Cohort behavior analysis: паттерны монетизации мобильной игры

Условие задания

**Контекст:** Мобильная игра (casual puzzle) с freemium-моделью. Монетизация: IAP (внутриигровые покупки) + реклама. Retention падает, а LTV новых когорт ниже, чем старых. CEO хочет понять, что изменилось.

**Данные:** когорты по месяцу регистрации (cumulative ARPU, $):

| Когорта | Day 0 | Day 7 | Day 30 | Day 60 | Day 90 | Retention D30 |
|---------|-------|-------|--------|--------|--------|---------------|
| Jan-25 | 0.12 | 0.85 | 2.40 | 3.80 | 4.90 | 22% |
| Feb-25 | 0.15 | 0.92 | 2.55 | 4.10 | 5.20 | 23% |
| Mar-25 | 0.18 | 1.05 | 2.80 | 4.30 | — | 21% |
| Apr-25 | 0.10 | 0.65 | 1.90 | 2.80 | — | 17% |
| May-25 | 0.08 | 0.55 | 1.60 | — | — | 15% |
| Jun-25 | 0.09 | 0.50 | 1.45 | — | — | 14% |

Дополнительно:
- В апреле изменился UA-микс: доля Unity Ads выросла с 20% до 55%
- В апреле обновлён начальный контент (первые 20 уровней упрощены)
- IAP payer rate: Jan=4.2%, Feb=4.5%, Mar=4.8%, Apr=3.1%, May=2.5%, Jun=2.3%
- Avg IAP per payer: Jan=$58, Feb=$56, Mar=$58, Apr=$61, May=$64, Jun=$63
- Ad ARPU (D30): Jan=$0.85, Feb=$0.88, Mar=$0.92, Apr=$0.78, May=$0.72, Jun=$0.68

**Задание:**
1. Определите момент и причину падения LTV.
2. Декомпозируйте ARPU на IAP и Ad компоненты. Что падает?
3. Как изменение UA-микса объясняет падение? Количественно.
4. Предложите стратегию восстановления LTV с прогнозом.

Темы

когортный анализ LTV монетизация retention curves paywall cohort behavior

Подсказки

• Резкое падение начинается с апрельской когорты. Два одновременных изменения: UA-микс и контент
• ARPU = Payer rate × Avg IAP + Ad ARPU. Payer rate упал с 4.8% до 2.3%, а avg IAP вырос — это selection effect
• Unity Ads трафик обычно дешевле, но с худшим retention и payer rate — это "мусорный" трафик для IAP-monetized игры

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Cohort behavior analysis: паттерны монетизации мобильной игры"?

Это задание для уровня Senior. Senior-уровень — глубокое понимание темы, опыт решения нестандартных задач, обсуждение trade-off на собеседовании.

На каких собеседованиях встречается такая задача?

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: когортный анализ, LTV, монетизация, retention curves, paywall.

Сколько времени даётся на решение?

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.

Где ещё потренироваться по теме «Продуктовые задачи»?

На zasqlpython.ru есть другие задания в категории «Продуктовые задачи», продуктовые кейсы, справочник метрик, AI мок-собеседование с разбором ваших ответов.

← Все задания