Собес в Яндекс · Менеджер по MarTech и автоматизации роста (Алиса AI)

Как вы измеряете успех full-funnel growth для consumer AI-продукта?

Воронка: acquisition → activation (первый полезный сценарий) → habit (D7/D30 retention) → reactivation. Ключевые метрики: DAU/WAU/MAU, stickiness (DAU/MAU), cohort retention, SPU (sessions per user).

Чем отличается retention от reactivation и как вы работаете с каждым?

Retention — удержание активных; reactivation — возврат ушедших. Разные сегменты, каналы, сообщения. Retention: onboarding, habit loops. Reactivation: win-back кампании, push/email, экосистемные размещения.

Какие метрики вы считаете North Star для AI-сервиса вроде Алисы?

Зависит от стадии: на росте — MAU/новые пользователи; на удержании — D30 retention, SPU; на монетизации — LTV. Важно связать с бизнес-целью и не оптимизировать vanity metrics.

Как вы определяете, что пользователь «сформировал привычку»?

Пороговая частота использования (например, 3+ сессии в неделю), использование core-сценариев, переход из trial в regular cohort. Смотрите cohort curves и time-to-habit.

Как вы оцениваете качество привлечённого трафика?

Не только CAC, но и post-install метрики: D1/D7 retention, activation rate, LTV/CAC ratio. Сравнивайте когорты по каналам и креативам.

Как вы выявляете процессы, которые стоит автоматизировать в growth-команде?

Аудит рутины: частота, время, ошибки, зависимость от людей. Матрица impact × effort. Начинайте с высокочастотных ручных операций: сбор данных, подготовка сегментов, отчёты, мониторинг кампаний.

Опишите MarTech-стек, с которым вы работали. Какие инструменты за что отвечали?

Типичный стек: CDP/CRM (Mindbox, Braze, внутренние), перформанс (Яндекс.Директ, VK Ads), аналитика (Метрика, AppMetrica, Amplitude), BI (DataLens, Tableau), оркестрация. Важно показать связку, а не список.

Как вы автоматизировали подготовку аудиторий для кампаний?

Правила сегментации в CDP, автоматический экспорт в рекламные кабинеты, триггеры обновления, валидация размеров и пересечений. Сокращение time-to-launch.

Как вы мониторите статусы кампаний и аномалии в метриках?

Алерты на отклонения (CTR, CPA, retention), автоматические дашборды, еженедельные дайджесты. AI для детекции аномалий — плюс для этой роли.

Что такое «владелец MarTech-контура» и чем он отличается от оператора инструментов?

Владелец проектирует архитектуру, приоритизирует автоматизацию, ставит задачи аналитикам/разработчикам, измеряет ROI автоматизации. Оператор только нажимает кнопки.

Как вы формулируете требования к витрине данных для маркетинговой команды?

Определите сущности (пользователь, сессия, кампания, креатив, фича), гранулярность, частоту обновления, источники, SLA. Согласуйте с аналитиками и дата-инженерами.

Какие данные нужно собрать в единой системе для growth-команды?

Каналы, кампании, креативы, аудитории, тематики, продуктовые фичи, retention, SPU, CAC, LTV, экосистемные поверхности. Связка user_id ↔ marketing touchpoints ↔ product events.

Как вы проверяете качество данных в дашбордах?

Сверка с источниками, sanity checks, контроль дублей, мониторинг пропусков. Регулярные data quality review с аналитиками.

Как вы работаете с аналитиками и дата-инженерами как заказчик?

Чёткие user stories, acceptance criteria, приоритеты, итеративная поставка. Не «сделайте дашборд», а «маркетолог должен за 5 минут видеть CAC по каналам за неделю».

Что такое SPU и зачем он важен для AI-сервиса?

Sessions Per User — глубина вовлечения. Для Алисы важнее, чем просто DAU: показывает, насколько пользователь встроил сервис в рутину.

Как вы переводите CRM из ручных рассылок в систему сегментов и триггеров?

Карта lifecycle: новичок → активный → at-risk → неактивный. Для каждого стадии — триггеры, каналы, сообщения. Автоматические цепочки вместо разовых кампаний.

Как вы определяете пользователей «в зоне риска» (at-risk)?

Падение частоты сессий, отсутствие core-действий N дней, снижение SPU относительно своей когорты. Предиктивные модели — плюс.

Как вы проектируете win-back кампанию для неактивных пользователей?

Сегментация по давности ухода и прошлому поведению. Тест каналов (push, email, экосистема). Персонализация по тематикам/фичам. Измерение incremental lift, а не просто open rate.

Как вы автоматизируете подготовку аудиторий для пушей и ретаргетинга?

Динамические сегменты в CDP, правила включения/исключения, синхронизация с рекламными кабинетами, контроль частоты и fatigue.

Как вы оцениваете, каких пользователей можно вернуть и с каким сообщением?

Анализ прошлых reactivation-кампаний, сегменты по причине ухода, A/B тест сообщений. Оценка ёмкости сегмента и expected uplift.

Как вы оцениваете потенциал growth-гипотезы до запуска?

Ёмкость аудитории, estimated CAC, expected retention/LTV, confidence level. Framework: масштабировать / доработать / остановить.

Как вы строите систему оценки связок аудитория × креатив × канал?

Матрица комбинаций, минимальный объём для статзначимости, автоматический мониторинг, правила остановки слабых связок.

Как вы участвуете в развитии CAC/LTV-модели?

Определите входные данные (канал, когорта, фичи), горизонт прогноза, учёт AI-стоимости. Валидация модели на исторических когортах.

Как вы оцениваете результаты кампании: масштабировать, доработать или остановить?

Сравнение с benchmark (CAC, D7 retention, LTV/CAC). Статзначимость. Incremental vs attributed. Решение на основе unit-экономики, не vanity metrics.

Как вы работаете с экосистемными поверхностями для роста?

Размещения в продуктах экосистемы (Поиск, Карты, Браузер). Оценка incremental reach, cannibalization, cross-product retention.

Какие AI-сценарии вы внедряли или видите применимыми в growth?

Генерация/обновление креативов и сообщений, классификация запросов и аудиторий, детекция аномалий в метриках, автоматический анализ кампаний, приоритизация гипотез.

Как вы оцениваете ROI внедрения AI-инструмента в маркетинговый процесс?

Экономия времени (часы → минуты), скорость итераций, качество (CTR, retention uplift). Сравнение до/после, а не «мы внедрили ChatGPT».

Как AI-фичи продукта влияют на CAC/LTV-модель?

Стоимость inference на пользователя, влияние на retention и SPU, premium-сценарии. Учитывайте в unit-экономике.

Как вы автоматизируете еженедельные обновления для команды с помощью AI?

Шаблоны дайджестов, автосбор метрик, генерация summary и рекомендаций, алерты на аномалии.

Как вы создаёте единый источник информации по growth-инициативам?

Реестр: что запускается, owner, сроки, expected effect, confidence, факт, next steps. Инструмент: Notion, Jira, внутренняя система. Автоматическая подтяжка метрик.

Как вы приоритизируете backlog гипотез?

ICE/RICE/impact-effort matrix. Учитывайте ёмкость, confidence, зависимости, сезонность. Регулярный review с командой.

Как вы уменьшаете число ручных пересборок отчётов и презентаций?

Автоматические дашборды, шаблоны, self-service аналитика для маркетологов, единая витрина вместо 10 Google Sheets.

Как вы координируете работу маркетинга, аналитики и разработки?

Единый roadmap, регулярные sync, чёткие handoffs, общие метрики успеха. Вы — связующее звено и заказчик данных.