Аналитик в Озон в 2026: как проходит интервью и что готовить

Собес в Озон на аналитика — что вас ждёт

Озон — один из крупнейших маркетплейсов в России, и у компании зрелая аналитическая культура: A/B-эксперименты тут запускаются по сотне в месяц, а в каждом продуктовом юните есть свой выделенный аналитик. Это влияет на стиль собеседования: интервью у Озона прагматичное, заточенное под маркетплейсные метрики и реальные продуктовые задачи.

В этом гиде разберём:

• структуру интервью на аналитика в Озон в 2026;
• что спрашивают в SQL-секции (она здесь самая нагруженная);
• какие продуктовые кейсы дают;
• как подойти к A/B-тестам, чтобы не провалить статистику;
• план подготовки и список задач для тренировки.

Структура интервью в Озон

В большинстве направлений (продуктовый аналитик, маркетинг-аналитик, аналитик логистики) воронка устроена примерно так:

1. Скрининг с рекрутером (30 минут) — мотивация, опыт, ожидания.
2. Техническая SQL-секция (60 минут) — обычно 2–3 задачи нарастающей сложности.
3. Продуктовый кейс (60–90 минут) — разбор реальной маркетплейсной задачи.
4. A/B-секция (40–60 минут) — про эксперименты и статистику.
5. Финал с командой — культурный фит и обсуждение проектов.

Иногда секции 3 и 4 объединяют. Иногда добавляется отдельный этап с дашбордингом (особенно для аналитиков, которые будут работать с Tableau или Superset). Для синьоров часто бывает дизайн-секция «спроектируй систему метрик».

SQL-секция: самая сложная часть

Озон любит SQL и не стесняется давать тяжёлые задачи. В отличие от компаний, где «оконная функция» — это потолок, тут спокойно могут попросить:

• многоступенчатую CTE с агрегацией и оконкой;
• задачу с воронкой по событиям с привязкой к сессии;
• расчёт ретенции с правильным определением «активного дня»;
• pivot по неравномерному измерению;
• задачи на gaps-and-islands (последовательные дни активности).

Что точно стоит уметь:

Воронка по событиям

Задача про последовательное движение пользователя «search → product → cart → checkout → order» — классика Озона. Нужно правильно посчитать конверсию каждого шага, обработать дубликаты событий и решить, что делать с пользователями, которые «прыгают» через шаги.

Похожие задачи:

• SQL · Воронка заказов по дням — базовая постановка.
• Habr · Воронка по конверсии — с CTE и оконкой.

Когортная ретенция

Озон работает по модели «новый клиент → второй заказ → повторные заказы», и ретенция здесь — главная метрика устойчивости. Вас почти наверняка попросят посчитать ретенцию помесячно или по неделям.

• SQL · Когортная ретенция помесячно — базовая когорта.
• Habr · Когортная ретенция — с правильным определением активного периода.

RFM-сегментация

В маркетплейсе ценность клиента сильно зависит от частоты и среднего чека. RFM-разбиение — стандартная задача.

• SQL · RFM-сегментация — полный пример с тремя метриками и квантилями.

Что часто заваливают

Чаще всего сыпятся на:

1. Дубликаты событий — пользователь нажал кнопку три раза, и вы посчитали три заказа.
2. Неправильный LEFT JOIN — поменяли местами таблицы и получили нули там, где должны быть значения.
3. Расчёт ретенции без правильной когорты — взяли всех пользователей вместо «зарегистрированных в месяце X».
4. HAVING vs WHERE — фильтр на агрегат стоит до агрегации.

Если на собесе вас спросят «а как бы вы оптимизировали этот запрос», нормальный ответ — про индексы, партиционирование по дате и использование агрегированных витрин вместо raw-данных.

Продуктовые кейсы маркетплейса

Кейсы у Озона очень «продуктовые». Типичные формулировки:

• «Конверсия из корзины в оплату упала на 8% за неделю. Что делаем?»
• «Запускаем рекомендации на главной — как мерить успех?»
• «Какие метрики смотрите для категории FMCG?»
• «Как понять, что новая категория товаров не каннибализирует старую?»

Главный подвох: интервьюер не ждёт правильного ответа. Он ждёт правильного процесса.

Хороший процесс выглядит так:

1. Уточнение: спросите про сегмент, период, размер падения в абсолюте, сравнение с прошлой неделей и год к году.
2. Декомпозиция: метрика = product × users; разложите на части и поймите, где «утечка».
3. Гипотезы: 3–5 разумных причин, ранжированных по правдоподобию.
4. План проверки: что посмотреть в данных, чтобы подтвердить или опровергнуть.
5. Действие: что делать после, если гипотеза подтвердилась.

Очень полезно потренироваться на нашей задаче Аномалия: падение выручки и Habr · Расследование падения метрики. Они оба про root cause analysis в маркетплейсной парадигме.

Полезный материал для понимания маркетплейсной экономики — Habr · Метрики маркетплейса и North Star для маркетплейса.

A/B-тесты: что нужно знать

В Озоне A/B — религия. Эксперименты запускают на всё: от цвета кнопки в карточке до изменения ранжирования в поиске. На собесе вас обязательно спросят про:

Размер выборки и MDE

Базовая формула: для двусторонней гипотезы и 80% мощности $$n \approx \frac{2(z_{\alpha/2} + z_\beta)^2 \sigma^2}{\delta^2}$$

Должны понимать, как меняется $n$ при изменении $\delta$ (MDE), $\sigma$ (вариация) и уровня значимости. Тренируйтесь на задаче Habr · Формула размера выборки.

CUPED и снижение дисперсии

CUPED — стандартный приём в Озоне. Идея: использовать предэкспериментальные данные как ковариату, чтобы снизить дисперсию метрики и ускорить эксперимент. Базовая задача — Habr · CUPED для снижения дисперсии.

Peeking problem

«Мы смотрим в эксперимент каждый день и останавливаем, когда p-value < 0.05» — классическая ошибка. Должны уметь объяснить, почему это плохо и что делать вместо. Задача Habr · Peeking problem разбирает это в деталях.

Конверсионные тесты

Большинство экспериментов в Озоне — про конверсию. Простой тест Z для двух пропорций должен лететь от зубов. Тренируйтесь на InterviewQuery · A/B-тест с лифтом конверсии.

Подвохи: SRM, novelty, network effects

Зрелые интервьюеры обязательно спросят про:

• SRM (Sample Ratio Mismatch) — почему 50/50 на самом деле может быть 49/51 и что с этим делать.
• Novelty effect — пользователи в начале реагируют на «новое», а не на улучшение.
• Network effects — два соседа в одной соцсети могут заразить друг друга «новой фичей».

План подготовки на 4 недели

Неделя 1: SQL фундамент

• 20 задач на оконные функции.
• 10 задач на cohort/retention.
• 5 задач на gaps-and-islands.

Ядро тренировки — задачи воронка по дням, когортная ретенция, RFM-сегментация.

Неделя 2: продуктовые кейсы

• Освоить фреймворки AARRR, North Star Metric, MECE.
• Прорешать 5–7 кейсов разной направленности.
• Тренировать формулировку вслух с таймером.

Прорешайте Habr · Расследование падения метрики и Аномалия выручки — это типичные форматы Озона.

Неделя 3: статистика и A/B

• Перечитать главу про A/B в Кохави.
• Решить задачу про CUPED и про размер выборки.
• Разобраться с тестами для пропорций и средних.

Ядро: CUPED, размер выборки, A/B с лифтом.

Неделя 4: интеграция и mock

• Mock-интервью с другом или на платформе.
• Перечитать свои проекты, подготовить 3 «истории» в формате STAR.
• Подготовить вопросы к команде на финал.

Что почитать

1. Ron Kohavi, Diane Tang, Ya Xu — «Trustworthy Online Controlled Experiments». Если читаете одну книгу — то эту.
2. «Lean Analytics» (Croll, Yoskovitz) — для маркетплейсных метрик.
3. Блог инженерии Озона на Хабре — особенно посты про A/B-платформу.
4. Курс «Симулятор аналитика» Karpov.Courses — для практики.

Типичные ошибки на собесе в Озон

1. Заваливают SQL на «лёгкой» задаче из-за нервов. Решение: тренируйте в условиях, близких к боевым (с таймером, без подсказок).
2. Не задают уточняющих вопросов в кейсе. Озон считает уточнения частью правильного ответа.
3. Не знают про CUPED. Это базовое требование для middle и senior.
4. Путают statistical и practical significance. «p < 0.05» не значит «фича полезная».
5. Игнорируют экономику маркетплейса. GMV, take rate, NPV — должны быть в активном словаре.

Связанные задачи каталога

Для тренировки соберите такой блок:

• SQL: воронка по дням, когортная ретенция, RFM-сегментация, Habr · Воронка, Habr · Когорта.
• Кейсы: Падение выручки, Расследование падения метрики, Метрики маркетплейса, North Star marketplace.
• A/B: CUPED, размер выборки, Лифт конверсии.

Особенности по направлениям

В Озоне аналитик — не одна роль, а семья ролей, и собес адаптируется под направление.

Продуктовый аналитик

Самый «классический» вариант. Все 5 этапов в полной комплектации. Кейс — про продукт, A/B — про эксперименты на сайте/в приложении. Важно показать, что вы умеете не только считать, но и думать про пользователя.

Маркетинг-аналитик

Чуть слабее SQL, чуть сильнее статистика. Часто добавляется задача про атрибуцию: «вот пользователь увидел баннер на FB и Google, потом купил — кому отнести конверсию?» Должны знать про last-click, first-click, linear, time-decay, data-driven (Shapley value).

Аналитик логистики/операций

SQL остаётся, A/B — реже, зато много задач про оптимизацию: маршруты курьеров, размещение товаров на складах. Это специфичная область, готовиться придётся отдельно.

Бизнес-аналитик (BI)

Меньше Python и A/B, больше дашбордов. Часто требуется хороший Tableau/Superset/PowerBI. Кейс — про дизайн дашборда «для топ-менеджмента» или «для категорийных менеджеров».

Несколько практических советов

1. Перед каждым собесом перечитайте описание вакансии. Озон публикует довольно конкретные требования, и вопросы часто пересекаются с этим списком 1-в-1.

2. Уточняйте про переезд и формат работы. Озон активно нанимает в Москве, но есть и удалёнка, и хабы в других городах. Это влияет на оффер.

3. Если получили отказ — попросите обратную связь. Озон даёт развёрнутый фидбек, и через 6–9 месяцев можно успешно перезайти.

4. Учите бизнес-домен. GMV, take rate, conversion to first order — должны быть в активном словаре. На сайте Озона есть инвестиционные отчёты, где всё это объясняется.

Итого

Собес аналитика в Озон в 2026 — это серьёзная техническая воронка с упором на SQL и A/B-тесты. Подготовка работает, если вы планируете её на 4 недели и тренируете не только SQL-решения, но и кейсовое мышление. Главное — не учить ответы, а понимать, как мыслит маркетплейс: что такое конверсия, ретенция и почему именно эти метрики являются ядром. Если этим овладеть, оффер становится вопросом времени.