Дашборд “Траектории клиента” в Aviasales: как связали SEO/поиск, маркетинг и выручку в privacy-first мире

Дашборд “Траектории клиента” в Aviasales: как связали SEO/поиск, маркетинг и выручку в privacy-first мире

В 2026-м рынок продолжает двигаться от “последнего клика” к пониманию вклада каждого канала в выручку. Параллельно усилилась роль Topical Authority и AI-обзоров: часть спроса уходит в zero-click, а атрибуция “в лоб” перестаёт быть правдой. На этом фоне Aviasales столкнулся с типичной проблемой: разные команды оптимизировали разные куски воронки (трафик, бронь, повторные покупки), но единой картины по траекториям клиента и LTV не было.

Задача
Нужно было собрать BI-слой, который:
— показывает, какие сегменты пользователей реально доходят до брони и возвращаются (retention)
— позволяет оценивать влияние маркетинговых инициатив без опоры на cookie-историю “до последнего клика”
— даёт единые определения метрик для маркетинга и продуктовой аналитики (бронь/покупка, выручка, возврат, реальный CAC по cohort’ам)

Решение
Сделали дашборд “Траектории клиента” на стыке продуктовых событий и финансовых данных. Архитектура строилась вокруг cohort-логики вместо “канал=источник заказа”.

1) Ключевые таблицы на стороне BI
— Cohort таблица: пользователь (или сессионный идентификатор), дата первого касания, модель канала касания “по смыслу” (поисковый интент, брендовый запрос, ретаргет и т.д.)
— Траектория: агрегаты по шагам (просмотр, выбор перелёта, переход к оплате, бронь) с тайм-окнами (например, D0–D7, D8–D30)
— Финансы: выручка и маржа по броням, сглаженные на уровне расчётов (чтобы исключить несогласованность календарей)

2) Атрибуция через вклад (incrementality), а не last-click
Вместо попытки “приклеить” выручку конкретному клику использовали подход: сравнение тест/контроль (квазиэксперименты по сегментам) и MMM-ориентиры для согласования масштабов. Это снизило зависимость от точности идентификаторов и позволило работать в privacy-first режиме.

3) Метрики, которые перестали спорить
— Conversion rate не по одному событию, а по шагам траектории (stepwise CVR)
— LTV как кумулятивная выручка по cohort’у за горизонты (D30/D90/Year)
— “Возврат в поиск”: доля повторных сессий по релевантному интенту после первой брони

4) Визуализация
Дашборд показывал не “воронку на одном экране”, а карту траекторий: ветвления по интенту и каналу первого касания, плюс тепловая матрица удержания (retention) по cohort’ам.

Результат
После внедрения команда перестала оптимизировать “то, что видно”, и начала оптимизировать “то, что платит”. По итогам квартала в пилотных сегментах:
— доля booking’ов из сегментов с высоким шаговым CVR (особенно D0–D7 от интентного поиска) выросла, при этом платный трафик перераспределили в пользу более качественных траекторий
— по ретеншн-когортах LTV увеличился за счёт того, что кампании перестали “сжигать” весь бюджет на охват без возврата; основной выигрыш дал горизонт D30–D90
— сократилось расхождение между маркетинговыми отчётами и финмоделью: единые определения метрик и cohort-логика убрали значительную часть ручной сверки

Урок
1) В privacy-first мире выигрывает тот BI, который строит связи через cohort и шаги траектории, а не через “кто кликнул последним”.
2) Дашборд должен быть инструментом договорённости: единый словарь метрик и горизонты расчёта важнее красивых графиков.
3) В эпоху zero-click и AI-обзоров Topical Authority нельзя измерять только “переходами”. Нужна модель влияния на поведение и выручку через траектории.

Если у вас в компании спорят “что считать лидом/покупкой” и почему цифры в маркетинге не совпадают с финансами — начните с cohort-слоя и stepwise CVR. Это обычно быстрее, чем “допиливать атрибуцию” бесконечно.

— @MarketingAnalyticsRoomPro