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):

-- 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:

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):

-- 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:

Увеличить средний чек (апселл/кросс-селл)
Увеличить частоту покупок
Снизить отток (увеличить время жизни)

Как посчитать LTV в Northwind:

-- 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):

-- 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:

Апселл (предложить более дорогой товар)
Кросс-селл (предложить дополнительные товары)
Скидки за минимальную сумму заказа

SQL в Northwind:

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):

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:

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):

-- 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:

Трафик упал на 5% → возможно, проблема с рекламой
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):

Сначала проверю данные:
- Нет ли технических ошибок (сбой в базе, неправильная выгрузка)
- Сравню с аналогичным периодом прошлого года (сезонность)
Разложу выручку на факторы:
- Выручка = Количество заказов × Средний чек
- Количество заказов = Активные клиенты × Частота покупок
- Активные клиенты = Новые + Вернувшиеся - Отток
Проверю каждый фактор:
- Не упал ли трафик? (маржа, конверсия)
- Не упал ли средний чек? (скидки, смена ассортимента)
- Не вырос ли отток? (конкуренты, сервис)
Построю воронку:
- Посетители → Корзина → Заказ → Оплата
- На каком этапе падение?
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:

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

Решение:

-- 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;