация и интерпретацияЧто такое когортный анализ, как его строить через SQL, как визуализировать heatmap-таблицей и как интерпретировать результаты. С примерами.~10 мин→ МетрикиКак построить дашборд, который реально используютПринципы дизайна дашборда для продуктовой команды: пирамида метрик, фокус на actionable, антипаттерны. С примерами и чек-листом.~8 мин→ МетрикиКак декомпозировать метрику: универсальный фреймворк для кейсовУниверсальный фреймворк декомпозиции метрик для аналитических кейсов. Как разложить любую метрику на драйверы и не запутаться на собесе.~8 мин→ МетрикиВоронка продукта: построение, анализ drop-off и SQL-запросыКак построить продуктовую воронку, анализировать drop-off на каждом шаге и писать SQL для funnel-анализа. С разбором типичных ошибок.~9 мин→ МетрикиLTV простыми словами: формулы, расчёт, SQL и связь с CACЧто такое LTV, как считать (3 способа), SQL-запрос для расчёта, связь с CAC и Payback Period. С примерами и типичными ошибками.~10 мин→ МетрикиМетрики маркетплейса: GMV, NMV, take rate, ликвидностьВсе ключевые метрики маркетплейса: GMV, NMV, take rate, retention селлеров, ликвидность категорий. С формулами и примерами Авито/Wildberries.~9 мин→ A/Bp-value простыми словами: что это, как интерпретировать и частые ошибкиЧто такое p-value на самом деле, как его правильно интерпретировать и какие ошибки совершают аналитики. Без формул, с интуицией.~8 мин→ PandasPython для аналитика: pandas за 30 минут (с задачами)Минимальный pandas для продуктового аналитика: groupby, merge, pivot, оконные функции. С 12 практическими задачами и решениями.~10 мин→ МетрикиRetention: как считать, виды, SQL-запрос и интерпретацияЧто такое retention, виды (classic, rolling, range), как считать в SQL, как интерпретировать кривую. С примерами и кодом.~10 мин→ SQL10 SQL-задач уровня собеседования в Яндекс и Авито (с решениями)10 SQL-задач разного уровня сложности из реальных собеседований в продуктовые команды Яндекса и Авито. С решениями и разбором.~10 мин→ КарьераФрейм STAR: как рассказывать о кейсах на интервьюСтруктура STAR для ответов на поведенческие вопросы. Разбор формата + примеры хороших и плохих ответов специально для аналитика.~6 мин→ SQLОконные функции SQL: ROW_NUMBER, RANK, LAG, LEAD с примерамиПолный разбор оконных функций SQL: ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD, SUM OVER. С 8 практическими примерами для аналитика.~10 мин→ КарьераФормула XYZ: как писать резюме аналитикаФормула XYZ от Google для пунктов резюме: «Сделал X, измеренное Y, через Z». Примеры до/после специально для аналитиков.~8 мин→