Ситуация: Цифровой банк (как Tinkoff / Revolut). Юзеры подают заявку, проходят onboarding (фото паспорта, селфи, KYC проверки), получают одобрение и должны активировать карту через приложение. Доля юзеров получивших одобрение, но НЕ заказавших/НЕ активировавших карту, выросла с 12% до 28%. CAC одного юзера 2500₽, нужно срочно понять причину.
Банк: 800K заявок/мес, КАС 1900₽ маркетинг + 600₽ KYC проверки. Activation rate (заказ карты после approval) = 88% базово, сейчас 72%. Кэшбек-программа активна, но юзеры не доходят до её использования. Звонит ли CFO? Звонит. Сегодня.
Доступные данные
applications: user_id, applied_at, status (pending/approved/rejected), rejection_reason, applied_via (app/web)
Подтвердить и количественно описать падение: тренд activation_rate по дням, выбрать дату «начала падения».
Воронка post-approval: approval → first_app_open_after_approval → card_order → card_activation. На каком из 4 шагов теряем больше всего НОВО (vs base)?
Сегментация: applied_via (app vs web), regione, age cohort, device. Где особенно плохо?
Анализ support: какие категории тикетов выросли с момента drop? text-clustering по словам.
Cross-check с product_releases: что менялось в onboarding/card-order flow за последние 30 дней? Совпадение по датам?
Predictor activation: какие user-features (KYC retry_count, app-screen visits, time spent) сильно коррелируют с активацией? logistic regression или decision tree feature importance.
Action plan: что делать за день, неделю, месяц. Финансовая оценка impact каждого fix.