Программа лояльности Aviasales: как повысили LTV в нулевой эпохе и снизили зависимость от последнего клика

Программа лояльности Aviasales: как повысили LTV в нулевой эпохе и снизили зависимость от последнего клика

В 2026 году travel-маркетинг стал ещё сложнее: чистый informational SEO дальше уходит в тень AI-overviews (инструментальные ответы съедают долю поисковых переходов), а performance всё чаще приходится доказывать через privacy-first атрибуцию — server-side, MMM и инкрементальность вместо «кликнул — купил». На этом фоне средний чек в e-com сегменте проседает примерно на 5–8%: потребители экономят, а значит, ставка на первую покупку больше не окупает всё так стабильно, как раньше. Побеждают retention и LTV.

Контекст
Aviasales как marketplace-подход держит высокую конкуренцию в моменте выбора перелёта. Пользователь часто сравнивает 2–5 сценариев и уходит «досмотреть» цены. В классической связке last-click часть ценности уходит в агрегаторы и бренд не может однозначно атрибутировать влияние своих касаний на повтор. Плюс в travel высокая доля “zero-click”: человек находит ответ (и иногда даже маршрут) в AI-ответе, но покупку совершает позже или в другом канале.

Задача
Нужно было решить две проблемы одновременно:
— увеличить возврат пользователей после первого опыта (повторные бронирования, подписки на даты/направления)
— снизить долю «случайных» продаж, где выручку приписывают последнему клику, и усилить доказуемую роль маркетинга в росте выручки (в логике RevOps: общий эффект маркетинга + продаж + customer success на доход)

Решение
Aviasales развивали программу лояльности и персональные триггеры вокруг намерений, а не вокруг скидки “на всех”.

1) Сегментация по намерению и жизненному циклу
— выделяли группы: искал сейчас/отложил, покупал разово, покупал повторно, использовал подписки на ценовые изменения
— для каждой группы меняли частоту коммуникаций и формат: не «один баннер всем», а разные сценарии (напоминание о ранее сохранённом направлении, подбор похожих маршрутов, предложения по планируемым датам)

2) Награды как усилитель действия, а не “подарок за вход”
— бонусы привязывали к действиям, которые коррелируют с выручкой: использование подписки, повторный поиск, бронирование в пределах заданного окна
— коммуникации строили вокруг ценности: «сэкономили время на выборе» + «получили релевантное предложение», а не просто скидка

3) Privacy-first измерение эффекта
— внедряли оценку инкрементальности: тесты гео/аудиторий, сравнение с контролем, плюс модели на базе MMM (маркетинг-микс моделирование), чтобы отделять эффект от общего сезонного спроса
— данные собирались так, чтобы корректно работать с ограничениями браузеров и каналов, и чтобы маркетинг мог защищать вклад программы лояльности в выручку, а не только в клики

Результат
По публичным и отраслевым метрикам похожих программ в travel обычно дают: рост повторных бронирований и повышение LTV при контроле CAC. В их логике акценты были на следующих показателях:
— увеличение доли пользователей, которые возвращаются в течение периода после первой покупки/контакта (retention)
— рост LTV за счёт повторных транзакций и монетизации сохранённых намерений (подписки и повторный подбор)
— снижение “маркетингового шума” в атрибуции: часть эффектов уходила от last-click к инкрементальной оценке, что повысило доверие к управленческим решениям

Урок
1) В travel retention — это не «добавим рассылку». Это продуктовая логика, где лояльность работает как система повторного выбора.
2) В эпоху AI-overviews конкурировать «за внимание» становится дороже: выигрывают те, кто даёт пользователю полезный выбор после первого контакта (сохранённые направления, подсказки по намерению, понятные причины действия).
3) RevOps-логика обязательна: если вы не можете доказать влияние программы на выручку через инкрементальность/ MMM, её ценность будет постоянно оспариваться.
4) С учётом падения среднего чека на 5–8% в e-com, ставка на LTV часто эффективнее, чем попытка переломить рынок скидками на первом касании.
…