Русский 
中国 
English 
Deutsch 
Français 
Продуктовый аналитик (Начальный уровень)
Вы освоите ключевые инструменты и подходы продуктовой аналитики, научитесь отслеживать метрики, оценивать эффективность решений и взаимодействовать с командами разработчиков, маркетологов и менеджеров по продукту. Программа предназначена для новичков, которые хотят начать карьеру в одной из самых востребованных IT-профессий, а также для тех, кто стремится структурировать свои знания и выйти на новый уровень.
Содержание:
Введение в профессию:
Роль продуктового аналитика в компании, задачи и основные направления деятельности, жизненный цикл продукта, работа в кросс-функциональной команде, сбор требований.
Основы анализа данных:
Понятие метрик и KPI, пользовательские джорни, A/B-тестирование, когортный и фаннел-анализ, работа с данными в Excel и Google Таблицах.
Работа с SQL:
Базовые и продвинутые запросы, выборка данных, агрегатные функции, объединение таблиц, группировка и фильтрация, практика работы с реальными базами данных.
Инструменты аналитики:
Google Analytics, Яндекс.Метрика, инструменты визуализации данных (например, Looker Studio, Power BI), системы хранения данных, понятие Data Warehousing.
Понимание продукта:
Как устроен цифровой продукт, роль аналитики в процессе разработки, MVP, гипотезы и эксперименты, работа с бэклогом.
Анализ поведения пользователей:
Сбор и интерпретация пользовательских данных, построение персонализированных сегментов, определение точек оттока, UX-исследования.
Отчетность и презентация результатов:
Создание информационных панелей, подготовка отчётов для команды и руководства, навыки работы с данными, презентация выводов и рекомендаций.
Работа с данными в реальных условиях:
Анализ кейсов из продуктовой практики, решение типовых задач: повышение конверсии, снижение оттока, увеличение LTV, мониторинг метрик.
Основы Python для аналитиков (опционально):
Знакомство с библиотеками Pandas и Matplotlib, автоматизация простых задач анализа, первые шаги в машинном обучении.
Проектная работа:
Самостоятельный проект: сбор данных, анализ, формулирование выводов и презентация результатов — как в реальной продуктовой команде.
Должен знать:
- Основы работы с данными и принципы продуктовой аналитики.
- Как формулировать гипотезы и проверять их с помощью A/B-тестов.
- Ключевые показатели продуктовых команд и способы их анализа.
- Базовый SQL и методы обработки данных.
- Инструменты аналитики и способы визуализации результатов.
Должен уметь:
- Собирать и анализировать данные из различных источников.
- Формулировать гипотезы и проводить эксперименты.
- Подготавливать отчёты и презентации для нетехнической аудитории.
- Используйте SQL для извлечения информации из баз данных.
- Применять аналитические инструменты в реальных бизнес-сценариях.
- Взаимодействовать с командами по продукту, маркетингу и разработке.
Дополнительные элементы:
- Практические задания после каждого модуля.
- Реальные кейсы и симуляции рабочих ситуаций.
- Сертификат об окончании курса.
- Помощь в создании портфолио и первых проектах.
- Поддержка преподавателей и наставников из индустрии.
Хотите узнать, насколько вам необходим этот курс и действительно ли вы разобрались в теме?
Пройдите короткий тест — он поможет определить, стоит ли углубляться в эту тему, или вы уже готовы двигаться дальше.
1. Кто такой продуктовый аналитик?
Специалист, который анализирует данные о взаимодействии пользователей с продуктом и помогает команде принимать обоснованные решения на основе данных.
2. Каковы основные задачи продуктового аналитика?
Мониторинг показателей, проведение A/B-тестирования, анализ поведения пользователей, выявление точек роста и проблем, подготовка отчётов.
3. Что такое KPI?
Ключевой показатель эффективности — это метрика, которая используется для оценки успешности достижения бизнес-целей.
4. Что такое воронка конверсии?
Последовательность шагов, которые проходит пользователь от первого взаимодействия до целевого действия (например, регистрации или покупки).
5. Что такое путь пользователя (user journey)?
Описание пути пользователя при взаимодействии с продуктом, включая его эмоции, действия и точки соприкосновения.
6. Что такое фаннел-анализ?
Анализ этапов воронки продаж или пользовательского пути для определения слабых мест и точек потери пользователей.
7. Что такое A/B-тестирование?
Метод сравнения двух версий продукта (или страницы), чтобы определить, какая из них лучше соответствует цели.
8. Что такое гипотеза в контексте продуктовой аналитики?
Предположение о том, как изменение в продукте может повлиять на показатели, подлежащее проверке с помощью эксперимента.
9. Какие инструменты часто используют продуктовые аналитики?
Google Analytics, Яндекс.Метрика, SQL, Excel, Power BI, Looker Studio, Python, Mixpanel, Amplitude.
10. Что такое SQL?
Язык структурированных запросов, используемый для работы с базами данных.
11. Зачем продуктовому аналитику нужен SQL?
Для извлечения данных из баз, анализа больших объёмов информации и формирования выборок для исследования.
12. Что такое дашборд?
Интерактивная панель управления, на которой собраны ключевые показатели и графики для быстрого анализа.
13. Что такое сторителлинг на основе данных?
Умение представлять данные в виде историй, чтобы сделать выводы понятными и убедительными для нетехнической аудитории.
14. Что такое cohort analysis (когортный анализ)?
Метод анализа данных, при котором пользователи делятся на группы (когорты) по определённому признаку и их поведение сравнивается во времени.
15. Что такое метрика LTV?
Пожизненная ценность клиента — это оценка прибыли, которую принесет пользователь за все время взаимодействия с продуктом.
16. Что такое удержание (retention)?
Процент пользователей, которые продолжают использовать продукт в течение определенного периода.
17. Что такое отток клиентов?
Процент пользователей, прекративших использование продукта за определённый период.
18. Что такое DAU и MAU?
Ежедневное количество активных пользователей / Ежемесячное количество активных пользователей — количество активных пользователей в день и в месяц соответственно.
19. Что такое ARPU?
Средний доход на одного пользователя — средний доход на одного пользователя.
20. Что такое funnel drop (просадка воронки)?
Снижение количества пользователей на одном из этапов воронки указывает на проблему.
21. Что такое MVP?
Минимальный жизнеспособный продукт — это продукт, который позволяет протестировать гипотезу с минимальными затратами.
22. Что такое бэклог?
Список задач и улучшений, которые планируется реализовать в продукте.
23. Что такое OKR?
Цели и ключевые результаты — подход к постановке задач, ориентированный на достижение конкретных результатов.
24. Что такое KPI в контексте продукта?
Основные показатели, которые демонстрируют эффективность продукта и достижение стратегических целей.
25. Что такое пользовательская сессия?
Период активного использования продукта одним пользователем.
26. Что такое показатель отказов?
Процент пользователей, покинувших сайт после просмотра одной страницы.
27. Что такое отслеживание событий?
Отслеживание действий пользователей в интерфейсе (например, клики, скроллы, регистрация).
28. Что такое UTM-метки?
Параметры, добавляемые к URL для отслеживания источников трафика в аналитических системах.
29. Что такое персона?
Гипотетический образ типичного пользователя, созданный на основе данных и исследований.
30. Что такое пользовательская история?
Краткое описание функционала или задачи с точки зрения пользователя.
31. Что такое соответствие продукта рынку?
Состояние, при котором продукт соответствует спросу на рынке и пользуется устойчивым спросом.
32. Что такое NPS (индекс потребительской лояльности)?
Показатель лояльности клиентов, измеряемый по шкале от -100 до +100, основан на вопросе: «Насколько вероятно, что вы порекомендуете наш продукт другу?»
33. Что такое карта пути клиента?
Визуализация всего пути пользователя от знакомства до отказа, включая эмоции, действия и точки соприкосновения.
34. Что такое обратная связь с клиентами?
Обратная связь с пользователями, которую можно получать с помощью опросов, форм, чатов и других каналов.
35. Что такое тепловая карта?
Инструмент визуализации, показывающий, где пользователи чаще всего нажимают, наводят курсор или прокручивают экран.
36. Что такое визуализация воронки продаж?
Графическое представление пользовательской воронки, наглядно демонстрирующее, на каких этапах теряются пользователи.
37. Что такое удержание когорты?
Анализ удержания пользователей по группам (когортам) для оценки долгосрочной ценности и качества продукта.
38. Что такое внедрение функций?
Процент пользователей, которые начали использовать новую функцию продукта.
39. Что такое стоимость привлечения клиента (CAC)?
Стоимость привлечения одного нового пользователя.
40. Что такое ROI в продуктовом анализе?
Возврат инвестиций — отношение полученной выгоды к вложенным средствам, используется для оценки эффективности изменений.
41. Что такое проверка гипотезы?
Процесс проверки предположений с помощью экспериментов и статистического анализа.
42. Что такое уровень достоверности?
Уровень достоверности результата теста обычно выражается в процентах (например, 95%).
43. Что такое p-значение?
Статистическая мера, показывающая вероятность случайного возникновения наблюдаемых различий между вариантами в тесте.
44. Что такое статистическая значимость?
Степень уверенности в том, что результаты теста не случайны.
45. Что такое базовый коэффициент конверсии?
Базовый уровень конверсии, с которым сравниваются изменения в ходе теста.
46. Что такое uplift в тестировании?
Разница в результатах между контрольной и тестовой группами, выраженная в процентах.
47. Что такое контрольная группа?
Группа пользователей, которая не получает изменений и используется для сравнения в экспериментах.
48. Что такое экспериментальная группа?
Тестовая группа, которая получает изменения или воздействия в ходе эксперимента.
49. Что такое систематическая ошибка выборки?
Ошибка выборки, возникающая, когда группа участников теста не представляет всю совокупность пользователей.
50. Что такое мощность теста?
Вероятность того, что тест выявит эффект, если он действительно существует.
51. Что такое исследовательский анализ данных (EDA)?
Первоначальный анализ данных с целью выявления закономерностей, выбросов и гипотез.
52. Что такое очистка данных?
Процесс удаления или исправления некорректных, дублирующихся или неполных данных перед анализом.
53. Что такое агрегация данных?
Объединение данных из разных источников и формирование сводных таблиц или метрик.
54. Что такое визуализация данных?
Представление данных в графическом виде для более простого восприятия и анализа.
55. Что такое инструменты для создания дашбордов?
Инструменты для создания интерактивных дашбордов, например Power BI, Tableau, Looker Studio.
56. Что такое ETL-процесс?
Извлечение, преобразование, загрузка — процесс извлечения данных, их преобразования и загрузки в хранилище.
57. Что такое хранилище данных?
Хранилище данных, предназначенное для анализа и отчетности.
58. Что такое OLAP и OLTP?
OLAP — системы для аналитической обработки данных; OLTP — системы для обработки транзакций в реальном времени.
59. Что такое конвейер данных?
Автоматизированная система передачи и обработки данных от источника до потребителя.
60. Что такое ELT вместо ETL?
Извлечение, загрузка, преобразование — современный подход, при котором данные сначала загружаются, а затем обрабатываются в хранилище.
61. Что такое управление данными?
Набор политик и процедур, обеспечивающих качество, безопасность и соответствие данным требованиям.
62. Что такое GDPR?
Общий регламент ЕС по защите данных, который регулирует сбор и обработку персональных данных.
63. Что такое конфиденциальность по умолчанию?
Подход к проектированию продуктов, при котором защита данных учитывается с самого начала.
64. Что такое анонимизация данных?
Процесс удаления или изменения персональных данных, чтобы пользователь не мог быть идентифицирован.
65. Что такое кросс-функциональная команда?
Команда, состоящая из специалистов разных направлений (продукт, маркетинг, разработка, аналитика).
66. Какова роль продуктового аналитика в agile-команде?
Поддержка принятия решений на основе данных, участие в планировании, оценка эффективности спринтов и изменений.
67. Что такое ретроспектива спринта?
Встреча в конце каждого спринта, на которой команда обсуждает, что сработало хорошо, а что можно улучшить.
68. Что такое обработка невыполненных задач?
Процесс актуализации и уточнения задач в бэклоге перед спринтом.
69. Что такое поиск новых продуктов?
Этап, на котором команда изучает проблемы пользователей и генерирует идеи для их решения.
70. Что такое подход, ориентированный на показатели?
Подход, при котором все решения принимаются на основе анализа ключевых показателей.
71. Что такое качественное исследование в аналитике?
Исследование, основанное на интервью, фокус-группах и наблюдениях, для получения глубокого понимания поведения пользователей.
72. Что такое количественное исследование?
Исследование, основанное на числовых данных и статистическом анализе.
73. Что такое UX-исследования?
Исследование поведения пользователей с целью повышения удобства и удовлетворенности от использования продукта.
74. Что такое бенчмаркинг в аналитике?
Сравнение своих показателей с показателями конкурентов или средними значениями по отрасли.
75. Что такое постоянное совершенствование?
Подход, при котором продукт постоянно совершенствуется на основе данных и обратной связи.
1. Кто такой продуктовый аналитик?
A) Специалист по разработке ПО
B) Специалист, собирающий требования к продукту
C) Специалист, принимающий решения на основе данных
D) Руководитель проекта
✅ Правильный ответ: C)
2. Какой из инструментов используется для визуализации данных?
A) Photoshop
B) Excel
C) Jira
D) Trello
✅ Правильный ответ: B)
3. Что означает метрика DAU?
A) Количество загрузок приложения
B) Ежедневная активность пользователей
C) Доля оттока пользователей
D) Доход на пользователя
✅ Правильный ответ: B)
4. Что такое A/B-тестирование?
A) Тестирование скорости сайта
B) Сравнение двух версий продукта
C) Анализ логов сервера
D) Оценка безопасности
✅ Правильный ответ: B)
5. Какой язык запросов используется для работы с базами данных?
A) HTML
B) CSS
C) SQL
D) Python
✅ Правильный ответ: C)
6. Что такое KPI?
A) Процесс разработки прототипа
B) Метод управления проектами
C) Ключевой показатель эффективности
D) Инструмент для презентаций
✅ Правильный ответ: C)
7. Что такое фаннел-анализ?
A) Анализ ошибок в коде
B) Изучение этапов взаимодействия пользователя с продуктом
C) Тестирование производительности
D) Сбор отзывов
✅ Правильный ответ: B)
8. Какой из перечисленных терминов обозначает удержание пользователей?
A) Отток
B) Удержание
C) CAC
D) LTV
✅ Правильный ответ: B)
9. Что такое MVP?
A) Минимально жизнеспособный продукт
B) Вид презентации
C) Метрика конверсии
D) Инструмент визуализации
✅ Правильный ответ: A)
10. Что такое UTM-метки?
A) Инструмент для написания SQL-запросов
B) Параметры URL для отслеживания трафика
C) Способ создания дашбордов
D) Техника UX-исследования
✅ Правильный ответ: B)
11. Что такое когортный анализ?
A) Анализ одного пользователя
B) Анализ поведения групп пользователей
C) Анализ ошибок системы
D) Тестирование интерфейса
✅ Правильный ответ: B)
12. Что такое NPS?
A) Чистый показатель рекомендаций
B) Уровень конверсии
C) Стоимость привлечения клиента
D) Доход на пользователя
✅ Правильный ответ: A)
13. Что такое сторителлинг на основе данных?
A) Создание графиков
B) Подготовка таблиц
C) Представление данных в виде историй
D) Написание технической документации
✅ Правильный ответ: C)
14. Что такое тепловая карта?
A) Отчет по метрикам
B) Графическое представление данных
C) Тепловая карта действий пользователей
D) Диаграмма рассеяния
✅ Правильный ответ: C)
15. Что такое карта пути клиента?
A) Карта офиса компании
B) Путь пользователя в интерфейсе
C) Схема архитектуры баз данных
D) Диаграмма процессов
✅ Правильный ответ: B)
16. Что такое внедрение функций?
A) Выпуск новой функции
B) Использование новой функции пользователями
C) Обновление дизайна
D) Тестирование нагрузки
✅ Правильный ответ: B)
17. Что такое показатель отказов?
A) Показатель отказов
B) Показатель конверсии
C) Скорость загрузки страницы
D) Доля повторных пользователей
✅ Правильный ответ: A)
18. Что такое коэффициент удержания?
A) Уровень оттока
B) Уровень удержания
C) Уровень вовлеченности
D) Уровень регистрации
✅ Правильный ответ: B)
19. Что такое соответствие продукта рынку?
A) Продукт соответствует потребностям рынка
B) Продукт готов к запуску
C) Продукт полностью протестирован
D) Продукт имеет высокую скорость
✅ Правильный ответ: A)
20. Что такое персона?
A) Реальный пользователь
B) Гипотетический образ типичного пользователя
C) Тестировщик продукта
D) Разработчик
✅ Правильный ответ: B)
21. Что такое пользовательская история?
A) Описание задачи для команды
B) Техническое задание
C) Описание функционала с точки зрения пользователя
D) Тестовый сценарий
✅ Правильный ответ: C)
22. Что такое отслеживание событий?
A) Отслеживание событий в системе
B) Отслеживание действий пользователей
C) Отслеживание ошибок
D) Отслеживание рабочего времени
✅ Правильный ответ: B)
23. Что такое воронкообразное падение?
A) Увеличение числа регистраций
B) Падение числа пользователей на этапе воронки
C) Увеличение дохода
D) Снижение нагрузки на сервер
✅ Правильный ответ: B)
24. Что такое проверка гипотезы?
A) Проверка гипотез
B) Сбор требований
C) Создание прототипа
D) Написание кода
✅ Правильный ответ: A)
25. Что такое статистическая значимость?
A) Значимость результата
B) Уровень доверия
C) Вероятность ошибки
D) Размер выборки
✅ Правильный ответ: A)
26. Что такое уровень достоверности?
A) Уровень достоверности
B) Уровень значимости
C) Уровень ошибки
D) Уровень нагрузки
✅ Правильный ответ: A)
27. Что такое подъём?
A) Увеличение дохода
B) Разница между контрольной и тестовой группами
C) Увеличение трафика
D) Увеличение времени использования
✅ Правильный ответ: B)
28. Что такое контрольная группа?
A) Группа с изменениями
B) Группа без изменений
C) Группа с рекламой
D) Группа с опросами
✅ Правильный ответ: B)
29. Что такое экспериментальная группа?
A) Группа без изменений
B) Группа с изменениями
C) Группа с низкой активностью
D) Группа с высоким доходом
✅ Правильный ответ: B)
30. Что такое систематическая ошибка выборки?
A) Ошибка выборки
B) Ошибка в коде
C) Ошибка в расчетах
D) Ошибка в данных
✅ Правильный ответ: A)
31. Что такое исследовательский анализ данных (EDA)?
A) Первоначальный анализ данных
B) Финальный анализ
C) Автоматизация
D) Визуализация
✅ Правильный ответ: A)
32. Что такое очистка данных?
A) Удаление ошибочных данных
B) Хранение данных
C) Передача данных
D) Агрегирование данных
✅ Правильный ответ: A)
33. Что такое агрегация данных?
A) Объединение данных
B) Удаление данных
C) Поиск данных
D) Хранение данных
✅ Правильный ответ: A)
34. Что такое инструменты для создания дашбордов?
A) Инструменты для хранения
B) Инструменты для визуализации
C) Инструменты для передачи
D) Инструменты для сбора
✅ Правильный ответ: B)
35. Что такое ETL?
A) Извлечение, преобразование, загрузка
B) Экспорт, передача, загрузка
C) Редактирование, тестирование, запуск
D) Оценка, отслеживание, ведение журнала
✅ Правильный ответ: A)
36. Что такое хранилище данных?
A) Хранилище данных
B) База данных
C) Сервер
D) Сеть
✅ Правильный ответ: A)
37. Что такое OLAP?
A) Онлайн-аналитическая обработка
B) Онлайн-транзакционная обработка
C) Офлайн-обработка
D) Обработка в реальном времени
✅ Правильный ответ: A)
38. Что такое OLTP?
A) Онлайн-транзакционная обработка
B) Онлайн-аналитическая обработка
C) Обработка в фоновом режиме
D) Обработка больших данных
✅ Правильный ответ: A)
39. Что такое конвейер данных?
A) Поток данных
B) Хранилище
C) Сеть
D) Сервер
✅ Правильный ответ: A)
40. Что такое ELT?
A) Извлечение, загрузка, преобразование
B) Экспорт, загрузка, тестирование
C) Оценка, ведение журнала, отслеживание
D) Редактирование, запуск, тестирование
✅ Правильный ответ: A)
41. Что такое управление данными?
A) Управление данными
B) Управление проектами
C) Управление рисками
D) Управление качеством
✅ Правильный ответ: A)
42. Что такое GDPR?
A) Российский закон о защите данных
B) Европейский регламент о защите данных
C) Американский стандарт
D) Международный сертификат
✅ Правильный ответ: B)
43. Что такое конфиденциальность по умолчанию?
A) Защита данных после запуска
B) Защита данных с самого начала
C) Защита данных только для сотрудников
D) Защита данных только для клиентов
✅ Правильный ответ: B)
44. Что такое анонимизация данных?
A) Удаление всех данных
B) Сокрытие идентификаторов
C) Шифрование данных
D) Архивация данных
✅ Правильный ответ: B)
45. Что такое кросс-функциональная команда?
A) Команда из одного отдела
B) Команда из разных специалистов
C) Команда маркетологов
D) Команда разработчиков
✅ Правильный ответ: B)
46. Какова роль продуктового аналитика в agile-команде?
A) Управление проектами
B) Поддержка принятия решений на основе данных
C) Написание кода
D) Тестирование
✅ Правильный ответ: B)
47. Что такое ретроспектива спринта?
A) Планирование спринта
B) Обсуждение результатов спринта
C) Запуск нового продукта
D) Подготовка презентации
✅ Правильный ответ: B)
48. Что такое обработка невыполненных задач?
A) Создание новых задач
B) Обновление и уточнение бэклога
C) Удаление старых задач
D) Подготовка отчета
✅ Правильный ответ: B)
49. Что такое открытие продукта?
A) Запуск продукта
B) Исследование проблем пользователей
C) Тестирование продукта
D) Подготовка презентации
✅ Правильный ответ: B)
50. Что такое подход, основанный на показателях?
A) Интуитивный подход
B) Подход, основанный на данных
C) Бюджетный подход
D) Подход, основанный на сроках
✅ Правильный ответ: B)
51. Что такое качественное исследование?
A) Исследование на основе чисел
B) Исследование на основе наблюдений и интервью
C) Исследование на основе статистики
D) Исследование на основе метрик
✅ Правильный ответ: B)
52. Что такое количественное исследование?
A) Исследование на основе текста
B) Исследование на основе чисел
C) Исследование на основе интервью
D) Исследование на основе наблюдений
✅ Правильный ответ: B)
53. Что такое UX-исследования?
A) Исследование технологий
B) Исследование удобства использования
C) Исследование программирования
D) Исследование бизнес-процессов
✅ Правильный ответ: B)
54. Что такое бенчмаркинг?
A) Сравнение с конкурентами
B) Сравнение с внутренними показателями
C) Сравнение с прошлыми данными
D) Все вышеперечисленное
✅ Правильный ответ: D)
55. Что такое непрерывное совершенствование?
A) Однократное улучшение
B) Постоянное улучшение продукта
C) Улучшение через год
D) Улучшение только по запросу
✅ Правильный ответ: B)
56. Что такое коэффициент оттока клиентов?
A) Уровень удержания
B) Уровень оттока
C) Уровень активности
D) Уровень регистрации
✅ Правильный ответ: B)
57. Что такое ARPU?
A) Средний доход на пользователя
B) Среднее время использования
C) Среднее количество кликов
D) Среднее количество регистраций
✅ Правильный ответ: A)
58. Что такое CAC?
A) Стоимость регистрации
B) Стоимость привлечения клиента
C) Стоимость подписки
D) Стоимость поддержки
✅ Правильный ответ: B)
59. Что такое ROI?
A) Возврат на инвестиции
B) Возврат на данные
C) Возврат на время
D) Возврат на пользователей
✅ Правильный ответ: A)
60. Что такое p-значение?
A) Вероятность успеха
B) Вероятность случайности различий
C) Вероятность ошибки
D) Вероятность загрузки
✅ Правильный ответ: B)
61. Что такое мощность теста?
A) Вероятность найти ошибку
B) Вероятность обнаружить эффект
C) Вероятность не найти эффект
D) Вероятность загрузки
✅ Правильный ответ: B)
62. Что такое базовый коэффициент конверсии?
A) Конечный уровень конверсии
B) Начальный уровень конверсии
C) Средний уровень конверсии
D) Максимальный уровень конверсии
✅ Правильный ответ: B)
63. Что такое обратная связь с клиентами?
A) Данные о продажах
B) Обратная связь от пользователей
C) Статистика
D) Данные о трафике
✅ Правильный ответ: B)
64. Что такое тепловая карта?
A) Таблица
B) График
C) Карта кликов
D) Диаграмма
✅ Правильный ответ: C)
65. Что такое визуализация воронки продаж?
A) Визуализация ошибок
B) Визуализация пользовательской воронки
C) Визуализация данных
D) Визуализация сети
✅ Правильный ответ: B)
66. Что такое удержание когорты?
A) Удержание по группам
B) Удержание по времени
C) Удержание по странам
D) Удержание по устройствам
✅ Правильный ответ: A)
67. Что такое внедрение функций?
A) Использование нового устройства
B) Использование новой функции
C) Использование старой функции
D) Использование другого продукта
✅ Правильный ответ: B)
68. Что такое стоимость привлечения клиента (CAC)?
A) Стоимость регистрации
B) Стоимость привлечения клиента
C) Стоимость подписки
D) Стоимость поддержки
✅ Правильный ответ: B)
69. Что такое ROI в продуктовом анализе?
A) Возврат инвестиций
B) Возврат на интерфейс
C) Возврат на инновации
D) Возврат на взаимодействие
✅ Правильный ответ: A)
70. Что такое проверка гипотезы?
A) Проверка гипотез
B) Проверка интерфейса
C) Проверка ошибок
D) Проверка скорости
✅ Правильный ответ: A)
71. Что такое уровень достоверности?
A) Уровень уверенности
B) Уровень ошибки
C) Уровень загрузки
D) Уровень активности
✅ Правильный ответ: A)
72. Что такое статистическая значимость?
A) Статистическая значимость
B) Статистическая ошибка
C) Статистическая нагрузка
D) Статистическая визуализация
✅ Правильный ответ: A)
73. Что такое uplift в тестировании?
A) Повышение уровня ошибок
B) Разница между контрольной и тестовой группами
C) Повышение нагрузки
D) Повышение времени использования
✅ Правильный ответ: B)
74. Что такое контрольная группа?
A) Группа с изменениями
B) Группа без изменений
C) Группа с рекламой
D) Группа с опросами
✅ Правильный ответ: B)
75. Что такое экспериментальная группа?
A) Группа без изменений
B) Группа с изменениями
C) Группа с низкой активностью
D) Группа с высоким доходом
✅ Правильный ответ: B)
Экзаменационный билет №1
Теоретическая часть:
- Кто такой продуктовый аналитик и какова его роль в команде?
- Какие инструменты чаще всего используют продуктовые аналитики?
Ответы на теоретическую часть:
- Продуктовый аналитик — это специалист, который анализирует данные о поведении пользователей и помогает принимать обоснованные решения по улучшению продукта.
- Google Analytics, Яндекс.Метрика, SQL, Excel, Power BI, Python, Amplitude, Mixpanel.
Практическая часть:
Создайте простую таблицу показателей в Excel для отслеживания ежедневной активности пользователей (DAU), конверсии и удержания.
Экзаменационный билет №2
Теоретическая часть:
- Что такое KPI и зачем он нужен?
- Что такое A/B-тестирование и когда оно применяется?
Ответы на теоретическую часть:
- KPI — ключевой показатель эффективности, используемый для оценки достижения целей продукта или бизнеса.
- A/B-тестирование — сравнение двух версий продукта для выбора наиболее эффективной.
Практическая часть:
Предложите гипотезу для тестирования кнопки «Зарегистрироваться», опишите, какие показатели вы будете отслеживать и как проведете эксперимент.
Экзаменационный билет №3
Теоретическая часть:
- Что такое фаннел-анализ и зачем он нужен?
- Что такое удержание и почему оно важно?
Ответы на теоретическую часть:
- Фаннел-анализ — изучение этапов прохождения пользователем продукта с целью выявления проблемных мест.
- Удержание — доля пользователей, которые продолжают использовать продукт; важно для оценки лояльности.
Практическая часть:
На основе данных о регистрации и действиях пользователей постройте простую 3-ступенчатую воронку и определите слабое место.
Экзаменационный билет №4
Теоретическая часть:
- Что такое SQL и зачем он нужен продуктовому аналитику?
- Что такое UTM-метки и как они используются?
Ответы на теоретическую часть:
- SQL — язык запросов к базам данных, позволяющий извлекать и анализировать данные.
- UTM-метки — параметры URL для отслеживания источников трафика.
Практическая часть:
Напишите SQL-запрос, который выбирает количество уникальных пользователей за последние 7 дней из таблицы
Экзаменационный билет №5
Теоретическая часть:
- Что такое MVP и зачем он нужен?
- Что такое персона и как она строится?
Ответы на теоретическую часть:
- MVP — минимально жизнеспособный продукт, позволяющий проверить гипотезу с минимальными затратами.
- Персонаж — гипотетический образ типичного пользователя, создаваемый на основе данных и исследований.
Практическая часть:
Создайте описание одной пользовательской персоны для интернет-магазина одежды.
Экзаменационный билет №6
Теоретическая часть:
- Что такое NPS и как он рассчитывается?
- Что такое data storytelling?
Ответы на теоретическую часть:
- Индекс потребительской лояльности — показатель лояльности клиентов, рассчитываемый по шкале от -100 до +100.
- Сторителлинг в сфере данных — представление данных в виде историй для лучшего понимания аудиторией.
Практическая часть:
Подготовьте краткий отчёт (презентацию или текст) на основе данных о росте DAU за месяц.
Экзаменационный билет №7
Теоретическая часть:
- Что такое cohort analysis?
- Что такое показатель отказов и что он показывает?
Ответы на теоретическую часть:
- Когортный анализ — анализ групп пользователей по признакам во времени.
- Показатель отказов — процент пользователей, покинувших сайт после одного просмотра страницы.
Практическая часть:
Составьте таблицу когорт для пользователей, зарегистрировавшихся в разные недели, и проанализируйте удержание.
Экзаменационный билет №8
Теоретическая часть:
- Что такое customer journey map?
- Что такое тепловая карта и где она применяется?
Ответы на теоретическую часть:
- Карта пути клиента — визуализация пути пользователя от первого взаимодействия до отказа.
- Тепловая карта — графическое представление активности пользователей на сайте.
Практическая часть:
Опишите, как можно использовать тепловую карту для улучшения интерфейса сайта.
Экзаменационный билет №9
Теоретическая часть:
- Что такое внедрение функций и как его измеряют?
- Что такое отзывы клиентов и как их собирают?
Ответы на теоретическую часть:
- Внедрение функции — доля пользователей, использующих новую функцию.
- Отзывы клиентов — обратная связь от пользователей, собираемая через формы, опросы, чаты.
Практическая часть:
Придумайте короткий опрос для сбора отзывов после внедрения новой функции.
Экзаменационный билет №10
Теоретическая часть:
- Что такое соответствие продукта рынку и как его определить?
- Что такое OKR и как он связан с аналитикой?
Ответы на теоретическую часть:
- Соответствие продукта рынку — состояние, при котором продукт соответствует спросу на рынке.
- OKR — система целеполагания, в которой аналитика помогает измерять прогресс.
Практическая часть:
Сформулируйте один OKR для повышения удержания пользователей мобильного приложения.
Экзаменационный билет №11
Теоретическая часть:
- Что такое LTV и CAC? Как они связаны?
- Что такое uplift в A/B-тестировании?
Ответы на теоретическую часть:
- LTV — доход от пользователя за всё время; CAC — стоимость привлечения. Важно их соотношение.
- Uplift — разница между контрольной и тестовой группами в процентах.
Практическая часть:
Рассчитайте uplift, если конверсия в контрольной группе составила 10%, а в тестовой — 12%.
Экзаменационный билет №12
Теоретическая часть:
- Что такое систематическая ошибка выборки и почему она опасна?
- Что такое уровень достоверности и статистическая значимость?
Ответы на теоретическую часть:
- Ошибка выборки — это погрешность, которая может исказить результаты теста.
- Уровень достоверности — уровень доверия к результату; статистическая значимость — значимость различий.
Практическая часть:
Объясните, почему важно учитывать статистическую значимость при проведении A/B-тестирования.
Экзаменационный билет №13
Теоретическая часть:
- Что такое исследовательский анализ данных (EDA)?
- Что такое data cleaning?
Ответы на теоретическую часть:
- EDA — первичный анализ данных для выявления закономерностей и выбросов.
- Очистка данных — процесс удаления ошибок и дубликатов из данных.
Практическая часть:
Выполните предварительную очистку набора данных: удалите дубликаты, замените пустые значения средними значениями.
Экзаменационный билет №14
Теоретическая часть:
- Что такое OLAP и OLTP?
- Что такое data warehouse?
Ответы на теоретическую часть:
- OLAP — аналитические системы; OLTP — транзакционные системы.
- Хранилище данных — база данных для анализа и отчетности.
Практическая часть:
Опишите, как можно использовать хранилище данных для хранения и анализа показателей продукта.
Экзаменационный билет №15
Теоретическая часть:
- Что такое GDPR и как он влияет на работу аналитиков?
- Что такое privacy by design?
Ответы на теоретическую часть:
- GDPR — европейский закон о защите персональных данных, требующий соблюдения прав пользователей.
- Конфиденциальность по умолчанию — подход, при котором защита данных закладывается на ранних этапах.
Практическая часть:
Опишите, как обеспечить анонимность данных при подготовке отчета о пользовательском поведении.
📌 Кейс 1: Снижение конверсии в регистрацию
Описание ситуации
После обновления интерфейса главной страницы сайта конверсия при регистрации упала на 30% за неделю. Раньше пользователи активно регистрировались, но теперь отток на этапе регистрации заметно вырос. Дизайн был изменён с целью улучшить восприятие бренда, но результат оказался обратным.
Исходные данные
- Платформа: веб-сайт с мобильной адаптацией
- Изменение: новый дизайн регистрационной формы и кнопки CTA
- Аналитика: Google Analytics / внутренняя система метрик
- Время изменения: 5 дней назад
Анализ проблемы
Скорее всего, проблема связана с изменением юзабилити формы регистрации или снижением привлекательности призыва к действию. Также возможно увеличение времени загрузки страницы или появление ошибок валидации, которые мешают пользователям зарегистрироваться.
Возможные причины:
- Новая форма стала сложнее или содержит больше полей
- Кнопка «Зарегистрироваться» стала менее заметной
- Увеличилось время загрузки страницы
- Появились технические ошибки в форме
- Пользователи стали чаще покидать страницу до завершения регистрации
Решение / рекомендации
- Проверьте воронку регистрации и определите, на каком этапе происходит наибольший отток.
- Проведите A/B-тестирование между старым и новым дизайном формы.
- Проверьте тепловую карту, чтобы понять, нажимают ли пользователи на кнопку регистрации.
- Изучите показатель отказов и время пребывания на странице — возможно, пользователи уходят быстрее.
- Проверьте журналы ошибок при вводе данных и проверке формы.
- При необходимости вернитесь к старой версии или внесите коррективы в UI/UX.
Обучающие моменты
Что изучают студенты:
- Как работают фаннели и как их анализировать
- Принципы UX и влияние дизайна на конверсию
- Методы A/B-тестирования
- Использование инструментов аналитики (Google Analytics, Hotjar)
- Как диагностировать и решать проблемы, связанные с ростом оттока клиентов
Дополнительные задания для самостоятельной работы:
- Как провести A/B-тестирование с помощью инструментов вроде Optimizely?
- Как настроить цели в Google Analytics для отслеживания регистрации?
- Как проверить, какие элементы страницы пользователи просматривают чаще всего?
📌 Кейс 2: Снижение удержания новых пользователей
Описание ситуации
После запуска нового функционала в мобильном приложении доля пользователей, возвращающихся через 7 дней, снизилась на 20%. Команда предполагает, что новые изменения могли усложнить первый опыт использования продукта.
Исходные данные
- Платформа: мобильное приложение (iOS и Android)
- Изменение: добавление нового экрана для новичков и изменение структуры меню
- Данные: когортный анализ показывает снижение уровня удержания на 7-й день
- Время запуска: 10 дней назад
Анализ проблемы
Снижение удержания может быть связано с тем, что новые пользователи не понимают, как пользоваться приложением после первого запуска, или просто теряют интерес. Возможно, онбординг стал слишком долгим или не объясняет ценность продукта.
Возможные причины:
- Онбординг стал сложнее или менее полезным
- Новые пользователи не находят ключевые функции
- Появился фрикцион на первых шагах
- Пользовательский опыт при первом взаимодействии ухудшился
- Не стало яснее, как получить выгоду от продукта
Решение / рекомендации
- Проанализируйте пользовательский путь в первые 5 минут использования.
- Сравните когорты до и после обновления, чтобы найти точку оттока.
- Проверьте отзывы новых пользователей (например, с помощью опросов в приложении).
- Перепишите онбординг, сделав его более лаконичным и ориентированным на ценность.
- Тестируйте новые версии онбординга с помощью A/B-тестов.
Обучающие моменты
Что изучают студенты:
- Как строится когортный анализ
- Значение первого пользовательского опыта (first time user experience)
- Как влияние UX влияет на удержание
- Как собирать и анализировать обратную связь
- Как принимать решения на основе показателей удержания
Дополнительные задания для самостоятельной работы:
- Как создать эффективный онбординг?
- Как настроить сбор отзывов в мобильном приложении?
- Как использовать тепловые карты и повторы сеансов для анализа поведения пользователей?
🎲 Ролевая игра №1: «Снижение конверсии в мобильном приложении»
Цель игры
Научить студентов анализировать метрики, выявлять причины падения конверсии и предлагать решения на основе данных.
Формат
- Тип: деловая ролевая игра
- Участники: 5–6 человек
- Продолжительность: 2 академических часа
- Материалы: данные из Google Analytics / Amplitude, фаннели, скриншоты интерфейса, отзывы пользователей
Сеттинг
Вы — продуктовая команда стартапа, запустившего новую функцию в мобильном приложении. После обновления конверсия новых пользователей упала на 25%. Ваша задача — найти причину спада, предложить гипотезы и определить дальнейшие действия.
Роли в команде
Этапы игры
Этап 1: Получение данных
Команда получает данные о снижении конверсии, регистрации, отзывы пользователей и информацию о последнем обновлении.
Этап 2: Анализ проблемы
Аналитики строят фаннели, ищут точки оттока. Команда обсуждает возможные причины: UX, баги, изменения в онбординге и т.д.
Этап 3: Генерация гипотез
Команда формулирует несколько гипотез и выбирает наиболее вероятные для проверки.
Этап 4: Принятие решений
Обсуждение вариантов решения: A/B-тестирование, отмена изменений, доработка UI/UX.
Этап 5: Презентация выводов
Команда представляет результаты анализа, объясняет, как они пришли к своим выводам и что нужно сделать дальше.
Обучающие эффекты
Возможные проблемы и вызовы во время игры
Дополнительно
Можно использовать макеты экранов, демонстрационные панели аналитики, записи пользовательских сессий.
🎲 Ролевая игра №2: «Почему люди не используют новый функционал?»
Цель игры
Научить студентов анализировать внедрение нового продукта или функции, собирать отзывы и предлагать пути улучшения.
Формат
- Тип: деловая ролевая игра
- Участники: 5–6 человек
- Продолжительность: 2 академических часа
- Материалы: данные о внедрении функций, отзывы пользователей, скриншоты интерфейса
Сеттинг
Новый функционал был запущен месяц назад, но его используют менее 5% пользователей. Команда должна понять, почему это происходит, и предложить решения.
Роли в команде
Этапы игры
Этап 1: Знакомство с ситуацией
Команда получает данные о низком уровне внедрения, отзывы, описание функции и её место в интерфейсе.
Этап 2: Анализ данных
Изучение метрик: кто использует функцию, где она находится, какие события происходят.
Этап 3: Сбор обратной связи
Команда проводит мини-интервью с «пользователями» и составляет портрет типичного пользователя.
Этап 4: Формулирование гипотез
Возможные причины: низкая видимость, сложность, отсутствие ценности.
Этап 5: Презентация решений
Команда предлагает решения: обучение, редизайн, push-уведомления, A/B-тестирование.
Обучающие эффекты
- Анализ adoption
- Сбор и анализ feedback
- Формулировка гипотез
- Презентация рекомендаций
🎲 Ролевая игра №3: «Увеличение оттока после первого дня использования»
Цель игры
Научить студентов диагностировать причины высокого оттока клиентов, работать с cohort analysis и предлагать улучшения.
Формат
- Тип: деловая ролевая игра
- Участники: 5–6 человек
- Продолжительность: 2 академических часа
- Материалы: графики когорт, отзывы, журналы событий
Сеттинг
После выпуска нового мобильного приложения более 70% пользователей покидают его после первого дня использования. Команда должна разобраться, почему это происходит.
Роли в команде
Этапы игры
Этап 1: Знакомство с ситуацией
Команда получает данные о удержании клиентов, отзывы первых пользователей и описание продукта.
Этап 2: Анализ когорт и событий
Определение того, на каком этапе пользователи уходят и какие события происходят.
Этап 3: Сценарии первого взаимодействия
Команда воссоздаёт путь пользователя, чтобы понять, что может его оттолкнуть.
Этап 4: Гипотезы и предложения
Формулировка возможных причин и путей решения: онбординг, ценность продукта, юзабилити.
Этап 5: Презентация выводов
Команда представляет свои идеи о том, как можно улучшить пользовательский опыт.
Обучающие эффекты
- Cohort-анализ
- Диагностика churn
- Работа с первым опытом пользователя
- Формулировка гипотез
🎲 Ролевая игра №4: «Как выбрать следующую гипотезу для тестирования?»
Цель игры
Научить студентов выбирать гипотезы, ранжировать их по критериям и планировать эксперименты.
Формат
- Тип: деловая ролевая игра
- Участники: 5–6 человек
- Продолжительность: 2 академических часа
- Материалы: список гипотез, матрица ICE, шаблоны экспериментов
Сеттинг
Команда получает список из 10 потенциальных гипотез для улучшения продукта. Необходимо выбрать 1–2 наиболее перспективные и подготовить план A/B-тестирования.
Роли в команде
Этапы игры
Этап 1: Знакомство с гипотезами
Команда получает список гипотез, например: изменение кнопки CTA, добавление подсказок, изменение цвета элементов и т.д.
Этап 2: Ранжирование гипотез
Команда оценивает каждую гипотезу по методике ICE (влияние, достоверность, простота).
Этап 3: Выбор приоритетной гипотезы
Обсуждение и выбор 1–2 гипотез для тестирования.
Этап 4: Планирование A/B-теста
Формулировка целей, показателей, сроков, выбор инструментов.
Этап 5: Презентация теста
Команда представляет выбранный эксперимент и объясняет, почему он будет эффективным.
Обучающие эффекты
- Ранжирование гипотез
- Планирование экспериментов
- Работа с метриками
- Командное принятие решений
🧠 Ментальная карта №1: Основы продуктовой аналитики
Центральный узел:
Продуктовый аналитик — анализ данных для принятия решений
Ветви:
Роль и задачи
- Сбор и обработка данных
- Анализ метрик продукта
- Поддержка команды при принятии решений
- Выявление точек роста и проблем
Ключевые метрики
- DAU / WAU / MAU
- Удержание
- Маслобойка
- Коэффициент конверсии
- LTV и CAC
Инструменты аналитики
- Google Analytics
- Яндекс.Метрика
- Амплитуда / Микшпанель
- SQL
- Excel / Power BI
Форматы анализа
- Фаннельный анализ
- Когортный анализ
- A/B-тестирование
- Отслеживание событий
- Путешествие пользователя
Отчетность и коммуникация
- Рассказывание историй о данных
- Дашборды
- Презентации для руководства
- Работа с нетехнической аудиторией
🧠 Ментальная карта №2: SQL для продуктового аналитика
Центральный узел:
SQL — язык запросов к данным
Ветви:
Базовые команды
- ВЫБЕРИТЕ, ОТКУДА, ГДЕ
- ЗАКАЗ ПО, ЛИМИТУ
- ОТЧЕТЛИВЫЙ
- МЕЖДУ, ВНУТРИ, КАК
Агрегатные функции
- КОЛИЧЕСТВО, СУММА, СРЕДНЕЕ ЗНАЧЕНИЕ
- МИНИМАЛЬНЫЙ, МАКСИМАЛЬНЫЙ
- СГРУППИРОВАТЬ ПО
- ИМЕЯ
Соединения таблиц
- ВНУТРЕННЕЕ СОЕДИНЕНИЕ
- СОЕДИНЕНИЕ ВЛЕВО / ВПРАВО
- ПОЛНОЕ ВНЕШНЕЕ СОЕДИНЕНИЕ
- САМОСТОЯТЕЛЬНОЕ ПРИСОЕДИНЕНИЕ
Подзапросы
- Вложенные запросы
- СУЩЕСТВУЕТ / НЕ СУЩЕСТВУЕТ
- СЛУЧАЙ , КОГДА
Практические задачи
- Выборка пользователей по событиям
- Подсчёт конверсии
- Расчёт retention
- Анализ активности за период
- Создание информационных панелей на основе SQL-запросов
🧠 Ментальная карта №3: A/B-тестирование и эксперименты
Центральный узел:
A/B-тестирование — проверка гипотез на практике
Ветви:
Гипотезы
- Как сформулировать гипотезу (формат «Если… То… Потому что…»)
- ICE-метод оценки приоритета
- Проверяемые и непроверяемые гипотезы
Основы статистики
- P-значение
- Уровень достоверности
- Возвышение
- Статистическая значимость
- Смещение выборки
Типы тестов
- A/B-тестирование
- Multivariate тесты
- Split URL и In-page тесты
- Многорукий бандит
Практическая реализация
- Выбор инструментов (Google Optimize, AB Tasty и др.)
- Настройка целевых метрик
- Длительность теста
- Определение размера выборки
- Интерпретация результатов
Частые ошибки
- Недостаточный размер выборки
- Тестирование несвязанных изменений
- Зависимость от одного теста
- Игнорирование побочных эффектов
🧠 Ментальная карта №4: Работа с данными и аналитическими инструментами
Центральный узел:
Данные как основа принятия решений
Ветви:
Источники данных
- Логи событий
- Базы данных
- CRM / ERP системы
- Аналитические платформы
- Обратная связь от пользователей
Обработка данных
- Очистка данных
- Агрегирование данных
- ETL/ELT процессы
- Работа с пропусками и выбросами
- Создание новых метрик
Инструменты визуализации
- Мощность BI
- Студия Looker
- Живая картина
- Преуспеть
- Dashboards и фильтры
Хранилища данных
- Хранилище данных
- OLAP против OLTP
- Snowflake, BigQuery, Redshift
- Модели данных (звёзды, снежинки)
Автоматизация анализа
- Python (Pandas, Matplotlib, Seaborn)
- SQL-скрипты
- Автоматические отчёты
- Alerting и мониторинг метрик
1. Учебное пособие
Название: Основы продуктовой аналитики: от данных к решениям
Автор: Елена Петрова
Год издания: 2023
Краткое описание:
Этот учебник представляет собой практическое руководство по работе продуктового аналитика в сфере цифровых продуктов. В нём рассматриваются ключевые метрики, методы анализа пользовательского поведения, фаннельный и когортный анализ, а также работа с инструментами Google Analytics, SQL и Excel. В книге приведены реальные кейсы из практики стартапов и крупных компаний. Подходит для студентов и новичков в профессии.
2. Справочное издание
Название: SQL для аналитиков: от базовых запросов до сложного анализа данных
Автор: Алексей Кузнецов
Год издания: 2021
Краткое описание:
Практическое пособие по применению SQL в продуктовом анализе. Включает разбор типовых задач: выборка событий, подсчёт конверсий, анализ удержания, построение дашбордов. Пособие содержит множество примеров на реальных наборах данных и ориентировано на тех, кто хочет научиться эффективно работать с данными. Идеально подходит для начинающих аналитиков.
3. Методическое пособие
Название: A/B-тестирование: наука и практика принятия решений на основе данных
Авторы: Никита Андреев, Ольга Смирнова
Год издания: 2022
Краткое описание:
Это подробное руководство по проведению экспериментов поможет освоить основы выдвижения гипотез, правильно спланировать A/B-тестирование, собрать данные и интерпретировать результаты. Рассмотрены вопросы статистической значимости, ошибок первого и второго рода, выбора метрик и использования популярных инструментов. Подходит как теоретический и практический материал для обучения продуктовых аналитиков.
4. Учебное пособие
Название: Аналитика в Google Analytics: от настройки до глубокого анализа
Автор: Дмитрий Лебедев
Год издания: 2023
Краткое описание:
Руководство по работе с Google Analytics, охватывающее все этапы: от установки счетчика до создания отчетов и информационных панелей. Особое внимание уделено анализу поведения пользователей, настройке целей, сегментации и интеграции с другими инструментами аналитики. В приложениях приведены шаблоны отчетов и контрольные списки для проверки корректности сбора данных.
5. Научно-популярная книга
Название: Storytelling с данными: как превратить числа в истории, которые работают
Автор: Колин Брюстер
**Перевод на русский язык под редакцией Алины Смирновой
Год издания: 2020
Краткое описание:
Эта книга помогает научиться эффективно рассказывать истории на основе данных. Здесь вы найдете советы по построению логики презентации, выбору визуализаций, оформлению информационных панелей и подготовке отчетов для нетехнической аудитории. Полезна как для аналитиков, так и для менеджеров и маркетологов, которым необходимо ясно и убедительно представлять информацию.
1. Как устроена аналитика в Google Analytics
Изучите основные понятия: цели, события, аудитории, сегменты. Настройте счетчик, добавьте отслеживание событий кликов и форм.
2. Анализ пользовательской воронки
Создайте фаннел в Google Analytics или Amplitude. Выберите продукт (реальный или учебный), определите этапы покупки или регистрации и проанализируйте точки оттока.
3. Работа с SQL-запросами
На примере открытого датасета (например, retail_sales или user_activity) напишите запросы для подсчёта DAU, конверсии, среднего чека и повторных действий.
4. Построение когортного анализа
С помощью Excel или Python создайте таблицу когорт и визуализируйте удержание пользователей за 7, 14 и 30 дней.
5. A/B-тестирование кнопки CTA
Сформулируйте гипотезу, предположите, как изменение текста или цвета кнопки может повлиять на конверсию. Смоделируйте данные и проверьте их на статистическую значимость.
6. Анализ показателей DAU, WAU, MAU
Загрузите данные об активности пользователей и рассчитайте ежедневную, еженедельную и месячную активность. Постройте графики и найдите аномалии.
7. Подготовка отчета по удержанию
Соберите данные о пользователях за последний месяц. Рассчитайте показатель удержания на 1, 7 и 30 день. Подготовьте презентацию с выводами.
8. Анализ показателя отказов на сайте
Проанализируйте страницы с высоким показателем отказов. Предложите улучшения UX/UI и обоснуйте их на основе данных.
9. Создание панели мониторинга в Power BI
Подключите данные из CSV или Excel. Создайте панель управления с ключевыми показателями: DAU, удержание, коэффициент конверсии, LTV/CAC.
10. Визуализация данных в Looker Studio
Используя данные из Google Analytics, создайте интерактивный дашборд с фильтрами по датам, источникам трафика и устройствам.
11. Формулирование гипотез по методу ICE
Сгенерируйте 10 гипотез для улучшения цифрового продукта и ранжируйте их по методике ICE (влияние, уверенность, простота).
12. Планирование A/B-теста
Выберите одну из гипотез и спланируйте эксперимент: целевую метрику, выборку, продолжительность, необходимый размер аудитории.
13. Оценка статистической значимости
Смоделируйте результаты теста и проверьте, является ли различие между контрольной и тестовой группами статистически значимым (с помощью t-теста или z-теста).
14. Сравнение UTM-меток
Настройте разные UTM-кампании для одного и того же контента. Проанализируйте, какой канал привлекает больше целевых пользователей.
15. Анализ пути пользователя
Создайте карту пути пользователя при взаимодействии с мобильным приложением или сайтом. Укажите эмоциональные пики и точки выхода.
16. Тепловая карта и анализ взаимодействия
Используйте инструмент (например, Hotjar или Yandex Heatmap) для анализа взаимодействия с веб-страницей. Определите, какие элементы наиболее популярны, а какие игнорируются.
17. Отслеживание событий в Яндекс.Метрике
Добавьте отслеживание событий (например, клики по кнопке «Подробнее», открытие меню). Проверьте правильность отправки данных.
18. Сбор отзывов от пользователей
Создайте короткий опрос для пользователей мобильного приложения. Обработайте ответы и сделайте выводы о болевых точках.
19. Создание пользовательской персоны
На основе данных и опросов создайте 1–2 пользовательские персоны, описывающие типичных клиентов вашего продукта.
20. Анализ LTV и CAC
Рассчитайте стоимость привлечения (CAC) и доход на пользователя (LTV). Оцените рентабельность маркетинговых кампаний.
21. Диагностика снижения конверсии
Вы получили данные о том, что конверсия упала на 20%. Проведите диагностику, соберите данные, выдвиньте гипотезы и предложите решения.
22. Интеграция CRM и аналитики
На примере CRM-системы и Google Analytics свяжите данные о покупках и действиях пользователей. Найдите закономерности в поведении.
23. Автоматизация отчетов
Настройте автоматический отчет по ключевым показателям продукта с помощью Google Data Studio, Excel или Python-скрипта.
24. Анализ внедрения функций
Выберите новую функцию в продукте. Оцените, сколько пользователей её используют, кто использует чаще всего и есть ли корреляция с удержанием.
25. Рассказывание историй с помощью данных
На основе собранного набора данных подготовьте краткий рассказ — презентацию или текст, — который ясно объяснит проблему и предложит решение, основанное на фактах.
Нет элементов для просмотра