Как построить модель роста: от простой до самой сложной (Глеб Сологуб, Snoonu)

Прогнозирование роста продуктовых метрик без сложной математики. Базовые модели — от принятия последнего значения и расчёта среднего до линейной регрессии и учёта аддитивной и мультипликативной сезонности. Декомпозиция данных на более мелкие периоды и составляющие (новые и возвращающиеся пользователи) помогает повысить точность прогноза. Алгоритм: начинать с максимально простой модели, проверять точность через кросс-валидацию и усложнять только при высокой погрешности. Инструменты — Google Sheets и Excel, метрики ошибки — MAE и RMSE.

• Построить прогноз от простейшей модели до линейной регрессии с учётом сезонности
• Проверить точность моделей через кросс-валидацию: MAE, RMSE на исторических данных
• Применить декомпозицию метрик — разбить МАУ на новые и возвращающиеся пользователи