Streaming: всплеск churn на 31-й день после старта подписки

Ситуация: Музыкальный стриминг с 8M подписчиков заметил, что churn на 31-й день в 3 раза выше остального периода. Найди причину и предложи решение.

Бесплатный trial 30 дней с полным доступом, затем автосписание ₽299/мес. CAC = ₽800, LTV = ₽4500 при текущем retention. Если churn на 31-й день удвоит average — LTV упадёт до ₽2200, и каналы станут убыточными.

Доступные данные

• subscriptions: user_id, started_at, ended_at, plan_id, trial_end_date, payment_method
• payments: user_id, payment_date, amount, status (success/failed/declined)
• usage_daily: user_id, date, listening_minutes, songs_played, playlists_created
• cancellation_reasons: user_id, cancelled_at, reason_code (forgot/too_expensive/used_alternative/no_value)
• pre_charge_emails: user_id, sent_at, email_type (reminder_3d/reminder_1d/charged), opened, clicked

Задачи

• Подтвердить факт: построить кривую retention по дням от start_date. Реально ли всплеск на D31?
• Сегментировать D31 churn по подгруппам: payment_method (карта vs paypal vs apple), engagement (low/mid/high), cancellation_reasons.
• Сравнить: какой % D31-уходов = active cancellations vs failed payments (банк отклонил списание).
• Hypothesize: предложи 2-3 root causes и оцени их probability/impact.
• Предложи 3 эксперимента (A/B) для проверки и mitigation.

Все кейсы для подготовки → ← Все кейсы