Aviasales и удержание: как они превратили «возвраты в приложение» в когорты с предсказуемой экономикой

Aviasales и удержание: как они превратили «возвраты в приложение» в когорты с предсказуемой экономикой

В 2026-м на рынке тревел-брендов заметно проседает чистое привлечение: информационный поиск уходит в AI-overviews, а “последний клик” всё чаще спорный из‑за privacy-first атрибуции. На этом фоне Aviasales (платформа поиска и сервис планирования поездок) сильнее делает ставку на удержание: доставку нужного предложения в нужный момент тем, кто уже подтвердил намерение хотя бы одним действием (поиск, просмотр маршрутов, сохранение направления).

Задача
Перестать измерять успех только по “вернулись/купили” и научиться управлять retention через когорты:
- какие сегменты возвращаются через 7/14/30 дней после первого визита в приложение/сессии поиска;
- какие триггеры дают не просто повтор, а повтор с выручкой (в реальном мире: без “накрутки” промокодами);
- как сократить долю клиентов, которые делают один раз и исчезают (churn-риски в ранних когортах).

Решение
Команда выстроила lifecycle-цепочки вокруг поведенческих событий вместо агрегированных кампаний “для всех”:
1) Сегментация по намерению
Не только “пользователь заходил”, а “какое действие он совершил”:
— построил маршрут (поиск)
— переключал даты/направления
— сохранял направление/видел конкретные варианты
— дошёл до шага выбора и/или ввода данных

2) Динамические триггеры по циклам принятия решения
Вместо одной рассылки “через N дней” они связывали сообщения с тем, когда у человека обычно возникает следующий шаг:
— ранний возврат (первые дни после поиска) — напоминание с контекстом: “то же направление/схожие даты, где есть улучшение цены/доступности”
— средний цикл (1–2 недели) — помощь в планировании: альтернативы по датам/городам вылета, подсказки по изменениям
— поздний (30+ дней) — реактивация через ценность: сценарии поездок, уведомления о изменениях и персональные подбора (без давления)

3) Персонализация без “гонки скидок”
Креативы и офферы тестировались не только по CTR, а по экономике: какая когорта возвращается с маржинальным заказом. Промо использовали как инструмент для конкретных сегментов, а не как базовый режим для всей базы.

4) Проверка инкрементальности
Из-за проблем “последнего клика” они чаще смотрели на lift относительно контрольной группы внутри нужных сегментов: что изменилось именно благодаря коммуникации, а не потому что человек и так бы купил (особенно важно для тревела, где на решение влияют внешние факторы: календарь, доступность, сезонность).

Результат
По логике таких проектов эффект обычно виден прежде всего на ранних когортах:
- рост доли пользователей, которые возвращаются во 2-ю сессию поиска в окне 7–14 дней (retention-метрика как вход в “путь к покупке”);
- рост доли “поисков → покупка” в сегментах с высоким намерением, где сообщения совпадают с циклом принятия решения;
- снижение стоимости привлечения через повторные касания из собственной базы (CAC-замещение через retention вместо догоняющего перформанса).

Если сформулировать итог одной строкой: Aviasales сместил управление с “объём кампаний” на “управляемые когорты” и получил возможность масштабировать не охват, а предсказуемую выручку.

Урок
1) Retention — это не “добавить рассылку”, а построить воронку событий → когорт → экономика.
2) Триггеры должны попадать в реальный цикл решения (у тревела он не равен 3 дням для всех).
3) KPI в lifecycle лучше начинать с повторного действия (возврат/вторая сессия), а финальную оценку делать через покупку и маржинальность, учитывая инкрементальность.
4) В 2026-м, когда атрибуция спорная, выигрывают те, кто может доказать lift внутри сегмента, а не просто оптимизировать клики.

Если у вас подписочная модель, логика та же: найдите “событие намерения”, сегментируйте по поведению, соберите когорты по окнам (7/14/30), и только потом решайте, чем именно “держать” — контекстом, сервисом или мягкими офферами.

— @RetentionRoomRuPro