Тестовое задание
на продуктового аналитика
kivork

Приложение - мобильная утилита для сканирования документов. Модель монетизации подписочная, есть пробный период 7 дней с дальнейшим переходом в оплату 4.99 USD в неделю.

По ссылке ниже выгрузка с базы данных по оформлениям подписок и оплат. Каждая строка представляет собой отдельное событие (либо оформление пробной подписки, либо оплата после завершения пробного периода).

Задание построено таким образом, чтобы проверить понимание принципов unit-экономики предприятия. Задание 1 предпочтительней делать с помощью Python.
.

Необходимо рассчитать текущий LTV юзера, используя когортный анализ (cohorting event - оформление пробного периода, когорта представляет собой кол-во возможных операций).

Спрогнозировать, каким будет LTV на полгода.

Построить график, который будет отображать кривую фактического LTV на фоне кривой прогнозируемого LTV.


Рассчитать ROMI на 4 недели и на полгода, если стоимость привлечения платящего пользователя 6 USD (ROMI нужно брать операционный, а не бухгалтерский, цель: узнать как окупятся наши инвестиции).

Ниже 2 задачи на проверку знаний SQL.
Для решения заданий следует использовать синтаксис - PostgreSQL.
Ответы нужно представить в виде файла с запросами.

Схема данных = структура Базы данных

• Это название таблицы
• Это название столбца/колонки

1. Написать 2 SQL запроса для поиска значений среднего и медианы по сумме продажи. Сумму транзакции округляем до целой части. Нельзя использовать стандартные функции среднего и медианы в SQL. Можно использовать только агр функции SUM и COUNT.

Схема данных:

• orders
• id
• sale_amount - в центах
• user_id
• datetime

2. Написать SQL-запрос для поиска задублированных в результате ошибки транзакций.

Схема данных:

• purchases
• transaction_id
• datetime
• amount
• user_id

3. Написать SQL-запрос для построения воронки перехода из установки в оформление пробного периода и в покупку платной версии приложения в разрезе стран. На одного юзера возможна только одно оформление пробного периода и одна покупка платной версии. Покупка возможна только после истечения срока пробного периода. На выходе должна получится таблица с колонками “country”, “installs”, “trials”, “purchases”, “conversion_rate_to_trial”, “conversion_rate_to_purchase”

Схема данных:

• events
• transaction_id
• datetime
• event_type (значение может быть либо “instal”, либо “trial”, либо “purchase”)
• user_id
• country

Продуктовый менеджер сформировал гипотезу, что новая версия экрана продаж будет лучше перформить по сравнению со старой, в связи с тем, что на новом экране продаж более понятно описаны преимущества платной версии приложения.


Продуктовый менеджер ожидает увеличение уровня конверсии из установки в покупку платной версии приложения. Приложение тем временем уже очень активно продвигается на рынке, каждый день привлекается в среднем по 30 000 новых пользователей, текущий уровень конверсии из установки в покупку 5%.


Как бы вы предложили проверить данную гипотезу, какие инструменты и тесты бы использовали в процессе проверки?