**Контекст:** Вы аналитик в студии мобильных игр. Вышло обновление (v2.0) месяц назад. Нужно оценить его влияние на `retention` новых игроков.
**Данные:** `retention` когорт (% от размера когорты):
| Когорта | Размер | `D1` | `D3` | `D7` | `D14` | `D30` |
|---|---|---|---|---|---|---|
| Ноябрь (до v2.0) | 50 000 | 40% | 25% | 15% | 10% | 6% |
| Декабрь (до v2.0) | 55 000 | 42% | 26% | 16% | 11% | 7% |
| Январь (v2.0) | 60 000 | 48% | 33% | 22% | 16% | 11% |
| Февраль (v2.0) | 45 000 | 47% | 32% | 21% | 15% | — |
**Задание:**
1. Сравните retention-кривые до и после обновления.
2. Рассчитайте `cumulative retained days` (area under curve).
3. Оцените прогнозный `LTV` и эффект v2.0 на бизнес.
retention когорты продуктовые метрики LTV gaming churn
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 «Продуктовые задачи» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: retention, когорты, продуктовые метрики, LTV, gaming.
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 «Продуктовые задачи», продуктовые кейсы, справочник метрик, AI мок-собеседование с разбором ваших ответов.
← Все задания