Solvery Mentors — Case Study

Solvery — двусторонний маркетплейс, соединяющий менторов (предложение) и учеников (спрос). В качестве прокси спроса используем sessions_count, как сигнал качества — отзывы. Анализ диагностирует ликвидность категорий, концентрацию спроса и риск cold start среди 726 профилей.

726

менторов в каталоге

полей на профиль

0 %

потерь при извлечении

категорий (derived)

Метрики маркетплейса (прокси)

Загрузка метрик...

01Контекст

Solvery — маркетплейс менторов с фокусом на IT и продуктовые роли. Каталог содержит профили менторов с ценами, навыками, отзывами и статистикой сессий. Публичный API не документирован, но доступен через фронтенд SPA.

Цель кейса — извлечь полный каталог через обратную инженерию API, построить воспроизводимый пайплайн и проанализировать структуру рынка менторства: ценообразование, связь опыта с востребованностью, распределение навыков.

Фрейминг маркетплейса

Предложение (supply) — профили менторов: навыки, цена, доступность
Спрос (demand proxy) — количество завершённых сессий
Сигнал качества — отзывы (58% профилей без отзывов)
Риск концентрации — эффект ранжирования усиливает «богатые становятся богаче»

Данные извлечены полностью: 726 из 726 (по данным API). Дубликаты: 0. Потери полей: 0 %. Rebuild: python3 build_case_artifacts.py

02Data Pipeline

Пайплайн состоит из двух скриптов. Первый использует Playwright для перехвата POST-запросов к /api/mentoring/listing/get, сохраняет тело запроса и заголовки для точного воспроизведения. Второй реплеит POST-пагинацию через pagination.page в JSON-body, извлекает result.entities[*].mentorProfile и нормализует 14 целевых полей.

Detect

Playwright + network interception → endpoint, body, headers

Extract

POST replay, nested pagination, 73 pages × 10 entities

Normalize

Flatten mentorProfile, services.mentoring.rate, statistics

Validate

Dedup, missing fields audit, total count check

Файлы пайплайна

detect_endpoint.py Playwright: обнаружение API, перехват POST body
solvery_extractor.py POST-пагинация, нормализация, CSV/JSON
build_case_artifacts.py Категоризация + summary.json для графиков
solvery_analysis.ipynb EDA: распределения, кластеризация, top-N
solvery_mentors.csv Нормализованный датасет (726 × 14)
solvery_mentors_raw.json Сырые ответы API (8.3 MB)

03Структура рынка

Распределение менторов по специализациям неравномерно: аналитика и BI доминируют (42 %), за ними следуют бэкенд-разработка и Data Science. Продуктовые и дизайн-роли представлены значительно меньше.

Ценовые диапазоны по категориям

Медианная цена и разброс p25–p75 существенно различаются между категориями. Точка — медиана, горизонтальная линия — межквартильный диапазон.

Холодный старт: доля менторов с 0 отзывов

Процент менторов без единого отзыва — индикатор «холодного старта» категории. Высокий показатель означает слабый сигнал качества для покупателей.

Спрос vs предложение (доля сессий / доля менторов)

Предложение — доля менторов в категории. Спрос — доля сессий. D/S > 1 означает превышение спроса над предложением.

Backend (D/S = 1.91) — 31% сессий при 16% предложения: наиболее дефицитная ниша. Management/Career (D/S = 0.23) — 4× избыток предложения: 9% менторов, но лишь 2% сессий. D/S > 1 = спрос превышает предложение (возможность привлечения). D/S < 1 = избыток предложения (нужна активация или репозиционирование).

04Цена и опыт

Ценообразование на платформе имеет выраженный правый хвост: основная масса менторов концентрируется в диапазоне 2 900 – 7 000 руб/час, при этом единичные профили выходят за 30 000 руб/час. Количество сессий показывает ещё более тяжёлый хвост.

Связь между ценой и объёмом сессий нелинейна. Размер точки отражает количество отзывов, цвет — категорию. Оси ограничены p99 для читаемости (линейная шкала).

Фильтр:

Матрица корреляций

05Pareto-анализ

Небольшая группа менторов генерирует основную массу сессий платформы. Анализ Pareto позволяет выделить ядро наиболее активных профилей и понять, что отличает их от длинного хвоста.

Кривая Лоренца — концентрация сессий

Кривая показывает, какую долю всех сессий аккумулирует нижняя доля менторов. Чем дальше кривая от диагонали, тем выше неравенство.

Gini = 0.736 — высокая концентрация спроса, типичная для маркетплейсов с алгоритмическим ранжированием.

Ядро vs длинный хвост — кто генерирует сессии

Менторы разбиты на три сегмента по количеству сессий: ядро (top 5 %), середина (next 25 %), длинный хвост (остальные 70 %). Полоса показывает долю сессий каждого сегмента.

Зависимость от ядра: топ-5% менторов генерируют 42.3% всех сессий — выручка платформы концентрируется здесь.
Проблема длинного хвоста: 69.8% менторов дают лишь 13.8% сессий (медиана: 6 сессий, 0 отзывов).
Следствие: потеря одного core-ментора имеет непропорциональный эффект; активация хвоста требует снижения барьера cold start.

Top 20 по количеству сессий

Top 20 по количеству отзывов

10 самых доступных менторов (>200 сессий)

06Механизмы маркетплейса (гипотезы)

Шесть механизмов объясняют наблюдаемую динамику. Каждый связывает паттерн данных со структурной причиной и продуктовым рычагом.

Петля ранжирования. Gini = 0.736; топ-10% забирают 59% сессий. Ранжирование усиливает ранний успех в нарастающую видимость — классический эффект «богатые богатеют». Рычаг: диверсифицировать discovery за пределы сортировки по репутации.
Слабый сигнал качества. 58% менторов без отзывов. Покупателям не на что опереться при выборе нового предложения — концентрация усиливается. Рычаг: автоматические запросы отзывов, пробные сессии.
Ценовой якорь. p75/p25 = 1.96×. Большинство менторов кластеризуются у платформенного минимума. Цена не несёт сигнала дифференциации. Рычаг: ценовые пакеты, value-based тарификация.
Дисбаланс liquidity по нишам. Backend D/S = 1.91 (дефицит предложения); Management/Career D/S = 0.23 (избыток). Привлечение менторов нужно в высоко-D/S нишах; избыточным категориям — активация спроса или репозиционирование.
Барьер cold start. 17.5% менторов с нулём сессий. Без первых транзакций профили остаются невидимыми. Рычаг: буст в ранжировании для новичков, онбординг-воронки, стартовые пакеты.
Риск зависимости от ядра. Топ-5% генерируют 42.3% сессий. Отток даже нескольких core-менторов непропорционально влияет на GMV. Рычаг: выделенный аккаунт-менеджмент, стимулы удержания, эксклюзивность.

07Выводы для продукта

1. Ликвидность и стратегия предложения

Приоритет привлечения менторов — ниши с высоким D/S: Backend (1.91), DevOps (1.49), Mobile (1.12) — спрос превышает предложение.
Избыточные категории (Management D/S = 0.23, Analytics D/S = 0.92): инвестировать в demand-маркетинг или перепозиционировать менторов в смежные высокоспросовые навыки.
Трекать D/S ratio еженедельно по категориям как опережающий индикатор баланса маркетплейса.

2. Удержание ядра и управление рисками

Топ-5% генерируют 42.3% сессий. Идентифицировать и защитить ~37 менторов выделенным аккаунт-менеджментом.
Мониторить отток core-менторов ежемесячно — потеря 3–5 профилей может снизить GMV платформы на 10–15%.
Внедрить уровневые стимулы: бонус к revenue share, приоритетная поддержка, бейджи за устойчивую активность.

3. Активация длинного хвоста

69.8% менторов (длинный хвост) дают лишь 13.8% сессий. Медиана: 6 сессий, 0 отзывов — фактически невидимы.
Снизить барьер cold start: буст в ранжировании первые 30 дней, программа гарантированной первой сессии, онбординг с оптимизацией профиля.
Целевая метрика активации: перевод ментора с 0 → 5 сессий (first-transaction milestone).

4. Ценообразование и дизайн сигналов

Ценовой разброс p75/p25 = 1.96×. Почти все менторы в узком диапазоне — цена не несёт сигнала качества.
Внедрить структурные ценовые пакеты для дифференциации за пределами часовой ставки.
58% менторов без отзывов — система отзывов не выполняет функцию. Добавить автоматический запрос отзыва после сессии, показывать количество сессий как вторичный сигнал доверия.