Собеседование аналитика в Tutu.ru: гайд и подготовка
Tutu.ru — крупнейший сервис покупки билетов на поезда/самолёты/автобусы в России. По публичным источникам аналитическая команда сильная (упоминается Yury Balandin — старший продуктовый аналитик в Tutu, ранее работал в Azuro и Tinkoff, ведёт публичный Telegram-канал «Аналитик сюра» с разборами A/B и ML). Собеседование на аналитика (общая структура для travel-компаний): HR-скрининг → тех-встреча с командой аналитиков → встреча с PM/Lead с продуктовыми кейсами → опционально behavioral. **Пример продуктового кейса в стиле, который встречается в travel/subscription-продуктах (точного первоисточника именно для Tutu в открытом доступе мы не нашли — этот тип кейса разбирается на различных мок-интервью):** «Количество новых активаций бесплатных пробных подписок (триалов) упало за вчерашний день на 30%. Ваши действия?». Хорошая структура ответа — 4-5 гипотез (тех-сбой выгрузки, урезание marketing-бюджета, сезонность, изменение воронки регистрации). Один из часто разбираемых правильных ответов в школах подготовки: внедрили антифрод-систему → отсекли ботов, общее число триалов упало, но платящие не пострадали (кейс на различение vanity-метрик от business). **A/B-методология для travel-продуктов**: MDE (минимально обнаруживаемый эффект), ошибки α/β, мощность теста. Edge case часто разбираемый на собесах: «прирост значимый, но новой фичей воспользовалось 0.01% аудитории — что делать?» (разница statistically vs practically significant). Travel-специфика: метрики воронки бронирования, сезонные паттерны, антифрод (борьба с ботами/арбитражниками), logistics-кейсы.
Зарплата аналитика в Tutu.ru (2026)
Junior
оценка ~80-130K
Middle
~150-220K
Senior
~250-340K
Lead
~360K+
Источник: Общие отраслевые оценки по travel-сегменту РФ (Tutu, Aviasales, OneTwoTrip). КОНКРЕТНЫХ цифр по Tutu в getgrade.ru/Levels.fyi мало (компания меньше Yandex/Ozon по объёму вакансий). Стоит сверить с актуальной вакансией на c.tutu.ru/hr.
Grade ladder: Уровни: Junior → Middle → Senior → Lead. Acquaintance — Yury Balandin (Senior PA Tutu, Telegram «Аналитик сюра») ведёт публичные мок-интервью с разбором кейсов.
Классический пример **из общих мок-интервью** (не уникальный для Tutu, но характерный для travel/subscription-продуктов — точного первоисточника именно для Tutu в открытом доступе мы не нашли): «Триалы (бесплатные пробные подписки) упали на 30%. Ваши действия?» Хорошая структура ответа: проверить 4-5 гипотез (тех-сбой выгрузки, урезание marketing-бюджета, сезонность, изменение в воронке регистрации). Один из часто разбираемых правильных ответов: внедрили антифрод-систему, отсекли ботов — общее число триалов упало, но платящие не пострадали. Кейс проверяет умение различать vanity-метрики (раздутые ботами) от business-метрик (реальные платящие).
Какие A/B-темы спрашивают на собесе Tutu?
Дизайн A/B-теста: расчёт MDE (минимально обнаруживаемый эффект), ошибки I и II рода (α/β), мощность теста, sample size. Edge cases: «прирост значимый но новой фичей воспользовалось 0.01% аудитории — что делать?» Понимание разницы между «статистически значимо» и «практически значимо».
Какие кейсы специфичны для Tutu?
Travel-аналитика: метрики бронирования (CR от поиска до покупки), retention в touristry, lifetime сезонные паттерны (отпуск/майские/новогодние). Антифрод-кейсы (борьба с ботами и арбитражниками). Логистика (планирование маршрутов, geo-кейсы). Если интервью в специфической команде — кейс из той области.
Сколько раундов в Tutu?
Обычно 3-4: HR → тех-встреча с командой → встреча с PM + Lead → опционально behavioral. По времени — 2-3 недели общий процесс.
Где готовиться к собесу Tutu?
Telegram-канал Yury Balandin «Аналитик сюра» (Senior PA Tutu) — A/B-материалы, разборы кейсов. Кейс-сборники с antifraud-тематикой. SQL + Python — стандартный набор для аналитика.