Меню
Вернуться в видеотеку

Собес в Яндекс Маркет и обсуждаем маркетплейсы

Подробная запись и разбор собеседования на продуктового аналитика в Яндекс Маркет. Основной фокус — на продуктовой аналитике маркетплейса, экспериментах, UGC, инструментах для продавцов и требованиях к кандидату.

Направление
Data Analysis
Формат
Видео
Компания
Яндекс
Длительность
1 ч 58 мин

Источник: Alexey Surgaev

Открыть на YouTube

Таймлайн

Коротко о видео

Автор Алексей разбирает реальное собеседование в Яндекс на роль продуктового аналитика Яндекс Маркета и параллельно комментирует его со стороны действующего продавца на маркетплейсах. Руководитель команды объясняет зону ответственности: воронку покупки, поиск и карточку товара, UGC, контент продавцов, эксперименты, B2B-инструменты и исследования эффекта контента. Обсуждаются требования к аналитику, формат работы, система ревью и этапы найма; в конце автор сообщает, что не прошёл последующий этап по математике и до кодинговой секции не дошёл.

Затронутые темы

Анализ данныхТестирование

Что взять на заметку

  • Для продуктового аналитика в Маркете важны владение частью продукта, работа с гипотезами, подготовка витрин данных, дизайн и интерпретация экспериментов, а не только построение отчётов.
  • Перед запуском фичи команда оценивает целевые и прокси-метрики, ожидаемый размер эффекта и статистическую мощность; небольшую либо неизмеримую пользу считают поводом отложить проект.
  • В задачах Маркета аналитика охватывает путь от поиска и карточки товара до checkout, оплаты, доставки и возврата, но конкретная команда собеседника сфокусирована на поиске, карточке и контенте.
  • Для оценки UGC и отзывов недостаточно простого наблюдения за метриками: интервьюер описывает сопоставление похожих пользователей и ухудшающие эксперименты со скрытием части контента, поскольку эффект отзывов отложен и трудно отделим от внешних факторов.
  • В B2B-продуктах для продавцов критична не только сама функция, но и понятное объяснение её финансового эффекта: иначе продавцы могут не внедрять полезные инструменты из-за нехватки времени и непрозрачной окупаемости.
  • В процессе найма названы отдельные секции по кодингу, статистике и математическому анализу, затем — финальные встречи с заинтересованными командами. Автор отдельно сообщает, что не прошёл математический этап.
  • SQL назван базовым рабочим навыком; Python полезен для отдельных задач, а формат кодинговой секции, по словам собеседников, могут соотносить с основным инструментом кандидата.

Рекомендуем посмотреть

1 ч 37 мин
Data Analysis

Открытое собеседование по статистике с Анатолием Карповым | karpov.courses

Учебное обсуждение вопросов по статистике и продуктовым A/B-тестам, которые могут встретиться аналитику на собеседовании. От основ t-теста разговор переходит к инженерии экспериментов, прокси-метрикам и ускорению принятия решений.

Видео