Product Analyst

На данный момент Product Analyst.

Мои компетенции и опыт

VK

2 года и 11 месяцев

Продуктовый аналитик

Май 2023 — Март 2026

Работал в двух продуктовых командах:
VK Education - edtech-платформа
VK Клипы - контентная платформа коротких видео

Занимался построением и развитием системы продуктовых метрик, отвечал за аналитическое сопровождение продуктовых гипотез - от формулирования до оценки бизнес-эффекта после запуска фич.

Достижения:
- Улучшил фреймворк для проведения A/B-экспериментов: стандартизировал процесс от формулировки гипотезы до разбора результатов - расчёт MDE, контроль p-value, применение стратификации, CUPED, CUPEC для снижения дисперсии и ускорения теста. Сократил время принятия решения по фиче приблизительно вдвое.
- Провёл 40+ A/B-тестов на аудитории: тестировал механики вовлечения, онбординг-сценарии и элементы рекомендаций. Несколько экспериментов показали статистически значимый позитивный эффект на метрики Retention Rate, Time Spent - результаты легли в основу итоговых продуктовых решений.
- Выявил через когортный анализ поведенческий паттерн новых пользователей, связанный с ранним оттоком, предложил и обосновал гипотезу для изменения UX и рекомендательной системы - Retention D1 вырос на 6%.
- Разработал систему контр-метрик для VK Education: дал командам единый ориентир для приоритизации бэклога и снизил риск некорректного проведения эксперимента.

Stack: PostgreSQL, Python, Clickhouse, Yandex Datalens, Airflow, Jira

билайн

8 месяцев

Продуктовый аналитик

Сентябрь 2022 — Апрель 2023

Работал над мобильным приложением «Мой Билайн» - ключевым каналом self-service для абонентов. Занимался оптимизацией пользовательских воронок; анализом продуктовых метрик; дизайном, проведением и интерпретацией A/B тестов.

Достижения:
- Провёл анализ 5 этапов воронки конверсии: выявил точки отвала и сегментировал пользователей по поведенческим паттернам.
- Спроектировал и запустил серию A/B тестов на UX-элементах - от формулировки гипотезы до статистической интерпретации результатов.
- Автоматизировал регулярную отчётность на Python/Pandas: сократил время подготовки отчётов с 3 часов до 30 минут
- Выстроил пайплайн очистки и трансформации сырых данных, тем самым снизил долю ошибочных записей с 15% до 2%
- Выявил аномалии и сезонные паттерны в пользовательской активности через анализ временных рядов - результаты использовались для планирования маркетинговых кампаний

Stack: PostgreSQL, Python, Excel, Power BI