Недвижимость: аналитика ипотечного калькулятора

Ситуация: Ипотечный калькулятор на портале — 2 млн сессий/мес. Conversion в заявку на ипотеку — 0,5%. Revenue per lead для банков — 3 000 ₽. Потенциал — 30 млн ₽/мес.

Портал недвижимости с ипотечным калькулятором. Пользователи сравнивают предложения от 15 банков. Текущий UX: ввод параметров → таблица ставок. Нет персонализации, нет pre-approval.

Доступные данные

• calculator_sessions: session_id, user_id, property_price, down_payment, term_years, income, timestamp
• bank_offers: session_id, bank_id, rate, monthly_payment, position, clicked, applied
• applications: app_id, session_id, bank_id, submitted_at, approved, loan_amount, status
• user_journey: user_id, first_calc_date, searches, favorites, calc_sessions, applied

Задачи

• Построить воронку от калькулятора до одобренной заявки.
• Определить, какие параметры (LTV, income, property type) влияют на конверсию.
• Предложить персонализацию: pre-filtered предложения на основе профиля.
• Рассчитать revenue model при разных conversion rate scenarios.

Все кейсы для подготовки → ← Все кейсы