**Контекст:** Сервис доставки продуктов хочет тестировать мелкие оптимизации checkout-флоу за 7 дней (две итерации в спринт). Прямой расчёт даёт 20 дней — нужно найти способы ускорить тест.
**Данные:**
- Текущая конверсия в заказ: 8.2%
- Дневной трафик checkout: 15 000 пользователей
- Целевой MDE = 0.3 п.п. (с 8.2% до 8.5%)
- α = 0.05, power = 0.80
- Прямой расчёт: ~150 000 на группу → 300 000 итого → 20 дней
**Задание:**
1. Проверьте расчёт выборки — действительно ли нужно 150 000?
2. Предложите 3 метода снижения необходимой выборки
3. Рассчитайте, как CUPED может помочь в данном случае
4. Постройте таблицу: MDE vs длительность vs метод оптимизации
A/B-тест MDE чувствительность variance reduction CUPED стратификация
Это задание для уровня Middle. Для middle-аналитиков с опытом 1-3 года, требует уверенного владения темой и понимания edge cases.
Подобные задания в категории «A/B-тесты» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: A/B-тест, MDE, чувствительность, variance reduction, CUPED.
На реальном собеседовании на подобную задачу отводится 15-30 минут — оцениваются подход, корректность, обработка edge cases. Для тренировки рекомендуем сначала решить самостоятельно, потом сверить с эталонным решением и подсказками.
На zasqlpython.ru есть другие задания в категории «A/B-тесты», продуктовые кейсы, справочник метрик, AI мок-собеседование с разбором ваших ответов.
← Все задания