Кто такой продакт-менеджер и зачем он нужен команде

Если вы вдруг задавались вопросами: кто такой продакт и почему его задачи нельзя просто разделить между аналитиками и разработчиками? То в этом посте объясню про профессию продакта и его взаимодействие с аналитиками

Мое определение:

Продакт-менеджер отвечает за то, какой продукт создает команда, какую ценность от несет, для кого и ради какого результата.

Допустим, бизнес хочет увеличить количество заказов. Вариантов много: изменить онбординг, запустить программу лояльности, упростить оплату или добавить новую механику рекомендаций.

Продакт должен понять:
➡️где находится основная проблема
➡️какую аудиторию и потребность стоит выбрать
➡️какое решение даст наибольший эффект
➡️что запускать сейчас, а что отложить
➡️по каким метрикам оценивать результат

После этого он собирает команду вокруг общей цели и ведёт задачу от идеи до запуска и оценки результатов.

Как продакт работает с аналитиками

1️⃣ С продуктовым аналитиком

Вместе изучают поведение пользователей, строят воронки, ищут точки роста и проверяют гипотезы.

Продакт формулирует проблему и принимает решение, что делать дальше. Продуктовый аналитик помогает подтвердить решение данными: рассчитывает метрики, проектирует A/B-тест и оценивает эффект после запуска.

Например: продакт предполагает, что пользователи не завершают заказ из-за сложной оплаты. Аналитик проверяет воронку и выясняет, на каком именно шаге они уходят и в каких сегментах проблема сильнее.

2️⃣ С бизнес-аналитиком

Продакт определяет, какую пользовательскую или бизнес-проблему нужно решить. Бизнес-аналитик подробно разбирает процессы, правила и требования.

Например, продакт решает запустить оплату заказа бонусами. Бизнес-аналитик описывает, кто может списывать бонусы, в каком количестве, при каких условиях и как это повлияет на существующие процессы.

3️⃣ С системным аналитиком

Когда понятно, что именно нужно запустить, системный аналитик переводит бизнес-логику на язык систем: описывает взаимодействие сервисов, интеграции, API, данные и возможные ограничения.

Продакт отвечает за ожидаемый результат и приоритет задачи, а системный аналитик за то, чтобы решение было корректно спроектировано с технической точки зрения.

Получается простая связка:
🔵продакт определяет, зачем и что делаем
🔵продуктовый аналитик помогает понять, что происходит в продукте и сработало ли решение
🔵бизнес-аналитик описывает, как должна работать бизнес-логика
🔵системный аналитик определяет, как это реализовать на уровне систем

В разных компаниях границы ролей могут отличаться. Где-то часть аналитической работы берёт на себя продакт, а где-то один аналитик совмещает сразу несколько направлений. Вот как устроено в компаниях:
1) В Яндексе зачастую продакт работает с аналитиком-разработчиком (и системный анализ понимает и разработать может)
2) В Т-Банке в core продукте (кредиты, карты, инвестиции) есть бизнес-аналитики (их кстати называют технологами), но в нефинансовых сервисах технологов уже нет
3) В Х5 продакт работает с бизнес и системными аналитиками

В общем, ответственность продакта остаётся одной: выбрать правильную проблему, направить команду на её решение и отвечать не за количество запущенных фич, а за результат для пользователей и бизнеса… деньги деньги деньги 💰

Подписаться: @ProdAnalysis

Как проходят собеседования у продакт-менеджеров?

Недавно админ этого канала, который пишет про аналитику, спросил у меня, второго админа, который пишет про продакт менеджмент:

«А что вообще спрашивают у продактов на собеседованиях? У аналитиков всё понятно: sql, алгосы, кейсы. А у вас что? У вас спросят про доверительные интервалы? API? Вы кодите или нет?»

➡️Короткий ответ: у продактов спрашивают всё понемногу!

Но обычно от нас не требуют на собеседовании написать SQL-запрос, рассчитать доверительный интервал вручную или спроектировать API. Хотя всё зависит от конкретной вакансии и команды.

Где-то ищут технического продакта, который хорошо понимает разработку, архитектуру и может сам написать код. Где-то — продакта с сильной аналитикой, который самостоятельно считает экономику, проектирует A/B-тесты и анализирует результаты, потому что отдельного аналитика в команде нет.

Но чаще всего на собеседовании проверяют именно продуктовое мышление:
— как ты находишь проблемы и формулируешь гипотезы
— как проводишь исследования и работаешь с данными
— как выбираешь метрики и строишь их дерево
— как приоритизируешь задачи
— понимаешь ли юнит-экономику
— как оцениваешь влияние решений на пользователей и бизнес
— как работаешь с разработкой, аналитиками и стейкхолдерами
— умеешь ли принимать решения в условиях неопределённости

При этом совсем без аналитики и технических знаний не обойтись. Продакт работает на стыке бизнеса, пользователей, данных и разработки, поэтому должен понимать жизненный цикл продукта, принципы A/B-тестирования, базовую экономику и то, как в целом устроена разработка.

Сам процесс найма обычно выглядит так:

1️⃣ Интервью с HR
Обсуждаете опыт, мотивацию, причины смены работы, зарплатные ожидания и формат работы. Здесь скорее проверяют общий мэтч с вакансией и компанией.

2️⃣ Интервью с лидом продукта
Продакт-лид глубже разбирает твой опыт: за какую часть продукта ты отвечал, какие метрики двигал, как находил гипотезы, запускал эксперименты и работал с командой.

Могут дать продуктовый кейс. Например: «У нас падает конверсия в заказ. Как будешь разбираться?» Или: «Как увеличить количество платных подписчиков в два раза?»

Здесь важен не единственно правильный ответ, а ход мыслей: какие вопросы ты задашь, какие данные запросишь, как сформулируешь гипотезы и по каким метрикам оценишь результат.

3️⃣ Техническая секция
Она есть не везде и сильно зависит от команды. На встречу могут прийти аналитик, проджект или технический лидер.
Аналитик спросит про метрики, дизайн A/B-теста, статистическую значимость и экономику запуска. Проджект или техлид — про постановку задач, зависимости, работу с разработкой, риски и то, что ты будешь делать, если ресурсов не хватает, а запуск нужен через две недели.

4️⃣ Интервью с CPO
Снова обсуждают опыт и дают кейсы, но обычно смотрят уже шире: как ты принимаешь стратегические решения, понимаешь бизнес, работаешь с неопределённостью и конфликтующими интересами.

Получается, что собеседование продакта — это не экзамен по одной конкретной дисциплине. Скорее, проверка того, умеешь ли ты собрать вместе данные, исследования, экономику, разработку и интересы бизнеса, а затем принять решение и довести его до результата 😊

Подписаться: @ProdAnalysis

Дайджест вакансий для аналитиков 💵

Многие не знают, где искать вакансии, поэтому мы сделали это за вас.
Наша первая подборка вакансий для аналитиков!

Здесь собраны актуальные вакансии на стажера/джуна в Озон, ВТБ, Т-Банк и тд.

📌 АНАЛИТИКА
→ ВТБ — Стажёр в «Цифровые помощники»
→ Альфа-Банк — Стажёр в департамент продаж и развития малого и микробизнеса
→ Альфа-Банк — Стажёр в отдел разработки дебетовых продуктов
→ Ozon — Стажёр-аналитик в коммерцию
→ Ozon — Младший аналитик данных
→ Ozon — Стажёр продуктовый аналитик, Производство Fulfillment
→ МТС — Стажёр Data Analyst Geo
→ Т-Банк - Младший продуктовый аналитик
→ Магнит — Стажер-продуктовый аналитик (направление данных и метрик)

Перед откликом внимательно читайте требования и делайте так, чтобы ваш стек и опыт максимально подходил вакансии.

А если есть трудности с резюме, пониманием, как устроен отбор, то ждем вас на курсе аналитика СТАРТ (на них кст идет распродажа) - скоро как раз будут семинары про резюме, софты, поиск работы 🤑

Подписаться: @ProdAnalysis

У России три пути: 18+, ***** и IT

И кажется, у нас случился переход между карьерными треками…
Нам неважно, какой у человека бэкграунд и чем он занимался раньше. Важно, куда он хочет прийти и что готов для этого делать.

Наша студентка, Алина, решила кардинально сменить сферу, пришла на «СТАРТ» и теперь готовится к своей новой цели — получить оффер в Яндекс.

Можно следить за успехами и учиться вместе с Алиной. На наши курсы старт, идут финальные 4 часа скидки.

➡️ Записаться

Почему аналитикам сейчас нужно знать больше, чем SQL и A/B-тесты

Классическая история: вкатун выучил SQL, построил пару дашбордов в Jupyter, и пошёл по собесам.
На первом же интервью его спрашивают: "Расскажите про ваш опыт в Causal Inference. Как вы оцениваете каузальный эффект? Проводили гео-тесты? А как выстроите пайплайн для автоматического отчёта?"
Ноутбуки и дашборды уже никого не впечатляют. Рынок перенасыщен вкатунами, а базовые задачи аналитика закрывает LLM. Чтобы конкурировать, нужно знать больше.

Посмотрим на реальные вакансии:
DA-аналитик, Т-Банк: классический ML, Causal Inference, АБ-тесты.
Ad-hoc аналитик, X5: эконометрика, Causal Inference, АБ-тесты, ML, SQL.
Аналитик-разработчик, Яндекс: продвинутый SQL, большие проекты на Python, АБ-тесты.

И таких вакансий сотни. Заметьте, это не сеньорские позиции. Это обычный продакшн-аналитик джун, мидл-уровень. Аналитик, который умеет не просто строить графики, а оценивать причинно-следственные связи, понимает эконометрику и может написать код для пайплайна обходит десять "чистых" аналитиков на одном собеседовании.

По свежим обзорам рынка, вилка продуктового аналитика в России 250–450 тысяч. И попадают в неё именно те, кто дружит с ML и инженерией.

Поэтому мы тщательно проработали эти моменты в новом курсе Аналитика ПРО. Кому зайдет курс:
— Джунам и стажёрам, которые хотят перейти от дашбордов к полноценному продакшну и расширить выбор вакансий.
— Аналитикам, которых на работе просят "оценить эффект от фичи", а как это сделать правильно, никто не объяснил.
— Тем, кто метит в Middle и выше. Без Causal Inference, ML и продвинутых АБ-тестов грейд не поднимут, какие бы красивые отчёты вы ни делали.

За 6 недель разбираемся в теме так, чтобы на собесе вы отвечали уверенно:
— Продвинутые АБ-тесты: CUPED, стратификация, гео-тесты, матчинг, последовательное тестирование.
— Causal Inference (каузальный вывод): регрессионный анализ, эконометрические подходы - то, что сейчас спрашивают на каждом собеседовании.
— Классический ML для аналитиков: как внедрять модели в пайплайны и интерпретировать результаты.

На выходе вы не просто понимаете теорию, а готовы применять эти навыки в работе. И закрываете 80% требований из вакансий на рынке, которые раньше казались недосягаемыми.

➡️ Записаться

Выходим на новый уровень с линейкой 1️⃣1️⃣1️⃣

Товарищи, если база уже есть, то следующий шаг — углубиться в специализацию, закрыть пробелы, освоить новые инструменты и стать сильнее как специалист.

Для этого мы запускаем ПРО — углублённые карьерные курсы для тех, кто хочет качать карьеру и заработок! Для записи и вопросов — пишите менеджеру

📎Курсы ПРО подойдут тем, кто:

— уже знает основы и хочет глубже разобраться в своей специализации
— хочет перейти с junior на middle и расти дальше
— готовится к собеседованиям на более сильные позиции
— хочет сменить роль и добрать недостающие навыки
— уже на старте имеет сильную базу и хочет целиться выше стажёрских и junior-позиций

➡️Действует гарантия: прошел курс, выполнил все рекомендации, но не получил оффер — вернем деньги
➡️Курс длится 6 недель: теория, практика, домашние задания и пет-проект. Всё это время рядом преподаватель и куратор.

Открываем сразу 5 направлений:

➡️Аналитика ПРО

Продвинутый SQL, A/B-тесты, эконометрика, Causal Inference и ML.

➡️ML ПРО

Вывод модели в прод, MLOps, рекомендательные системы, ранжирование, uplift и динамическое преобразование.

➡️Backend ПРО

Многопоточка, System Desgin, Микросервисы, базы данных, кеширование, мониторинг и распределённые системы.

➡️Алгоритмы ПРО

Продвинутые алгоритмы и задачи для сложных технических интервью в hft фонды, faang+, для олимпиад и контестов.

➡️ИИ-агенты ПРО

Будем разбираться не просто в LLM. Вы научитесь проектировать полноценные агентные системы и за курс соберём 5 собственных AI-агентов и пройдём весь путь от архитектуры и инструментов до работы с RAG, multi-agent системами, MCP, evals и деплоем.

В программу всех курсов войдет:
🔵закрытый банк вопросов с интервью топовых бигтехов
🔵разбор ближайшей стажировки в Т-банк и Яндекс
🔵mock-собеседования с обратной связью
🔵рефералка в бигтех после защиты пет-проекта
🔵карьерная стратегия: резюме, поиск вакансий, подготовка к HR секциям

💰Бонус для всех записавшихся до 23.08 — курс про поиск валютной удалёнки и работы за рубежом в подарок

Реальное собеседование на стажировку продуктового аналитика в Т-банк

Наш студент сделал расшифровку записи собеса, делимся с вами! Кстати, решение экзамена уже выложено на нашем курсе аналитика про, ии агенты про и алгоритмы про.
➡️ Записаться.

1. «Расскажи, как работает этот бизнес, на чём зарабатывает?»
Речь идет про Яндекс Еду (обычно предлагают разобрать какой-то продукт, кроме Т-банка).

Для меня Яндекс Еда – классический трёхсторонний маркетплейс:
• Клиент – голодный пользователь,
• Ресторан – готовит еду,
• Курьер – доставляет.

Деньги берём из трёх источников:
• Сервисный сбор с клиента за использование приложения,
• Комиссия с ресторана (~20% от чека) за то, что мы привели ему клиентов,
• Платная доставка – она идёт на оплату курьера.
Всё это укладывается в юнит-экономику каждого заказа – выручка = комиссии + сборы + логистика.

2. «На какой стадии жизненного цикла сейчас Яндекс Еда?»
Любой продукт проходит: внедрение → рост → зрелость → спад.
Я считаю, что Яндекс Еда – в зрелости. Рынок уже поделен, новые игроки не лезут, стоимость привлечения клиента (CAC) зашкаливает.

Значит, стратегия «просто набрать новых пользователей» больше не работает. Теперь фокус на удержании (retention) и пожизненной ценности (LTV). Надо заставить старых клиентов заказывать чаще и больше, а не тратить деньги на привлечение новых.

3. «Назови ключевые метрики для нас. Какая у тебя North Star?»
Моя полярная звезда (North Star) – чистая прибыль.
Можно смотреть на число заказов или установок, но если каждый заказ убыточен – компания умрёт.

Я строю дерево метрик, где всё стягивается к LTV. Например:
Retention → повторные заказы → рост LTV → снижение доли маркетинговых расходов → увеличение маржинальности.
Важно показать связь между поведением пользователя и экономикой.

4. «Как ты строишь дашборды?»

• Валидация данных – сверяю результаты скрипта с ручными расчётами (график показывает миллион, а в кассе ноль – провал).
• Фильтры – по возрасту, полу, региону, чтобы видеть аномалии (например, в Москве упало, а в Питере выросло).
• Алерты - если метрика падает ниже нормы, прилетает уведомление – не сидеть же 24/7 у монитора.

5. «Как бы ты повысил прибыль?»
Ищем узкие места в воронке.
• Если видим, что много лояльных клиентов, предложим кнопку «Повторить заказ» – сократим путь до покупки.
• Если цель поднять средний чек, то внедрим рекомендации («С этим блюдом часто берут колу») или умные пуши с новинками из любимых ресторанов.

6. «Как приоритизировать фичи, когда разработчиков не хватает?»
Использую RICE (Reach, Impact, Confidence, Effort):

• Reach – сколько пользователей затронет фича,
• Impact – насколько сильно это поможет,
• Confidence – насколько мы уверены в оценках,
• Effort – сколько месяцев работы разработчиков.
Считаем: (Reach × Impact × Confidence) / Effort. У кого балл выше – того и запускаем.

7. «Какой статистический тест выберешь для А/Б теста?»
Всё зависит от типа метрики:

• Конверсия (купил/не купил) – пропорция → Z-тест или хи-квадрат.
• Средний чек (рубли) – непрерывная величина → t-тест (если нормальное распределение) или Манн-Уитни (если не нормальное или много выбросов).

8. «Что такое ошибка первого и второго рода? Объясни на пальцах»
Лучшая аналогия – тест на беременность:

• Ошибка первого рода (α, ложноположительный) – тест говорит «беременна», а на самом деле нет. В А/Б – мы увидели эффект, хотя его нет. Это стоит компании денег на разработку бесполезной фичи.
• Ошибка второго рода (β, ложноотрицательный) – тест говорит «не беременна», а живот уже растёт. Мы решаем, что фича не работает, а она могла бы принести миллионы.

9. «Что делать, если p-value колеблется около 0.05?»
Главный грех аналитика – подглядывание (peeking). Нельзя каждый день смотреть на p-value и ждать, пока оно станет зелёным, чтобы остановить тест.
Заранее рассчитываем размер выборки и длительность теста. И до окончания срока никаких решений. Если в конце p-value > α – гипотеза не подтвердилась, фичу не выкатываем, как бы она нам ни нравилась.

10. «Как проверить, что распределение нормальное?»

• Для маленьких выборок – критерий Шапиро-Уилка.
• Для больших – Колмогорова-Смирнова.
• И обязательно Q-Q plot – если точки ложатся на прямую, распределение нормальное.

11. «А знаешь, что такое ratio-метрики?»
Ratio-метрики – это отношения, например CTR = клики / показы.
Проблема: числитель и знаменатель – случайные величины, у них сложная дисперсия, и обычный t-тест начинает врать.
Чтобы починить, я использую дельта-метод или линеаризацию – превращаю сложное отношение в простую линейную переменную для каждого пользователя. Это позволяет корректно оценить дисперсию, сохранить чувствительность и точность p-value на больших данных.

Еще больше вопрос в нашем открытом банке собесов и тестовых заданий: смотрите на сайте.

Подписаться: @ProdAnalysis

Стажировка в Т-банк одна из лучших возможностей для старта в аналитике:

• специалисты высокого класса
• зарплаты в среднем выше рынка
• современный стек и проекты
• хорошо выстроены процессы
• корпоративная культура

Для участия нужно подать анкету заполнить анкету до 6 сентября и выполнить экзамен. Разбор математики и скл уже выложен на нашем курсе аналитика про.
➡️ Записаться.

Как заполнять анкеты смотрим этот ролик. Вашу анкету оценивают рекрутеры, команды. Если вы им понравитесь, вас пригласят на финальное собеседование.

На собесе может быть все, что угодно на усмотрение интервьюера: могут быть даже математические задачи на логику в духе тюремных загадок. Но обычно просто стандартный собес по аналитике: бизнесс кейс, АВ-тесты, метрики, мб скл лайвкодинаг. Примеры собесов в Т-банк можно посмотреть в нашем канале @postypashki_old, @chad_protocol по поиску ключевых слов "Полный цикл собесов аналитика" или в открытом банке собесов по аналитике. Технические вопросы сильно зависят от команды. Иногда собеседование может пройти в формате "вайбчека" без технических вопросов, но это скорее исключение. Короче все, что есть в нашей программе курсов аналитика старт, аналитика про, АВ-тесты.

Обычно финальный собес один на полтора часа. Если прям очень хорошо о себя завили в анкете и хорошо показали на собесе - команда может дать хороший отзыв и тогда вам могут предложить еще одно собеседование, но такое бывает редко. Дополнительный финальный собес можно получить, если податься на донабор, который проходит обычно спустя месяц основного набора.

При идеальном мэтче, вы в Т-банке - поздравляю!

Подписаться: @ProdAnalysis

Разбор экзамена на стажировку в Т-банк за подписку!

Чтобы получить разбор:
➡️Подпишитесь на нас в запрещенной странице тут
➡️Поставьте «+» в комментариях под последней каруселью тут
➡️После этого бот пришлёт вам материал в директ

Внутри будет разбор экзамена и теста SQL на стажировку Т-банк