Кейс: как Aviasales перестроили отчётность в Looker Studio под privacy-first атрибуцию

Кейс: как Aviasales перестроили отчётность в Looker Studio под privacy-first атрибуцию

Контекст
К 2026 году Aviasales окончательно ушёл от last-click (последний клик) модели в мобильном приложении. Команда понимала: server-side (серверная) аналитика и MMM (Marketing Mix Modeling — модель, которая оценивает вклад каждого канала в общую конверсию) дают более честную картину, но у маркетинга оставалась потребность в ежедневной отчётности для принятия оперативных решений. Внутренние отчёты в Tableau были громоздкими, а отделу перформанса нужно было видеть воронку по 14 каналам в одном экране.

Задача
Собрать в Looker Studio дашборд, который:
— объединяет данные из AppsFlyer (server-side API), GA4 и внутренней БД по бронированиям;
— показывает contribution (вклад) каждого канала в выручку по модели MMM, а не только по last-click;
— обновляется каждые 4 часа без ручных выгрузок;
— доступен одновременно 40 маркетологам без потери производительности.

Решение
Архитектуру разделили на три слоя.

1. Сырой слой. Данные AppsFlyer, Firebase и CRM стекаются в BigQuery через Airflow. Идентификатор пользователя склеивается по probabilistic matching (вероятностное сопоставление) — без PII (персональных данных), только хеши device ID и email.

2. Слой метрик. SQL-вьюхи рассчитывают два параллельных набора: last-click revenue и MMM-adjusted revenue. Коэффициенты MMM выгружаются из Python-модели отдельной таблицей и джойнятся по каналу и неделе.

3. Слой визуализации. В Looker Studio — один Master Report и 12 связанных страниц: воронка приложения, когорты по retention (удержанию), unit-экономика по каналу, гео-разрез. Использовали blended data (смешанные источники) из BigQuery, чтобы не дублировать вычисления.

Критичный момент: для метрик с MMM-корректировкой применили диапазон дат «последние 90 дней» — иначе модель даёт слишком большую погрешность на коротких окнах.

Результат
— Время подготовки еженедельного отчёта для CMO сократилось с 6 часов до 25 минут.
— Расхождение между last-click и MMM-картиной на платных каналах составило от 30% до 180% — это сразу показало, какие каналы переоценены.
— По итогам первого квартала бюджет перераспределили: Reddit Ads и Telegram Ads, которые в last-click выглядели «мёртвыми», получили +40% и +25% бюджета соответственно.
— Retention 30-дневный вырос на 11% за счёт того, что стали видеть реальный contribution верхних каналов воронки.

Урок
Looker Studio отлично работает как витрина, но только при условии, что «честная» математика уже посчитана до неё. Пытаться строить privacy-first атрибуцию средствами только Looker Studio (через формулы и встроенные коннекторы) — путь к иллюзии точности. Правильная схема: тяжёлая логика — в BigQuery или собственной модели, Looker Studio — слой визуализации и drill-down (детализации). И обязательно держите рядом два набора метрик: привычный last-click и скорректированный. Без сравнения команда не поверит новой модели.

— @LookerStudioRuPro