Собес в Авито · Продакт-менеджер команды Авито Соседи
Материал Эйч · Опубликовано 27 октября 2026
Обзор
Middle: локальный продукт, гипотезы, воронки и измеримый рост внутри экосистемы маркетплейса
Фишка: Кейсы часто завязаны на логику классифайда: активные объявления, воронка публикации, рост supply/demand и эксперименты на большой аудитории.
| Этап | Длительность | Что проверяют |
|---|---|---|
| Скрининг / HR | 30–45 мин | мотивация, формат работы (офис/гибрид Москва), ожидания по роли и опыт запуска потребительских сценариев |
| Продуктовое интервью | 60–90 мин | разбор кейсов: проблема → гипотеза → способ проверки → метрики успеха → решение по данным |
| Углубление / финал | 60–90 мин | вклад в прошлых продуктах, приоритизация, работа с аналитикой и смежными командами, культура Авито |
Стек и темы
Обязательный минимум
- формулировка проблемы и ценностного предложения
- выбор способа проверки (интервью, прототип, MVP, A/B)
- воронки, когорты, активация, retention
- actionable metrics vs vanity metrics
- приоритизация и отказ от гипотез по данным
- работа с разработкой, дизайном, аналитикой, маркетингом
Плюсом будет
- опыт маркетплейсов или локальных сервисов
- сообщества и социальные механики
- интерпретация A/B-тестов и guardrail-метрик
- точки входа и growth внутри супер-приложения
Маркетплейс: supply, активные объявления и рост
Почему важно увеличить количество новых активных объявлений на площадке продажи товаров?
Свяжите supply с ликвидностью, выбором для покупателя, монетизацией и сетевым эффектом; отделите качество/релевантность от голого объёма.
Какие выделишь факторы, влияющие на количество объявлений на торговой площадке?
Сегменты продавцов, барьеры публикации, конкуренция каналов, доверие, модерация, сезонность, ценность для продавца.
Что влияет на количество новых объявлений на площадке?
Привлечение новых продавцов, реактивация, конверсия черновик→публикация, удаление/истечение, качество онбординга.
Какие данные необходимы для поиска потенциальных точек роста количества активных объявлений на площадке?
Воронка публикации по сегментам, когорты, причины отвалов, сравнение с бенчмарками, качественные инсайты, экономика объявления.
Ловушка: Отвечать только про маркетинг без разбора воронки публикации и сегментов продавцов.
Совет: Всегда называйте метрику успеха и guardrails (модерация, жалобы, качество контента).
Воронка от визита до публикации
Какие этапы воронки выделишь от посещения пользователем сайта до публикации объявления?
Визит → intent → начало создания → заполнение → фото/описание → модерация → публикация; для каждого этапа — конверсия и барьеры.
Какие этапы влияют на то, что объявления будут размещены на площадке?
Технические сбои, модерация, неполные черновики, оплата услуг, недоверие, сложность UX.
Будет ли единой воронка для всех продавцов на торговой площадке?
Аргументируйте сегментацию (частники vs бизнес, категории, гео); единый каркас этапов, разные тактики и метрики.
С чего начнёшь работу с воронкой для частных пользователей на торговой площадке?
Данные по biggest drop-off, быстрые качественные проверки, гипотезы с высоким leverage, а не сразу редизайн всего пути.
С какого этапа начнёшь воронку для частных пользователей для увеличения количества объявлений?
Там, где максимальный относительный отвал или где дешевле проверить гипотезу (например, загрузка фото).
Фишка: Для «Соседей» аналогично: путь от первого входа в пространство до полезного действия и повторного визита.
Гипотезы, MVP и эксперименты
Как будешь тестировать идею использования AR при публикации объявлений?
Проблема → гипотеза ценности → рискованные допущения → fake door / прототип / пилот в сегменте → метрики и критерии остановки.
С чего начнёшь разработку MVP для использования AR при публикации объявлений?
Минимальный сценарий (одна категория, одна ОС), измеримый outcome, ограничение scope, план сбора качественной обратной связи.
Какие поставишь критерии успеха для использования AR при публикации объявлений?
Конверсия в публикацию, время до публикации, качество объявления, retention продавца; guardrails — отказы, краши, модерация.
С какой первой сгенерированной проблемой начнёшь работать?
Приоритизация по impact × confidence × ease; явно назовите источник проблемы (данные, исследование).
Ловушка: Сразу просить полноценную разработку AR без проверки, нужна ли фича пользователям.
Пользовательский опыт и барьеры (фото, молодая аудитория)
Какие решения выделишь для проблемы нежелания молодых пользователей грузить фотографии на площадку для объявлений?
Снизить friction (камера в потоке, шаблоны), мотивация, соцдоказательство, альтернативы контента, обучение.
Какое первое решение выделишь для той же проблемы?
Самое дешёвое в проверке с измеримым эффектом на конверсию шага «фото».
Совет: Связывайте UX-изменения с метрикой шага воронки, а не с «улучшением дизайна».
Метрики и принятие решений
Что такое actionable metrics?
Метрики, на которые можно влиять действиями команды; противопоставление vanity metrics; пример для вашего кейса.
Как вы измеряли результат после внедрения: какие показатели сравнивали с исходным процессом и кто подтверждал эффективность?
До/после или эксперимент, primary и secondary metrics, стейкхолдеры (аналитика, бизнес).
Фишка: В вакансии явно ждут умение отделять ценность «Соседей» от перераспределения активности внутри Авито — готовьте формулировку инкрементальности.
Задачи
Приоритизация идей для Авито Соседи
Команда собрала пять идей: улучшение онбординга в пространстве, чат соседей для обмена вещами, подборки «рядом со мной», push о новых предложениях в районе, интеграция с существующими объявлениями Авито. Ресурс команды на квартал — одна крупная инициатива и два быстрых эксперимента. Расставьте приоритеты и опишите план проверки на первые 6 недель.
Матрица impact/effort/риски; 1–2 идеи в быстрые тесты (прототип или A/B на узком гео); крупная инициатива — та, что бьёт в активацию или повторное использование с измеримой гипотезой; для каждой — метрика, способ проверки, критерий kill; отдельно — как измерите инкремент vs каннибализацию основного Авито.
Сложность: O(n) идей, фокус на прозрачных критериях
Воронка частного продавца
Конверсия из начала создания объявления в публикацию для частников упала на 8% за квартал. С чего начнёте расследование и какие три гипотезы проверите в первую очередь?
Декомпозиция воронки по шагам и сегментам (платформа, категория, гео); сравнение когорт; качественные 5–8 интервью на отвалившихся; топ-3 гипотезы с быстрыми тестами (копирайт, упрощение фото, подсказки); план A/B или holdout если возможно.
Сложность: Аналитика O(steps × segments)
MVP локального сценария
Гипотеза: соседям проще договориться о передаче вещи «из рук в руки» в отдельном сценарии с акцентом на расстояние и доверие. Опишите MVP на 4 недели и метрики успеха.
Узкий гео-пилот или категория; минимальный путь: увидел предложение рядом → контакт → сделка; прототип или feature flag; метрики: активация, доля завершённых контактов, повторный визит; качественные интервью; guardrails — безопасность и жалобы.
Сложность: Время до обучающей выборки зависит от трафика пилота
System Design
- Как бы вы спроектировали путь нового пользователя в пространстве «Соседи» от первого захода до третьего полезного действия?
- Какие точки входа в «Соседи» внутри Авито вы бы тестировали и как измерили бы инкрементальность?
- Спроектируйте проверку гипотезы «доверие соседей увеличивает конверсию в сделку» без полной разработки
Каркас ответа
- Контекст и целевой сегмент пользователя
- Проблема и ценностное предложение одним предложением
- Ключевые риски и допущения
- MVP / эксперимент и метрики (primary, secondary, guardrails)
- План итераций и критерий отказа от идеи
- Зависимости от других команд и данных
Поведенческое
- Расскажите о продукте или сценарии, который вы запускали: какая была проблема, как проверяли гипотезу, что получилось в цифрах?
- Пример, когда данные опровергли вашу любимую идею — что сделали?
- Как согласовывали приоритеты с разработкой и дизайном при жёстком дедлайне?
- Ситуация конфликта интересов между метрикой роста и качеством/безопасностью пользователей
- Были ли у вас стрессовые ситуации на работе? Как действовали?
- Как вы работаете с аналитиком: что приносите сами, что ожидаете от аналитики?
План подготовки
3 дня
- Перечитать описание вакансии и сформулировать 3 истории по STAR с цифрами
- Прорисовать воронку публикации объявления и воронку «первый визит → полезное действие» для локального продукта
- Повторить actionable metrics, когорты, базовую логику A/B
7 дней
- Разобрать 5 внутренних кейсов Авито (AR, фото, единая воронка) вслух с таймером
- Подготовить ответ про инкрементальность продукта внутри экосистемы
- Собрать вопросы к интервьюеру про метрики успеха «Соседей» и границы ответственности PM
14 дней
- Пройтись по публичным материалам Авито о продукте и карьере
- Набросать план MVP для выдуманного локального сценария
- Потренировать приоритизацию бэклога с явными критериями
| Блок | Готов, если... |
|---|---|
| Маркетплейс и supply | можете объяснить, зачем растить активные объявления и какие данные нужны для поиска точек роста |
| Воронки | называете этапы от визита до публикации и аргументируете, с какого шага начать оптимизацию |
| Эксперименты | описываете тест AR или аналога с MVP, метриками и критериями успеха |
| Авито Соседи | связываете локальность, доверие и повторное использование с метриками активации и retention |
| Поведенческие | есть 3 STAR-истории с измеримым результатом и примером отказа от идеи |
В день собеседования
- Коротко повторить структуру ответа: проблема → гипотеза → проверка → метрики → вывод
- Держать под рукой примеры воронок и экспериментов
- Уточнять условия кейса перед ответом