Тестовое задание
на продуктового аналитика
Aviasales

У нас есть сервис для покупки дешевых авиабилетов. Основная воронка:

● Юзер зашел на сайт
● Нажал "искать билеты"
● Открыл конкретный билет
● Выбрал предложение конкретного партнера и перешел к нему на сайт
● Купил билет на сайте. Партнер платит нам комиссию за покупку билета.

Мы хотим запустить новую функциональность на экране с выдачей авиабилетов: виджет
динамики цен, который показывает пользователю, насколько дешево или дорого стоят
билеты по выбранному направлению в данный момент, по сравнению с обычной ценой.
Это поможет пользователю понять, выгодно ли покупать билет сейчас или стоит
подождать.

- Какие данные и метрики важно исследовать при предварительном анализе фичи?
Какие факторы необходимо учесть?
- Какой будет дизайн теста данной фичи?
- На какие показатели ориентироваться при принятии решения об эффективности
работы фичи?

У нас есть датасет с данными по пользовательским поискам авиабилетов и открытиям
экрана билета из выдачи. В рамках одного поиска пользователь может как открыть экран
билета несколько раз, так и не открыть его ни разу. Будем считать, что все поиски и
открытия билетов были сделаны 20 августа 2024 года.

Датасет лежит в файле task_2_data.csv

У каждой записи есть:
● user_id – ID пользователя
● search_id – ID поиска
● origin – город вылета
● destination – город прибытия
● depart_date – дата вылета
● round_trip – тип поиска: “В одну сторону” или “Туда-обратно”
● ticket_signature – ID билета
● baggage – конфигурация багажа в билете

2.1 Посчитайте/визуализируйте с помощью Python:

● Долю пользователей, которые открывали билет от общего количества
пользователей, в зависимости от типа поиска;
● Конверсию из поиска в открытие трёх или более уникальных билетов в разбивке по
городам вылета;
● Среднее количество уникальных открытий билетов в зависимости от конфигурации
багажа.

2.2 Представим, что мы залили наш датасет в базу данных в таблицу serp_events. Напишите SQL-запросы, с помощью которых можно:
● Посчитать какой процент пользователей от тех, кто сделал два или более поиска,
открывает больше трёх уникальных билетов;
● Определить какому из городов прибытия соответствует наибольшая средняя
глубина поиска (разница между датой поиска и датой вылета);
● Определить, является ли количество открытых пользователем уникальных билетов
в рамках каждого города отправления максимальным среди всех пользователей,
выполнявших поиск в этом же городе.

Мы провели A/B-тест. Результаты лежат в файле task_3_data.csv

Группа a - дефолтный вариант. Группа b - с добавлением нового фичи на экран билета. Ключевая метрика - profit.

Вопросы:
● Проанализируйте и интерпретируйте результаты.
● Какие рекомендации по проведению эксперимента могли бы дать?

Тестовое задание на продуктового аналитика в Aviasales. Ознакомьтесь с примерами реальных тестовых заданий, которые предлагаются кандидатам. Узнайте, какие задачи могут встретиться и как они связаны с будущей работой. Это поможет лучше подготовиться к собеседованию в Aviasales и понять ожидания работодателя.