Как Aviasales перестроил медиаплан: от «лида в клик» к инкрементальности и влиянию на выручку

Как Aviasales перестроил медиаплан: от «лида в клик» к инкрементальности и влиянию на выручку

Контекст
В 2026 конкурентный поиск авиабилетов сжимается по воронке: пользователи дольше сравнивают, больше взаимодействий до покупки, а атрибуция «последний клик» всё чаще даёт иллюзию контроля. Параллельно усиливается эффект AI-overviews: часть спроса уходит в zero-click, и медиаплан приходится строить не только по CTR и CPL, а по тому, что реально двигает продажи. Для e-com-подобных сценариев (маркетплейс/агрегатор) особенно важно сохранить баланс: охват + бренд-доверие + возвраты (retention — удержание) в рамках privacy-first измерений.

Задача
Нужно было снизить стоимость привлечения и при этом не «перекормить» сегменты, которые и так покупают. Маркетинг требовал цифр для ревизии бюджетов:
— какие каналы дают инкрементальный (добавочный) прирост выручки, а какие просто конвертируют уже тёплый спрос;
— как переразложить ставки по устройствам/гео и не потерять долю рынка;
— как убедиться, что рост конверсий не достигается за счёт само-каннибализации.

Решение
1) Перевели логику планирования с воронки на роль в выручке
В медиаплане каналы разнесли по функциям: **demand capture** (захват спроса) и **demand expansion** (создание спроса/уверенности). Для capture жёстче смотрели пост-клик метрики, для expansion — задержку эффекта и влияние на бренд-поиск (поиск по названию/категории, не только по точным запросам билета).

2) Подключили incrementality-подход вместо «ручной коррекции по CPL»
Вместо решения «срезали всё, что дороже по CPL» сделали тестовую рамку: часть инвентаря и когорты получали сниженный вес в медиаплане, а сравнение шло по обучающим метрикам до покупки и по выручке с лагом. Дальше кампании ранжировали по коэффициенту: сколько рублей выручки приходилось на единицу бюджета сверх «базовой линии».

3) Согласовали учёт с RevOps-подходом (маркетинг + продажи + CS за общую выручку)
Классическая лидогенерация (MQL/SQL) для агрегатора работает хуже: пользователь может купить без долгого каскада. Поэтому сделали единую цель: валовая выручка на пользователя, а не только лиды. Customer success роль была в том, чтобы не ломать CX: если рост трафика приводил к росту возвратов/споров, это автоматически отражалось в экономике юнита.

4) Пересобрали структура ставок по частотам и «температуре»
Сегменты разделили на: новые, сравнивающие, возвращающиеся. В медиаплане ограничили верхнюю частоту для возвращающихся и добавили более «мягкие» форматы для новых (поясняющий контент, понятные тарифы/сервисные преимущества, промо с ограниченным числом сценариев). При росте бюджета сначала расширяли охват, а не увеличивали давление на тех, кто уже на финальной стадии.

Результат
— Инкрементальность стала основным фильтром: доля бюджетов, проходивших по тесту с положительным добавочным эффектом, выросла, а доля каналов «для галочки» сократилась.
— Стоимость выручки (аналог CPA, только в деньгах и с учётом лагов) снизилась: ключевой эффект дали перераспределение веса с last-click логики на связки «охват → возврат → покупка».
— При этом не просели метрики качества: доля возвратов/жалоб не росла пропорционально объёму трафика, а значит рост шёл не за счёт «жёсткого» перетягивания аудитории.

Урок
1) Медиаплан — это гипотеза про роль канала, а не список KPI. Если рынок уходит в zero-click и AI-overviews, выживает только план, который измеряет влияние на выручку, а не только на клики.
2) CPL/CPA без инкрементальности превращаются в “контроль иллюзии”. Делайте тестовые срезы и ранжируйте бюджеты по добавочному эффекту.
3) В 2026 RevOps-логика (общая ответственность за выручку) снижает внутренние конфликты: маркетинг отвечает за экономику целиком, а не за верхнюю воронку.

Если хотите, в следующем посте разберу шаблон матрицы «функция канала → метрика → лаг измерения» для построения медиаплана без агентств.

— @MediaPlanningRoomPro