RevOps вместо “ещё больше лидов”: как Aviasales переложил фокус на удержание и выручку

RevOps вместо “ещё больше лидов”: как Aviasales переложил фокус на удержание и выручку

В 2026 маркетинг всё чаще отвечает не за MQL (маркетинговые квалифицированные лиды) ради роста воронки, а за выручку в связке маркетинг–sales–customer success (RevOps). На этом фоне Aviasales — хороший пример, как в performance-подходе меняют “точку оптимизации”: перестают мерить только клики/лиды и начинают управлять качеством спроса и дальнейшей ценностью пользователя.

Контекст
У Aviasales спрос по поиску и сравнениям цен во многом “нулевой”: часть пользователей получает ответ в выдаче/AI-обзорах, а не проходит полный путь до покупки. Параллельно растёт конкуренция за объяснение “почему эта платформа лучше” в условиях privacy-first (атрибуция через server-side, incrementality и MMM вместо last-click). Для команды это означало: классический рост конверсии в нижней части воронки перестаёт гарантировать рост выручки, потому что средний чек и частота покупок зависят от того, вернётся ли пользователь за повторной покупкой.

Задача
1) Снизить зависимость от “обязательной” лидогенерации и промо на каждый новый заход.
2) Повысить долю пользователей, которые совершают повторные действия (повторные просмотры/сигналы/покупки), и довести их до реальной монетизации.
3) Перестроить измерение: оценивать не только CPL/CPA, но и вклад в выручку с учётом канала атрибуции и удержания.

Решение
Команда ввела управленческую модель RevOps: маркетинг перестал быть “владельцем только трафика”, а совместно с продажами и поддержкой взяла метрики по клиентскому циклу.

— Перепрошивка KPI
Убрали приоритет “лиды любой ценой” и ввели цели по LTV (ценность за период) и инкрементальному вкладу кампаний. В практическом смысле это выглядело так: кампании ранжировались не по последнему клику, а по ожидаемому влиянию на повторные покупки и суммарную выручку.

— Сегментация спроса по намерению и поведению
Вместо универсальных креативов запустили сегменты “горячий интерес” и “исследующий поиск”. Для горячих — акцент на скорости и удобстве выбора (сигналы о подходящих вариантах, сценарии сравнения). Для исследующих — контент с прикладной логикой: как отслеживать изменения цены, какие параметры влияют на итоговую стоимость, как выбрать маршрут без лишнего стресса. Это компенсировало zero-click эпоху: даже если часть пользователей не кликает сразу, они “дособирают” решение в будущем.

— Управление частотой касаний и причиной оттока
Инструменты не просто увеличивали охват, а ограничивали частоту там, где росла усталость (симптом: ухудшение отклика и рост отписок/падение повторных визитов). Параллельно команда определяла причины, почему пользователь не возвращается: UX-барьеры, недостаток контекста в письмах/уведомлениях, “не тот триггер” в моменте. И корректировала триггеры под реальные поведенческие группы.

— Приватность и измерение “вместо последнего клика”
Для атрибуции использовали связку подходов: server-side сбор событий + модели инкрементальности (incrementality) + MMM (маркетинг-микс-аналитика) для кросс-канальных эффектов. Задача была простая: понимать, что даёт прирост выручки сверх базового тренда, а не просто коррелирует с ним.

Результат
За счёт смены оптимизации с “входа в воронку” на “ценность пользователя по циклу” команда получила эффект по выручке и качеству:
— рост доли пользователей, возвращающихся к покупке после первого контакта (повторные визиты и повторные сценарии выбора);
— более стабильная эффективность кампаний при сезонных просадках спроса, потому что удержание снижало провалы;
— снижение доли “нецелевых” затрат на масштабирование лидов без последующей монетизации.

Если перевести на язык цифр, бизнес-логика была такой: даже при том, что средний чек в e-com/сервисах в среднем по рынку может снижаться (покупатели экономят), рост LTV за счёт возврата пользователей перекрывает просадку первой транзакции. То есть фокус на удержание и инкрементальность работает как страховка в 2026.
…