Сделали lead-to-SQL из контента: как Aviasales выстроил воронку через продуктовый трек и сценарии для длинной

Сделали lead-to-SQL из контента: как Aviasales выстроил воронку через продуктовый трек и сценарии для длинной сделки

В 2026 у B2C маркетологов всё сильнее “ломается” старая логика: информирование стало дешевым, а доверие и релевантность — дефицит. Параллельно в B2B становится больнее классическая лидогенерация “кампаниями ради MQL”, потому что ответственность за выручку расползается на RevOps (маркетинг + продажи + customer success). И главный вопрос в длинных циклах сделки теперь не “сколько показов”, а “сколько сделок дошло до этапа SQL”. Ниже — разбор кейса, который хорошо ложится на этот принцип, хотя бренд B2C.

Контекст
Aviasales (и похожие продуктовые агрегаторы) живут в ситуации длинного цикла: пользователь сначала изучает маршруты/альтернативы, затем сравнивает цены/условия, и только после этого принимает решение. В эпоху AI-overviews и zero-click часть потребления контента происходит без кликов — то есть нельзя упираться в “досчитай охват и лайки”. Также privacy-first атрибуция делает last-click менее надежной: часть влияния контента не видна через последний визит.

Задача
Перестроить путь от “чтения материалов” к коммерческому действию так, чтобы:
— конверсия не держалась только на ретаргете по последнему визиту
— контент работал как последовательность касаний, приводящая к заявке/бронь-сценарию, а не к “переходу по ссылке”
— маркетинг мог доказать вклад по этапам (вплоть до SQL/готовности к покупке для партнеров и корпоративных сегментов, где решение длиннее)

Решение
Aviasales опирается на продуктовую механику и сценарное мышление. Что именно сделали (по логике, которую можно перенести в B2B и воронки MQL/SQL):
— Сегментация по намерению вместо “по жанру контента”. Контент делили на кластеры: “сравнение”, “планирование”, “оптимизация стоимости”, “условия и ограничения”. Дальше каждый кластер связывали с событиями в продукте (выбор даты, поиск гибких дат, просмотр направлений, открытие условий).
— Контент стал триггером для следующего шага, а не конечной точкой. Например, материал про “как выгоднее лететь” не “просто информировал”: после чтения пользователю показывался сценарий внутри продукта (подбор альтернатив по параметрам, напоминание про гибкие даты, предложение сформировать маршрут/подборку).
— Воронка измерялась по этапам намерения. Вместо метрик “сколько перешли” ввели промежуточные события, коррелирующие с готовностью купить: добавление маршрута в избранное, повторный визит в течение X дней, старт диалога с поддержкой по условиям, формирование заявки в корпоративном канале (если речь о B2B-сценарии).
— Топикальная авторитетность (Topical Authority) усиливалась сериями. Статьи выпускали не “по теме ради охвата”, а так, чтобы одна и та же тема покрывалась от инфо-уровня до практического: от “что выбрать” к “как сделать”. В 2026 это критично, потому что AI-overviews и поисковые алгоритмы лучше доверяют системным тематическим связкам, чем разрозненным публикациям.

Результат
Сработало на нескольких уровнях:
— Рост доли пользователей, дошедших до коммерческого сценария после потребления контента: в среднем по логике проектов такого типа видно ускорение по событиям “начал действие в продукте” (обычно это +10–25% к доле продвигающихся пользователей относительно контрольной группы без связки “контент→сценарий”).
— Снижение зависимости от last-click: контент начал проявляться как влияние на повторные визиты и “мягкие” намерения, которые потом превращались в покупку/заявку.
— Укрепление предсказуемости в длинных циклах: когда маркетинг меряет не клики, а этапы намерения, прогнозируемость выше даже при ухудшении трекинга.
…