Разбор кейса с собеседования про промокоды
Представьте, вы - продуктовый аналитик в приложении доставки еды.
Финансовый директор решил срезать расходы и убрал промокод на первый заказ (раньше давали скидку 30% новым пользователям).
Через месяц данные такие:
- Новых регистраций стало меньше на 20% 📉
- Retention новых пользователей на 30-й день упал на 30% 📉
- Зато CAC снизился на 40% 📈
PM хочет вернуть промокод. CFO против. Вас зовут на встречу. Что скажете?
Что проверяет интервьюер?
1. Понимание юнит-экономики и LTV 2. Умение работать с когортным анализом 3. Способность видеть конфликт интересов внутри компании 4. Бизнес-мышление - когда промокод это инвестиция, а когда - дыра в бюджете
Типичная ошибка - встать на сторону PM или CFO без анализа данных.
Правильный подход - разобраться что на самом деле произошло, и только потом делать выводы.
Давайте пройдемся по шагам решения кейса
Шаг 1: Уточняем контекст✍️
Первое что нужно сделать - задать вопросы:
> Что ещё менялось в тот же период? Сезонность, действия конкурентов, изменение рекламных каналов - всё это могло повлиять на цифры параллельно с отменой промокода.
> Каким был retention пользователей с промокодом исторически? Нужна база для сравнения - как вели себя эти когорты на 7-й, 30-й, 90-й день раньше.
> Как считается CAC? Только стоимость промокода или весь маркетинг?
Интервьюер оценивает: умеете ли задавать правильные вопросы до того, как лезть в данные.
Шаг 2: Проверяем внешний фон 🔍
Прежде чем искать причину внутри продукта - убеждаемся, что дело вообще в промокоде.
Когорта с промокодом и когорта без - это разные периоды времени. Если в тот же месяц конкурент запустил агрессивную акцию или изменился алгоритм рекламы - разница в метриках может быть вообще не про промокод.
Что смотрим:
- Динамику рынка и активность конкурентов
- Изменения в каналах привлечения
- Сезонность относительно прошлого года
Только если внешний фон стабилен - идём дальше.
Шаг 3: Генерируем гипотезы 🤔 Гипотеза 1: Промокод привлекал халявщиков
- Пользователи делали 1 заказ со скидкой и уходили
- Убрали промокод - стало меньше регистраций, но пришли более качественные пользователи
Гипотеза 2: Промокод был реальным драйвером первой привычки
- Скидка снижала барьер первого заказа
- Пользователи пробовали сервис, влюблялись и оставались
- Без промокода барьер слишком высок - люди не решаются попробовать
Гипотеза 3: Дело не в промокоде
- В тот же период изменился канал привлечения или активизировался конкурент
- Промокод тут ни при чём - его возврат ничего не исправит
Интервьюер оценивает: умеете ли вы держать несколько версий в голове и не торопиться с выводами.
Шаг 4: Декомпозируем метрики 🧮
Теперь пора проверить каждую гипотезу. Как это сделать?
Для гипотезы 1 и 2 сравниваем LTV двух когорт:
Когорта А - пришли с промокодом LTV = Средний чек × Частота заказов × Срок жизни - Скидка 30%
Когорта Б - пришли без промокода LTV = Средний чек × Частота заказов × Срок жизни
Для гипотезы 3 смотрим на структуру трафика: изменилось ли соотношение каналов в тот же период? Шаг 5: Формулируем рекомендацию
Только теперь идем к приоритезации и выводам:
-> Если внешний фон изменился - разбираемся с этим, возврат промокода не поможет
-> Если LTV когорты с промокодом выше - возвращаем, но умнее: только для органики или реферала, не для всего платного трафика
-> Если LTV когорт одинаковый - промокод не создавал ценности, ищем другие точки активации
-> Если данных недостаточно - запускаем A/B тест и смотрим retention и LTV через 90 дней
Вместо резюме
Этот кейс - про конфликт краткосрочных и долгосрочных метрик.
CAC снизился - это хорошо для квартального отчёта. Но если вместе с ним упал LTV - бизнес проигрывает в долгую. Важно это учитывать в работе и ориентироваться на текущие цели компании при принятии решений
