← Volta Neobank

Core · проект 1 из 23

Воронка онбординга необанка: KYC — узкое место с 56,6% step conversion, регистрация теряет больше всех в абсолюте (2 682). Разбивка по каналам и платформам.

Ситуация
Первый проект петли discover: где необанк «Volta» теряет пользователей в онбординге
Задача
Отвечать за воспроизводимость данных и за измерение потерь на каждом шаге, а не за общую оценку
Действия
Step conversion и absolute/relative drop-off по каждому шагу, chi-square различий каналов, iOS против Android
Результат
KYC — 56,6% step conversion; Registration — 2 682 пользователя; до первой транзакции 1 269 из 10 000
Стек
Pythonpandas / NumPySciPy / Statsmodelsscikit-learnMatplotlib / Seabornuv + ruff
Содержание
  1. Ситуация
  2. Задача
  3. Действия
  4. Результат
  5. Рекомендации
  6. Документация

Volta — Анализ воронки

Ситуация

Первый проект петли discover: найти, где необанк «Volta» теряет пользователей в онбординге. Данные синтетические, seeded-генератор → воспроизводимые CSV.

Задача

Мне нужно было отвечать за воспроизводимость данных и за измерение потерь на каждом шаге, а не за общую оценку.

Действия

Воронку я разобрал пошагово, чтобы потеря была видна на каждом переходе, а не только в конце пути.

  • Сборка данных. Из seeded-генератора собрал события онбординга и привёл их к таблице «пользователь × шаг × статус» — так шаги сравнимы между собой.
  • Метрики шага. Для каждого перехода посчитал step conversion и две потери: абсолютную (сколько людей уходит) и относительную (какая доля не проходит).
  • Разбивки. Сравнил платформы (iOS против Android) и каналы привлечения (referral против paid social) на каждом шаге, чтобы понять, где именно расходятся траектории.
  • Проверка различий. Разницу между каналами проверил chi-square тестом, а не сравнением средних на глаз.
  • Визуализация. Построил воронку, waterfall потерь и heatmap по возрасту, чтобы узкое место читалось сразу.
  • Качество данных. Проверил, что пользователи проходят шаги монотонно (нельзя завершить KYC, не зарегистрировавшись) и что дублей нет, — иначе шаги воронки не сходятся.
  • Инструменты. Python и pandas/NumPy для агрегации, SciPy/Statsmodels для теста, Matplotlib/Seaborn для графиков; генератор seeded, поэтому прогон воспроизводится один в один.

Результат

  • KYC Complete — наибольший относительный отток: 56,6% step conversion (2 781 из 4 917).
  • Registration — наибольшая абсолютная потеря: 2 682 пользователя, 73,2% step conv.
  • Referral конвертит на +11,7 п.п. лучше paid social; iOS обгоняет Android (13,6% против 11,7%).
  • До первой транзакции доходят лишь 1 269 из 10 000 (12,7%) — воронка теряет ~87%.

Рекомендации

  • Переработать UX KYC — прогресс-бар (валидирован в Project 2), подсказки по фото в реальном времени.
  • Упростить регистрацию — A/B-тест на удаление поля номера телефона (крупнейшая абсолютная потеря).
  • Усилить реферал и перераспределить 15% бюджета paid social.
  • Спринт под Android — QA-аудит для закрытия разрыва с iOS.

Документация

Нужен такой же разбор на ваших данных?

Расскажите задачу — вернусь с планом: какие данные нужны, что проверяем и за какой срок. Отвечаю в течение дня.

Обсудить задачу →