## БЛОК ТЕОРИИ: Бизнес-мышление и метрики
Это **самый важный блок** для прохождения собеседований. Именно здесь проверяют, умеет ли кандидат **мыслить как бизнес**, а не просто писать код. Давайте разберем **всю теорию** максимально подробно, с формулами, примерами и скриптами для Northwind.



### ТЕМА 1. Продуктовые метрики


Эти метрики помогают понять, **как пользователи взаимодействуют с продуктом**, насколько они лояльны и сколько денег приносят.

---

#### 1.1 DAU / WAU / MAU (Активная аудитория)

| Метрика | Расшифровка | Что показывает |
| :--- | :--- | :--- |
| **DAU** | Daily Active Users | Сколько уникальных пользователей зашли в день |
| **WAU** | Weekly Active Users | Сколько уникальных пользователей зашли за неделю |
| **MAU** | Monthly Active Users | Сколько уникальных пользователей зашли за месяц |

**Зачем нужны:**
- Показывают **масштаб** аудитории
- Помогают отслеживать **тренды** (рост/падение)
- Используются для расчета других метрик

**Пример из ритейла (М.Видео):**
- DAU = 50 000 человек заходят на сайт ежедневно
- MAU = 500 000 уникальных посетителей в месяц

**Как посчитать в SQL (Northwind):**

```sql
-- Ежедневное количество уникальных клиентов, сделавших заказ
SELECT 
    order_date,
    COUNT(DISTINCT customer_id) AS dau
FROM orders
GROUP BY order_date
ORDER BY order_date;
```

---

### 1.2 Stickiness (Липкость)

**Определение:** Показывает, **насколько часто** пользователи возвращаются в продукт.

**Формула:**
```
Stickiness = DAU / MAU × 100%
```

| Значение | Интерпретация |
| :--- | :--- |
| **> 50%** | 🔥 Супер-липкий продукт (пользователи заходят почти каждый день) |
| **20-50%** | 👍 Хорошая липкость |
| **< 20%** | ⚠️ Низкая липкость (пользователи приходят редко) |

**Пример:**
- DAU = 10 000
- MAU = 50 000
- Stickiness = 10 000 / 50 000 = **20%**

**Вывод:** В среднем пользователь заходит 6 раз в месяц (20% от 30 дней).

**Как посчитать в SQL:**
```sql
WITH daily_users AS (
    SELECT 
        order_date,
        COUNT(DISTINCT customer_id) AS dau
    FROM orders
    GROUP BY order_date
),
monthly_users AS (
    SELECT 
        DATE_TRUNC('month', order_date) AS month,
        COUNT(DISTINCT customer_id) AS mau
    FROM orders
    GROUP BY DATE_TRUNC('month', order_date)
)
SELECT 
    AVG(d.dau) / m.mau * 100 AS stickiness
FROM daily_users d
CROSS JOIN monthly_users m
GROUP BY m.mau;
```

---

#### 1.3 Retention (Удержание)

**Определение:** Доля пользователей, которые **вернулись** в продукт через определенное время.

**Cohort Analysis (Когортный анализ):**
- **Когорта** — группа пользователей, объединенная по времени (например, все, кто зарегистрировался в январе)
- **Retention** — сколько из них вернулись через 1, 2, 3... месяца

**Пример:**

| Месяц регистрации | Зарегистрировалось | Вернулись через 1 мес | Retention 1 мес |
| :--- | :--- | :--- | :--- |
| Январь 2025 | 1000 | 400 | 40% |
| Февраль 2025 | 1200 | 480 | 40% |
| Март 2025 | 900 | 270 | 30% |

**Вывод:** Retention падает → нужно улучшать продукт.

**Как посчитать в SQL (Northwind):**

```sql
-- Когортный анализ: первый заказ клиента и его возвращаемость
WITH first_orders AS (
    SELECT 
        customer_id,
        MIN(order_date) AS first_order_date
    FROM orders
    GROUP BY customer_id
),
cohorts AS (
    SELECT 
        customer_id,
        DATE_TRUNC('month', first_order_date) AS cohort_month
    FROM first_orders
),
order_months AS (
    SELECT 
        o.customer_id,
        c.cohort_month,
        DATE_TRUNC('month', o.order_date) AS order_month,
        EXTRACT(MONTH FROM AGE(o.order_date, c.cohort_month)) AS month_number
    FROM orders o
    JOIN cohorts c ON o.customer_id = c.customer_id
)
SELECT 
    cohort_month,
    month_number,
    COUNT(DISTINCT customer_id) AS retained_users
FROM order_months
GROUP BY cohort_month, month_number
ORDER BY cohort_month, month_number;
```

---

#### 1.4 Churn Rate (Отток)

**Определение:** Доля пользователей, которые **перестали пользоваться** продуктом.

**Формула:**
```
Churn Rate = (Клиентов в начале - Клиентов в конце) / Клиентов в начале × 100%
```

**Пример:**
- В начале месяца: 10 000 клиентов
- В конце месяца: 9 000 клиентов
- Churn Rate = (10 000 - 9 000) / 10 000 = **10%**

**Как снизить Churn:**
- Улучшить продукт
- Внедрить программу лояльности
- Сделать персонализированные предложения

---

#### 1.5 ARPU и ARPPU (Доход на пользователя)

| Метрика | Расшифровка | Формула |
| :--- | :--- | :--- |
| **ARPU** | Average Revenue Per User | Выручка / Все пользователи |
| **ARPPU** | Average Revenue Per Paying User | Выручка / Платящие пользователи |

**Пример:**
- Выручка за месяц = 1 000 000 ₽
- Всего пользователей = 100 000
- Платящих пользователей = 10 000

**ARPU** = 1 000 000 / 100 000 = **10 ₽**  
**ARPPU** = 1 000 000 / 10 000 = **100 ₽**

**Вывод:** ARPPU в 10 раз больше ARPU → монетизация держится на небольшой группе.

---

#### 1.6 LTV (Lifetime Value) — Пожизненная ценность клиента

**Определение:** Сколько денег принесет клиент за всё время взаимодействия с компанией.

**Упрощенная формула:**
```
LTV = Средний чек × Частота покупок × Время жизни клиента
```

**Точная формула:**
```
LTV = ARPU × (1 / Churn Rate)
```

**Пример:**
- ARPU = 1000 ₽ в месяц
- Churn Rate = 5% (0.05)
- LTV = 1000 / 0.05 = **20 000 ₽**

**Как увеличить LTV:**
1. Увеличить средний чек (апселл/кросс-селл)
2. Увеличить частоту покупок
3. Снизить отток (увеличить время жизни)

**Как посчитать LTV в Northwind:**

```sql
-- LTV каждого клиента
WITH customer_metrics AS (
    SELECT 
        c.customer_id,
        COUNT(DISTINCT o.order_id) AS order_count,
        AVG(od.quantity * od.unit_price * (1 - od.discount)) AS avg_check,
        SUM(od.quantity * od.unit_price * (1 - od.discount)) AS total_spent,
        MAX(o.order_date) - MIN(o.order_date) AS customer_lifetime_days
    FROM customers c
    JOIN orders o ON c.customer_id = o.customer_id
    JOIN order_details od ON o.order_id = od.order_id
    GROUP BY c.customer_id
)
SELECT 
    customer_id,
    total_spent AS ltv,
    order_count,
    avg_check,
    customer_lifetime_days
FROM customer_metrics
ORDER BY ltv DESC;
```

---

### ТЕМА 2. МАРКЕТИНГОВЫЕ МЕТРИКИ

Эти метрики помогают оценить **эффективность рекламных кампаний** и **окупаемость маркетинговых бюджетов**.

---

#### 2.1 CAC (Customer Acquisition Cost) — Стоимость привлечения клиента

**Определение:** Сколько денег нужно потратить, чтобы привлечь одного нового клиента.

**Формула:**
```
CAC = Затраты на маркетинг / Количество новых клиентов
```

**Пример:**
- Потратили на рекламу = 500 000 ₽
- Привлекли 1000 новых клиентов
- CAC = 500 000 / 1000 = **500 ₽**

**Что такое "хороший" CAC?**
- CAC должен быть **меньше LTV** (иначе вы работаете в убыток)
- Идеально: LTV > 3 × CAC

---

#### 2.2 ROMI (Return on Marketing Investment)

**Определение:** Возврат на инвестиции в маркетинг. Показывает, сколько рублей прибыли приносит 1 рубль, потраченный на маркетинг.

**Формула:**
```
ROMI = (Выручка от маркетинга - Затраты на маркетинг) / Затраты на маркетинг × 100%
```

**Пример:**
- Потратили на рекламу = 100 000 ₽
- Получили выручку = 300 000 ₽
- ROMI = (300 000 - 100 000) / 100 000 = **200%**

| ROMI | Интерпретация |
| :--- | :--- |
| **> 100%** | 🟢 Отлично (каждый рубль приносит 2+ рубля) |
| **0-100%** | 🟡 Окупается, но не очень эффективно |
| **< 0%** | 🔴 Убыточно (тратим больше, чем зарабатываем) |

---

#### 2.3 ROI (Return on Investment)

**Определение:** Общая окупаемость инвестиций (не только маркетинговых).

**Формула:**
```
ROI = (Доход - Затраты) / Затраты × 100%
```

---

#### 2.4 CPC, CPM, CTR (Контекстная реклама)

| Метрика | Расшифровка | Формула | Пример |
| :--- | :--- | :--- | :--- |
| **CPC** | Cost Per Click | Бюджет / Количество кликов | 10 ₽ за клик |
| **CPM** | Cost Per Mille (1000 показов) | Бюджет / Показы × 1000 | 200 ₽ за 1000 показов |
| **CTR** | Click-Through Rate | Клики / Показы × 100% | 2% (20 кликов на 1000 показов) |

**Взаимосвязь:**
```
CPC = CPM / (CTR × 10)
```

**Пример:**
- CPM = 200 ₽
- CTR = 2% (0.02)
- CPC = 200 / (0.02 × 1000) = **10 ₽**

---

### ТЕМА 3. РИТЕЙЛ-МЕТРИКИ

Это метрики, специфичные для розничной торговли (как в Ленте, М.Видео, Ригле).

---

#### 3.1 ABC-XYZ Анализ

**Определение:** Метод классификации товаров по двум критериям:
- **ABC** — по вкладу в выручку
- **XYZ** — по стабильности продаж

| Категория ABC | Описание | Доля в выручке |
| :--- | :--- | :--- |
| **A** | Самые важные товары | ~80% |
| **B** | Средние товары | ~15% |
| **C** | Наименее важные товары | ~5% |

| Категория XYZ | Описание | Коэффициент вариации |
| :--- | :--- | :--- |
| **X** | Стабильные продажи | < 10% |
| **Y** | Сезонные/волатильные | 10-25% |
| **Z** | Нерегулярные продажи | > 25% |

**Матрица ABC-XYZ:**

| | X (стабильные) | Y (сезонные) | Z (случайные) |
| :--- | :--- | :--- | :--- |
| **A** (80% выручки) | 🔥 **AX** — Главные товары, держать всегда | **AY** — Планировать по сезону | **AZ** — Анализировать причины |
| **B** (15% выручки) | **BX** — Стабильные, держать | **BY** — Планировать | **BZ** — Требуют внимания |
| **C** (5% выручки) | **CX** — Можно держать | **CY** — Можно сократить | **CZ** — 🗑️ Выводить из ассортимента |

**Как посчитать ABC-XYZ в SQL (Northwind):**

```sql
-- ABC-XYZ анализ товаров
WITH product_sales AS (
    SELECT 
        p.product_id,
        p.product_name,
        SUM(od.quantity * od.unit_price * (1 - od.discount)) AS total_revenue,
        COUNT(DISTINCT o.order_id) AS order_count,
        STDDEV(od.quantity) AS sales_variation
    FROM products p
    JOIN order_details od ON p.product_id = od.product_id
    JOIN orders o ON od.order_id = o.order_id
    GROUP BY p.product_id, p.product_name
),
abc_classification AS (
    SELECT 
        *,
        PERCENT_RANK() OVER (ORDER BY total_revenue DESC) AS revenue_percentile
    FROM product_sales
)
SELECT 
    product_name,
    total_revenue,
    CASE 
        WHEN revenue_percentile <= 0.8 THEN 'A'
        WHEN revenue_percentile <= 0.95 THEN 'B'
        ELSE 'C'
    END AS abc_category,
    CASE 
        WHEN sales_variation < 0.1 THEN 'X'
        WHEN sales_variation < 0.25 THEN 'Y'
        ELSE 'Z'
    END AS xyz_category
FROM abc_classification
ORDER BY total_revenue DESC;
```

---

#### 3.2 Средний чек (Average Check / AOV)

**Определение:** Средняя сумма одной покупки.

**Формула:**
```
Средний чек = Выручка / Количество заказов
```

**Как увеличить средний чек:**
1. Апселл (предложить более дорогой товар)
2. Кросс-селл (предложить дополнительные товары)
3. Скидки за минимальную сумму заказа

**SQL в Northwind:**
```sql
SELECT 
    AVG(order_total) AS avg_check
FROM (
    SELECT 
        o.order_id,
        SUM(od.quantity * od.unit_price * (1 - od.discount)) AS order_total
    FROM orders o
    JOIN order_details od ON o.order_id = od.order_id
    GROUP BY o.order_id
) AS order_totals;
```

---

#### 3.3 Конверсия (Conversion Rate)

**Определение:** Доля пользователей, которые совершили целевое действие.

**Примеры конверсии в ритейле:**
- Посетитель сайта → Добавил товар в корзину
- Добавил в корзину → Оформил заказ
- Посетитель магазина → Совершил покупку

**Формула:**
```
Конверсия = Целевые действия / Всего пользователей × 100%
```

**Пример:**
- 1000 посетителей сайта
- 50 оформили заказ
- Конверсия = 50 / 1000 = **5%**

---

#### 3.4 Воронка продаж (Sales Funnel)

**Определение:** Путь клиента от первого касания до покупки.

**Пример воронки для интернет-магазина:**

| Этап | Количество | Конверсия (от этапа к этапу) |
| :--- | :--- | :--- |
| Посетили сайт | 10 000 | - |
| Посмотрели товар | 4 000 | 40% |
| Добавили в корзину | 1 000 | 25% |
| Оформили заказ | 200 | 20% |
| Оплатили | 150 | 75% |
| **Общая конверсия** | **1.5%** | - |

**Где падает воронка?** На этапе "корзина → заказ" (20%) — возможно, сложная форма оформления.

**SQL в Northwind (упрощенная воронка):**
```sql
SELECT 
    COUNT(DISTINCT customer_id) AS customers,
    COUNT(DISTINCT order_id) AS orders,
    COUNT(DISTINCT order_id)::FLOAT / COUNT(DISTINCT customer_id) AS conversion_rate
FROM customers c
LEFT JOIN orders o ON c.customer_id = o.customer_id;
```

---

#### 3.5 Товарооборот (Turnover / T/O)

**Определение:** Общая стоимость проданных товаров за период.

**Формула:**
```
Товарооборот = Сумма всех продаж
```

**Не путать с выручкой!** Выручка = Товарооборот - возвраты - скидки.

**SQL в Northwind:**
```sql
SELECT 
    SUM(od.quantity * od.unit_price * (1 - od.discount)) AS turnover
FROM order_details od;
```

---

#### 3.6 Маржинальность (Margin)

**Определение:** Доля прибыли в цене товара.

**Формула:**
```
Маржинальность = (Цена продажи - Себестоимость) / Цена продажи × 100%
```

**Пример:**
- Продаем товар за 1000 ₽
- Себестоимость = 700 ₽
- Маржинальность = (1000 - 700) / 1000 = **30%**

**Что важно:** Маржинальность показывает, сколько денег остается компании после покрытия прямых затрат.

---

#### 3.7 Оборачиваемость склада (Inventory Turnover)

**Определение:** Сколько раз за период товар продается и заменяется на складе.

**Формула:**
```
Оборачиваемость = Себестоимость проданных товаров / Средний остаток на складе
```

**Пример:**
- Себестоимость проданных товаров за год = 10 000 000 ₽
- Средний остаток на складе = 1 000 000 ₽
- Оборачиваемость = **10 раз в год**

**Интерпретация:**
- Высокая оборачиваемость → товар быстро продается (хорошо)
- Низкая оборачиваемость → товар залеживается (плохо, увеличивает затраты на хранение)

---

#### 3.8 Out-of-Stock (OOS)

**Определение:** Доля времени, когда товара нет в наличии.

**Формула:**
```
OOS = Дни без товара / Всего дней × 100%
```

**Почему это плохо:**
- Потеря продаж (клиент уходит к конкуренту)
- Снижение лояльности
- Ухудшение метрик (заниженный средний чек)

**SQL в Northwind (имитация):**
```sql
-- Товары, которые закончились (units_in_stock = 0)
SELECT 
    product_name,
    units_in_stock
FROM products
WHERE units_in_stock = 0;
```

---

### ТЕМА 4. ПРОЦЕССНЫЙ ПОДХОД (ДЕКОМПОЗИЦИЯ)

**Декомпозиция** — это разбиение сложной задачи на простые составляющие.

---

#### 4.1 Как искать причину падения метрики?

**Метод "Дерево факторов":**

```
Падение выручки (-5%)
    │
    ├─ Продажи упали
    │   ├─ Меньше клиентов
    │   │   ├─ Меньше трафика
    │   │   └─ Меньше конверсия
    │   └─ Меньше средний чек
    │       ├─ Дешевые товары
    │       └─ Меньше товаров в корзине
    │
    └─ Цены упали
        ├─ Скидки
        └─ Снижение цен
```

---

#### 4.2 Формула декомпозиции

```
Выручка = Трафик × Конверсия × Средний чек
```

**Пример расчета:**

| Показатель | Прошлый месяц | Текущий месяц | Изменение |
| :--- | :--- | :--- | :--- |
| Трафик | 10 000 | 9 500 | -5% |
| Конверсия | 5% (0.05) | 5.2% (0.052) | +4% |
| Средний чек | 1000 ₽ | 950 ₽ | -5% |
| **Выручка** | **500 000** | **469 300** | **-6.14%** |

**Что делать:**
1. Трафик упал на 5% → возможно, проблема с рекламой
2. Средний чек упал на 5% → возможно, переключение на дешевые товары

---

#### 4.3 Пример ответа на собеседовании

**Вопрос:** *"Наша выручка упала на 5% за месяц. Как будешь искать причину?"*

**Правильный ответ (структурированный):**

1. **Сначала проверю данные:**
   - Нет ли технических ошибок (сбой в базе, неправильная выгрузка)
   - Сравню с аналогичным периодом прошлого года (сезонность)

2. **Разложу выручку на факторы:**
   - Выручка = Количество заказов × Средний чек
   - Количество заказов = Активные клиенты × Частота покупок
   - Активные клиенты = Новые + Вернувшиеся - Отток

3. **Проверю каждый фактор:**
   - Не упал ли трафик? (маржа, конверсия)
   - Не упал ли средний чек? (скидки, смена ассортимента)
   - Не вырос ли отток? (конкуренты, сервис)

4. **Построю воронку:**
   - Посетители → Корзина → Заказ → Оплата
   - На каком этапе падение?

5. **Сделаю выводы и предложу гипотезы:**
   - Если упал трафик → бюджет на рекламу
   - Если упала конверсия → UX/цена
   - Если упал средний чек → кросс-селлы/апселлы

---

### ИТОГОВАЯ ШПАРГАЛКА ДЛЯ СОБЕСЕДОВАНИЯ

| Метрика | Формула | Зачем |
| :--- | :--- | :--- |
| **DAU/MAU** | Количество пользователей в день/месяц | Оценить размер аудитории |
| **Stickiness** | DAU / MAU × 100% | Понять частоту возврата |
| **Retention** | Вернулись / Зарегистрировались | Оценить удержание |
| **Churn** | (Начало - Конец) / Начало × 100% | Оценить отток |
| **ARPU** | Выручка / Все пользователи | Доход на всех |
| **ARPPU** | Выручка / Платящие | Доход на платящих |
| **LTV** | ARPU / Churn | Пожизненная ценность |
| **CAC** | Затраты / Новые клиенты | Стоимость привлечения |
| **ROMI** | (Выручка - Затраты) / Затраты × 100% | Окупаемость маркетинга |
| **Средний чек** | Выручка / Количество заказов | Типичный размер покупки |
| **Конверсия** | Целевые действия / Всего × 100% | Эффективность воронки |
| **ABC-XYZ** | Матрица классификации | Управление ассортиментом |
| **Маржинальность** | (Цена - Себест.) / Цена × 100% | Прибыльность товара |
| **Оборачиваемость** | Себест. / Средний остаток | Эффективность склада |

---

### ПРАКТИЧЕСКОЕ ЗАДАНИЕ ДЛЯ СТУДЕНТА

На основе Northwind напишите отчет для CEO компании:

1. **Выручка** за 1997 год
2. **Средний чек** по месяцам
3. **Количество уникальных клиентов** (MAU по месяцам)
4. **Топ-5 товаров** по выручке (категория A)
5. **Товары, которые не продавались** (Out-of-Stock потенциальные проблемы)
6. **LTV клиентов** (Топ-10 самых ценных)

**Решение:**
```sql
-- 1. Выручка за 1997 год
SELECT 
    SUM(od.quantity * od.unit_price * (1 - od.discount)) AS total_revenue_1997
FROM orders o
JOIN order_details od ON o.order_id = od.order_id
WHERE EXTRACT(YEAR FROM o.order_date) = 1997;

-- 2. Средний чек по месяцам
SELECT 
    DATE_TRUNC('month', o.order_date) AS month,
    AVG(od.quantity * od.unit_price * (1 - od.discount)) AS avg_check
FROM orders o
JOIN order_details od ON o.order_id = od.order_id
WHERE EXTRACT(YEAR FROM o.order_date) = 1997
GROUP BY DATE_TRUNC('month', o.order_date)
ORDER BY month;

-- 3. Количество уникальных клиентов по месяцам
SELECT 
    DATE_TRUNC('month', order_date) AS month,
    COUNT(DISTINCT customer_id) AS unique_customers
FROM orders
WHERE EXTRACT(YEAR FROM order_date) = 1997
GROUP BY DATE_TRUNC('month', order_date)
ORDER BY month;

-- 4. Топ-5 товаров по выручке
SELECT 
    p.product_name,
    SUM(od.quantity * od.unit_price * (1 - od.discount)) AS revenue
FROM products p
JOIN order_details od ON p.product_id = od.product_id
GROUP BY p.product_id, p.product_name
ORDER BY revenue DESC
LIMIT 5;

-- 5. Товары, которые не продавались
SELECT product_name
FROM products
WHERE product_id NOT IN (
    SELECT DISTINCT product_id 
    FROM order_details
);

-- 6. Топ-10 LTV клиентов
SELECT 
    c.customer_id,
    c.company_name,
    SUM(od.quantity * od.unit_price * (1 - od.discount)) AS ltv
FROM customers c
JOIN orders o ON c.customer_id = o.customer_id
JOIN order_details od ON o.order_id = od.order_id
GROUP BY c.customer_id, c.company_name
ORDER BY ltv DESC
LIMIT 10;
```