Подготовка к отбору на роль Product Marketing Manager в цифровой сервис финансового планирования: вовлечение, геймификация, CRM и рост продуктовых метрик внутри экосистемы Сбера.
Фишка: Сбер — экосистемный банк с десятками цифровых сервисов и огромной базой пользователей СберБанк Онлайн. Для этой роли важна не только маркетинговая кампания «снаружи», а рост активности внутри продукта: in-app коммуникации, геймификация, персонализация и координация с продуктовой командой нового финансового сервиса.
| Этап | Длительность | Что проверяют |
|---|---|---|
| HR / рекрутер | 30–45 мин | Мотивация, опыт 3+ лет в PMM/CJE/CRM/PM, зарплатные ожидания, готовность к гибриду в Москве (м. Кутузовская), соответствие корпоративным стандартам Сбера. |
| Hiring manager / лид продукта | 60–90 мин | Разбор релевантных кейсов: запуск цифрового продукта, механики удержания, маркетинговые кампании внутри приложения, работа с метриками и бэклогом инициатив. |
| Технический / продуктовый блок | 45–60 мин | Продуктовые кейсы: проектирование сценариев вовлечения, геймификация, CRM-воронки, приоритизация гипотез, аналитика DAU/MAU/retention. |
| Кросс-функциональное / финал | 45–60 мин | Совместная работа с PO, дизайном и разработкой; стратегическое мышление; культура Сбера, масштаб экосистемы, ответственность за пользовательский опыт в финансовом контексте. |
Обязательный минимум
Плюсом будет
Как вы выстраивали стратегию продвижения нового цифрового продукта или крупной функции?
ICP → ценностное предложение → каналы активации → in-product growth → метрики успеха на 30/90 дней. Для Сбера — акцент на экосистемные точки входа.
Чем Product Marketing Manager отличается от Product Manager и CRM-маркетолога?
PMM — связка продукта и рынка: позиционирование, GTM, adoption, messaging. PM — discovery и delivery. CRM — коммуникации и кампании. На этой роли пересечение всех трёх.
Как определить, что продукт «запущен успешно»?
Не только регистрации: activation rate, time-to-value, D7/D30 retention, частота использования ключевой функции, NPS/CSAT по сегментам.
Как формировали ценностное предложение для сложного финансового сервиса?
Jobs-to-be-done, барьеры пользователя (страх, сложность, недоверие), proof points, простой первый шаг (onboarding hook).
Какие каналы продвижения внутри digital-сервиса вы использовали?
Onboarding flows, баннеры, stories, виджеты, push/in-app, deeplinks, cross-sell из других сервисов экосистемы, персональные рекомендации.
Совет: Для финансового планирования ключевой барьер — «это сложно и страшно». Покажи, как снижал когнитивную нагрузку в коммуникациях и первом сценарии.
Ловушка: Не описывай только медиа-кампании «снаружи» — вакансия явно про рост активности внутри продукта.
Какие механики вовлечения вы реализовали и какой эффект они дали?
Конкретная механика → гипотеза → сегмент → метрика (retention, sessions/week, completion rate) → результат с числами.
Как проектировать геймификацию для non-game продукта?
Цель ≠ «развлечение», а habit formation: прогресс, streaks, челленджи, badges, leaderboards (осторожно), variable rewards. Octalysis / Hook Model.
Какие элементы геймификации подходят для сервиса финансового планирования?
Финансовые цели как квесты, прогресс-бар плана, streak регулярных действий, микро-достижения, челленджи «30 дней», социальное сравнение без раскрытия сумм.
Как бороться с «выгоранием» геймификации?
Ротация механик, персонализация, новые сезоны/челленджи, фокус на intrinsic motivation (реальная ценность плана), не только extrinsic rewards.
Как измерить успех механики удержания?
Cohort retention, stickiness (DAU/MAU), repeat usage of core action, churn по сегментам, engagement depth, time between sessions.
Что делать, если пользователи проходят onboarding, но не возвращаются?
Диагностика: activation vs engagement gap, анализ drop-off, qualitative research, триггеры возврата (CRM), упрощение первого ценного действия, re-onboarding.
Фишка: Вакансия прямо перечисляет: челленджи, достижения, персональные рекомендации — подготовь примеры по каждому типу механики.
Ловушка: Геймификация без связи с core value (реальный финансовый план) быстро теряет эффект — не предлагай «очки ради очков».
Как вы проектировали CRM-сценарии для digital-продукта?
Триггеры (события) → сегмент → канал → сообщение → цель → лимиты частоты → A/B. Примеры: dormant users, milestone achieved, plan incomplete.
Как балансировать персонализацию и «спам» в push-уведомлениях?
Frequency caps, relevance scoring, opt-in moments, quiet hours, канальная стратегия (push vs in-app vs email), suppression rules.
Какие данные нужны для персонализированных рекомендаций внутри продукта?
Поведенческие события, сегмент lifecycle, финансовые цели/профиль (с учётом compliance), контекст (время, устройство), история реакций на коммуникации.
Как оценить эффективность маркетинговой кампании внутри приложения?
Holdout/control group, uplift по целевой метрике, incremental vs attributed, cost per incremental action, long-term retention impact.
Как работать с рекомендательными системами или rule-based персонализацией?
Cold start problem, гибрид rules + ML, explainability для финтеха, тестирование рекомендаций как product experiments.
Совет: В банковском контексте всегда упоминай compliance: не персонализировать чувствительные данные в публичных каналах, соблюдение регуляторных ограничений.
Ловушка: Open rate push — vanity metric. Готовь ответ с целевой продуктовой метрикой (return rate, plan update, goal set).
Какие метрики вы отслеживали для роста пользовательской активности?
North Star + input metrics: DAU/MAU, stickiness, retention curves, activation rate, feature adoption, session frequency/depth.
Что такое stickiness и как его улучшить?
DAU/MAU ratio. Улучшение: habit loops, recurring value, notifications с ценностью, контент/функции для регулярного возврата.
Как анализировать retention cohorts?
D1/D7/D30 по когортам запуска/канала, сравнение до/после изменений, разбивка по сегментам и activation path.
Как найти точки роста в продуктовых данных?
Funnel analysis, segmentation, correlation activation actions ↔ retention, qualitative + quantitative, ICE/RICE для гипотез.
Объясните разницу между activation, engagement и retention.
Activation — первое ценное действие. Engagement — глубина/частота использования. Retention — возврат через время. Разные levers.
Какие метрики важны для финансового wellness-продукта?
Plan created, goals set, regular plan review, savings/investment actions triggered, progress toward goals, trust indicators (support tickets, churn reasons).
Фишка: Вакансия требует «умение работать с продуктовыми и маркетинговыми метриками» — всегда называй конкретные числа и период наблюдения.
Опишите A/B-тест, который вы проводили для роста вовлечённости.
Гипотеза → primary metric → guardrail metrics → sample size/duration → результат → decision → learnings.
Как приоритизировать гипотезы для бэклога engagement-инициатив?
ICE/RICE, impact на North Star, effort с разработкой, confidence, strategic fit. Баланс quick wins и стратегических механик.
Что делать, если A/B-тест не показал значимого результата?
Проверить power, сегменты, novelty effect; qualitative follow-up; итерация механики; не считать «провал» без learning.
Как тестировать геймификацию без полной разработки?
Fake door, prototype tests, manual cohorts, email/push proxy, Wizard of Oz, limited geography rollout.
Как вы используете ИИ-инструменты в работе PMM?
Генерация вариантов messaging, анализ feedback, сегментация идей, копирайт для CRM, summarization research — с human review.
Совет: ИИ в ответе — не buzzword: дай 2–3 конкретных use cases из PMM-работы (копирайт, research, аналитика).
Как вы взаимодействовали с Product Owner, дизайнерами и разработкой?
Shared goals, PRD/one-pagers для механик, совместные discovery, definition of done включает метрики, регулярные syncs.
Как формировать и вести бэклог инициатив по вовлечению?
Структура: problem → hypothesis → metric → scope → priority. Связь с product roadmap, не отдельный «маркетинговый список».
Как координировать запуск новой функции с маркетинговой активацией?
Launch checklist: сегменты, messaging, in-app surfaces, CRM waves, success metrics, rollback plan, post-launch review.
Как разрешать конфликт приоритетов между продуктом и маркетингом?
Общая North Star, data-driven аргументы, impact mapping, escalation с options, не positions.
Ловушка: Не позиционируй себя как «чистый маркетолог» — роль на стыке продукта и growth внутри сервиса.
Какие особенности маркетинга и вовлечения в банковских digital-продуктах?
Регуляторика, доверие и безопасность, чувствительные данные, длинный цикл decision, high stakes ошибок в коммуникациях.
Как использовать экосистему Сбера для роста нового сервиса?
Точки входа в СБОЛ, cross-sell из карт/вкладов/инвестиций, СберПрайм, единый профиль, партнёрские сервисы — с релевантным контекстом.
Как мотивировать пользователей к долгосрочному финансовому планированию?
Маленькие шаги, визуализация прогресса, автоматизация, education без overload, social proof, reminders с ценностью.
Почему вы хотите работать в Сбере на этой позиции?
Масштаб аудитории, data-driven культура, экосистема, конкретный продукт (финансовый план жизни) — без шаблонных clichés.
Фишка: Продукт — «финансовый план жизни»: подготовь 1–2 идеи механик вовлечения именно для long-term money goals, не generic gamification.
Спроектировать геймификацию для финансового планирования
Новый сервис помогает клиентам составить финансовый план жизни, но D7 retention после создания плана — 18%, пользователи не возвращаются обновлять план. За 15 минут предложите систему механик вовлечения (челленджи, достижения, прогресс) на первые 30 дней жизни пользователя. Опишите цель каждой механики, целевую метрику и риски.
Структура ответа: (1) Диагностика — где разрыв: план создан, но нет habit of review; activation action = регулярное обновление/шаг к цели. (2) Механики: Week 1 — onboarding quest «3 шага к плану» (цель: completion onboarding); daily micro-action streak «5 минут на финансы» (D7 retention); milestone badges «цель поставлена», «первый шаг выполнен» (engagement depth); 30-day challenge «Месяц финансовой дисциплины» с видимым прогресс-баром (MAU actions); персональная рекомендация следующего шага на главной (return trigger). (3) Метрики: D7/D30 retention, weekly plan review rate, streak participation rate. (4) Риски: over-gamification без реальной ценности, notification fatigue, демотивация при невыполнении streak — mitigation: forgiving streaks, value-first messaging, opt-in notifications.
Сложность: Кейс средней сложности, 15–20 мин презентации + вопросы
CRM-сценарий для dormant пользователей
Сегмент: 200 000 пользователей создали финансовый план 30+ дней назад, но не открывали сервис 14 дней. Разработайте CRM-воронку (триггеры, каналы, сообщения, частота) для возврата в продукт. Как измерите успех?
Воронка: D+14 dormant → in-app banner «Ваш план устарел — 2 минуты на актуализацию»; D+16 push с персональным hook (ближайшая цель/событие из плана, без сумм в push); D+21 email с progress summary и one CTA; D+28 финальный push + сегмент для call-center/чат только high-value. Frequency cap: max 2 push/week. Holdout 10% для incremental impact. Success: incremental D30 return rate, plan update rate, не только open rate. Guardrails: unsubscribe rate, support complaints.
Сложность: Практический кейс, 10–15 мин
Приоритизация бэклога engagement-инициатив
Бэклог: (A) streak-механика, (B) реферальная программа, (C) персональные in-app stories, (D) сезонный челлендж, (E) улучшение onboarding. Ресурсы ограничены — 1 инициатива в спринт. Как приоритизируете? Обоснуйте с метриками и ICE/RICE.
Сначала данные: где biggest drop-off (likely onboarding → first return, so E или A high impact). RICE пример: E — reach 100% new users, impact high on activation, confidence medium, effort medium → top. A — reach active users, impact on retention, confidence high from benchmarks, effort medium. D — seasonal, time-bound. B — acquisition, не core retention problem. C — engagement для engaged base. Рекомендация: E сейчас (fix activation), затем A (habit), затем D по календарю. Показать trade-offs и как пересмотрите после результатов.
Сложность: Кейс приоритизации, 10 мин
Диагностика падения DAU/MAU
Stickiness (DAU/MAU) сервиса упал с 22% до 15% за 2 месяца после релиза новой версии. Как проведёте анализ и что предложите?
Шаги: (1) Проверить data quality и definition DAU/MAU. (2) Cohort analysis — новые vs old users. (3) Release correlation — feature flags, changelog. (4) Funnel: sessions, core actions, errors/crashes. (5) Segments: platform, region, user tenure. (6) Qualitative: support tickets, user interviews. (7) CRM/campaign changes as confounders. Гипотезы: сломанный onboarding, removed habit trigger, performance regression, notification policy change. Actions: rollback/hotfix if bug; re-onboarding campaign; restore triggers; A/B fix.
Сложность: Аналитический кейс, 15–20 мин
3 дня
7 дней
14 дней
| Блок | Готов, если... |
|---|---|
| Продуктовый маркетинг | можешь за 3 минуты описать GTM нового digital-сервиса с метриками 30/90 дней |
| Геймификация | можешь предложить 4 механики для финансового планирования с целью, метрикой и риском |
| CRM | можешь нарисовать dormant-user воронку с триггерами, каналами и holdout для оценки |
| Метрики | объясняешь stickiness, retention cohorts и находишь точки роста в funnel |
| Эксперименты | описываешь A/B-тест с primary, guardrails и decision rule |
| Кросс-функцион | показываешь кейс совместного бэклога с PO и dev, не «отдельный маркетинг» |
| Сбер и финтех | понимаешь compliance, экосистемные entry points и мотивацию к long-term planning |
В день собеседования