Aviasales и перевод “поискового спроса” в контролируемую выручку: кейс про Incrementality и отказ от слепого l

Aviasales и перевод “поискового спроса” в контролируемую выручку: кейс про Incrementality и отказ от слепого last-click

Контекст
В 2026 поисковый трафик в путешествиях всё меньше ведёт себя как раньше: в выдаче усиливаются AI-обзоры, часть кликов “съедают” нулевые переходы, а last-click атрибуция всё чаще переоценивает то, что просто оказалось ближе к концу воронки. При этом рост рекламных затрат упирается в privacy-first ограничения: становится сложнее доказуемо переносить бюджет между каналами “на глаз”.

Задача
Aviasales (как продуктовый перформанс с сильной SEO- и поисковой составляющей) нужно было ответить на три вопроса:
— какие кампании реально двигают бронь (не просто получают конверсию “после” и “рядом”)?
— где заканчивается эффект от бренда/контента и начинается влияние paid-размещения?
— как перераспределить бюджет так, чтобы метрика выручки росла, а не “кликала” вместе с атрибуцией?

Решение
Команда построила контроль эффекта через incrementality (инкрементальность) и пересобрала измерение так, чтобы оно было ближе к RevOps-подходу (маркетинг + продажи + customer success за общую выручку). Практически это выглядело так:

1) Разделили спрос на сегменты по намерению
— “жёсткий intent”: пользователи, у которых в поиске/поведении явно проявлялся план поездки на конкретные даты/направления
— “мягкий intent”: исследовательские запросы, сравнение, подбор без явной готовности

2) Применили экспериментальную проверку, а не “в среднем по больнице”
— часть пользователей/аукционных показов ограничивали по времени и/или аудиториям (гео/временные окна)
— сравнивали прирост броней (и выручки) в тестовой группе против контрольной
Важно: они не пытались “вырезать” SEO и органику полностью — цель была доказать инкрементальный вклад paid-части, а не посчитать идеальную “модель мира”.

3) Пересобрали модель атрибуции под privacy-first
— опирались на server-side сбор событий и агрегировали данные так, чтобы меньше зависеть от пользовательских идентификаторов
— сверяли результат с MMM-проверками (маркетинг-микс-менеджмент), чтобы модель “держала” бюджет при изменениях в трекинге
— в отчёт добавили не только CPA, а “стоимость инкрементальной бронью” и вклад в выручку

4) Развели креатив и концепции по логике конкуренции
Вместо массового “гоняем разные баннеры” они тестировали гипотезы:
— “выгода сейчас” (ценовые сценарии и ограничения)
— “снижение тревожности” (прозрачные правила, удобство изменений)
— “персонализация по маршруту/погодным/событийным контекстам”
Ключ — креативы стали доказательнее: не “красивее”, а более точно соответствовали стадии намерения.

Результат
По публично озвучиваемой логике внедрения incrementality и изменения бюджетов (и типовой метрике для performance-лида в таких проектах) эффект выражался в измеримом улучшении качества расхода:
— снизили долю бюджетов, где last-click показывал высокий вклад, но контрольная группа демонстрировала слабую добавленную ценность
— подняли долю размещений, где инкрементальность подтверждалась экспериментами, особенно на сегменте “жёсткого intent”
— оптимизация ушла от “дожима клика” к управлению выручкой: стали считать стоимость инкрементальной бронью и удерживать фокус на маржинальности (комиссии/стоимость обработки/часть операционных затрат тоже учитывалась в управленческой логике)

Если пересказать эффект по смыслу для карьеры: в какой-то момент команда перестала спорить “кто прав по атрибуции” и перешла к дисциплине экспериментов. Именно это делает карьеру performance-lead устойчивой в 2026: вы управляете причинностью, а не красивыми отчётами.

Урок
1) В нулевой эпохе (zero-click) “просто рост конверсии” недостаточен: вам нужны измерения добавленной ценности.
2) RevOps-логика для перформанса — не модный термин, а практический способ договориться, что считать успехом: выручка, а не клики и даже не один CPA.
3) Лучший KPI для лидера — не один процент роста, а способность доказать влияние бюджета экспериментально и переносить решения между каналами при изменениях трекинга.
…