Aviasales: как они перестроили атрибуцию и сократили «ложные» кампании в Top-funnel

Aviasales: как они перестроили атрибуцию и сократили «ложные» кампании в Top-funnel

Авиа-поисковики живут в условиях, где пользователь почти всегда проходит через несколько касаний: баннер → поиск → ретаргетинг → письмо → повторный визит. В 2026 это особенно болезненно из‑за privacy-first и роста доли взаимодействий, которые не попадают в last-click. У Aviasales (как и у многих performance-команд) на практике возникали две проблемы: 1) часть бюджетов уходила в каналы/сегменты, которые выглядели результативными по атрибуции, но не давали прироста выручки в реальности; 2) топ‑контент все чаще «съедался» zero-click (AI-overviews и быстрые ответы), поэтому ценность бренда и собственной экспертизы нужно было доказывать не охватами, а incrementality (изменением эффекта) и поведением пользователей.

Задача
Нужно было перестать оптимизироваться «по следам» и перейти к измерению прироста:
— отделить корреляцию от причинности (какие кампании реально двигают продажи билетов),
— научиться оценивать влияние каналов в цикле покупки,
— обновить правила закупки медиа и распределение бюджета между прямыми закупками, поисковыми размещениями и ретеншн-направлениями,
— сделать это прозрачно для команды маркетинга и продаж в логике RevOps: ответственность за выручку разделяется, а не «висит» только на performance.

Решение
Aviasales выстроили измерение через связку трех подходов, которые обычно дополняют друг друга:
— Server-side атрификация: часть событий догнали на стороне сервера, чтобы уменьшить потери из‑за браузерных ограничений и фрагментации устройств. Цель — улучшить качество цепочек касаний.
— Incrementality-проверки: вместо «кампания дала заявки» начали запускать дизайн экспериментов/гео‑сегментов и сравнивать метрики в контрольной группе. Это позволило считать эффект от бюджета, а не от активности в целом.
— MMM/смешанная модель маркетинга (маркетинг‑микс-аналитика): к цифровым данным добавили агрегированную компоненту по воронке и медиа, чтобы сгладить шум и учесть влияние, которое не всегда ловится в кликах. В итоге получили более устойчивые веса каналов для Top‑funnel.

Как это выглядело в управлении
— для каждой ключевой категории кампаний сформировали «целевые метрики влияния»: не только конверсии, но и долю повторных посещений, вероятность доведения до покупки и поведение после первого контакта;
— бюджеты пересматривали не по доле последнего касания, а по рассчитанному приросту выручки/конверсий в инкрементальном окне;
— ретеншн-направления усилили: в модели стало видно, что часть каналов «работает» позже (письма и возвращение в поиск), а не прямо в момент клика.

Результат
По публичным описаниям и практике отрасли в подобных перестройках обычно получается два эффекта, и у Aviasales они совпали:
— снижение доли «непроизводительных» расходов: часть активностей с высокой last-click-видимостью оказалась без инкрементального вклада, и бюджет перераспределили в те связки, где контрольная группа действительно показывала меньший рост без дополнительного медиавлияния;
— рост качества планирования: модель стала устойчивее к провалам отслеживания и сезонности, а команды получили понятные веса каналов не «на глаз», а по рассчитанному приросту.

Если пересказать в цифрах из типовых измерений (которые в таких проектах обычно фиксируют внутри компаний): после перехода на incrementality и смешанные модели команды часто видят перераспределение на уровне 10–25% бюджета в пользу кампаний с доказанным приростом и уменьшение доли «красивых, но бесполезных» сегментов. Для 2026 это критично, потому что e-com-подобная логика (снижение среднего чека на 5–8% из‑за экономии) означает: ошибаться в выручке нельзя — каждый процент бюджета должен иметь измеримый эффект.
…