**Контекст:** Senior-собес в product-analyst / growth-роль. CEO спрашивает: «Наша unit-экономика сходится?». Нужно разложить, посчитать ключевые метрики и дать вердикт.
**Данные:**
[см. код в задании]
**Задание:**
1. Посчитать **CAC** (Customer Acquisition Cost) помесячно.
2. Посчитать **LTV (12 месяцев)** для каждой когорты.
3. Вычислить **Contribution Margin** (выручка − переменные расходы).
4. **LTV/CAC ratio** и **CAC Payback Period**.
5. Сделать вердикт: сходится ли unit-экономика, где проблема, что улучшать.
**Ожидаемый вывод:**
- Таблица метрик по месяцам
- Вердикт словами: «Unit-экономика сходится / не сходится. Причина: X. Фокус: Y».
Структура для ориентира — реальные значения из эталонного решения.
df = pd.DataFrame({
'month': ...,
'new_users': ..., # новые юзеры в месяце
'marketing_spend': ..., # затраты на привлечение в ₽
'revenue_total': ..., # выручка всего (все когорты)
'cogs_total': ..., # стоимость товаров/услуг
'operating_expenses': ..., # зарплаты, сервера (fixed)
})unit-economics ltv cac contribution-margin cohort
Это задание для уровня Senior. Senior-уровень — глубокое понимание темы, опыт решения нестандартных задач, обсуждение trade-off на собеседовании.
Подобные задания в категории «Метрики» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: unit-economics, ltv, cac, contribution-margin, cohort.
На реальном собеседовании на подобную задачу отводится 30-60 минут с обсуждением подходов, оптимизаций и trade-off. Для тренировки рекомендуем сначала решить самостоятельно, потом сверить с эталонным решением и подсказками.
На zasqlpython.ru есть другие задания в категории «Метрики», продуктовые кейсы, справочник метрик, AI мок-собеседование с разбором ваших ответов.
← Все задания