Ситуация: % возвратов в категории «одежда» вырос на 18 п.п. за 6 недель. Электроника — стабильно (8%).
Полтора месяца назад убрали штраф за возврат от 100 ₽ → стало бесплатно. Финансы кричат — теряют 90M ₽/мес на логистике возвратов.
orders: order_id, user_id, sku, category, ts, price, sizereturns: order_id, ts, reason (size/quality/other)pricing_changes: change_id, effective_from, descriptionuser_history: user_id, total_orders, total_returns_pct, ltvproducts: sku, brand, size_chart, has_size_tableЖанр кейса: Root cause / метрика упала — все кейсы этого типа.
Тип кейса «метрика упала на N%, найди причину». Проверяет умение декомпозировать метрику, ставить гипотезы и системно их проверять SQL.
Шаги: уточнить определение метрики и окно, декомпозировать по сегментам (платформа, регион, юзер, продукт), построить дерево гипотез (продукт/техника/поведение/внешние), проверить guardrail-метрики, дать вердикт rollback/hotfix/keep.
Сравнение «эта неделя vs прошлая» без сезонности, агрегат без сегментации, доверие к одной метрике без guardrail, игнорирование каннибализации между фичами.