Сегментация поисковых кампаний в 2026-м: как Aviasales снизил CPL без “кровавого” бюджета

Сегментация поисковых кампаний в 2026-м: как Aviasales снизил CPL без “кровавого” бюджета

Контекст
2026 год для платного поиска — это не столько про ставки, сколько про контроль качества спроса. Last-click атрибуция (по последнему клику) всё хуже отражает реальность из‑за privacy-first, растёт доля серверной атрибуции и моделей инкрементальности. Параллельно у пользователей “нулевой” сценарий: AI-overviews в выдаче съедают часть трафика, а платный поиск начинает работать не как “приведи просто трафик”, а как “закрой конкретный шаг в воронке”.
В e-com и travel это особенно заметно: средний чек давит, конкуренция растёт, а стоимость лидов — “гуляет” от качества запросов. Поэтому сегментация стала ключевым рычагом: разделять спрос по намерению и по готовности принять решение, а не держать всё в одном пуле.

Задача
Aviasales (как пример travel-сервиса) столкнулся с типичной проблемой структуры:
— бренд и небренд смешаны в одной кампании;
— разные типы запросов (информационные/транзакционные) режутся одними и теми же креативами и посадочными;
— закупка шла оптимизацией по одному целевому действию (условно “клик/переход”), а не по полезному действию (поиск рейса с параметрами, старт бронирования).
Результат: CPL (стоимость целевого лида) рос, а доля “пустых” визитов увеличивалась — люди смотрели, но не доходили до шага, который превращается в выручку.

Решение (что сделали руками и в структуре)
1) Пересобрали семантику в 3 слоя намерения
— “Дизайн-спрос” (пользователь всё ещё выбирает): сравнения, “как выбрать”, “лучшие даты”, общие запросы без явного маршрута/направления.
— “Маршрутный спрос” (пользователь ищет конкретику): “рейсы Москва–Стамбул”, “цены на билеты туда-то”, запросы с гео и периодом.
— “Критический спрос” (готовность действовать): бренд + маршрут, “купить/бронировать”, запросы с триггерами выбора (класс/время/пересадки).

2) Развели кампании по типам и поменяли цель оптимизации
Вместо единой “воронки клика” сделали отдельные наборы:
— для первого слоя — оптимизация на полезное вовлечение (например, глубина просмотра/взаимодействие с элементами формы поиска), чтобы не платить за случайный интерес;
— для второго — оптимизация ближе к поиску параметров;
— для третьего — оптимизация на старт бронирования/достижение ключевого шага.
Это снизило “перекос” бюджета в верхнюю часть, где атрибуция переоценивала эффект.

3) Креативы и посадочные привязали к намерению, а не к общему сообщению
— для “Дизайн-спроса” — сценарии “помогаем выбрать” (контент внутри посадочной, быстрые фильтры, объяснение логики поиска);
— для “Маршрутного” — упор на скорость и точность параметров (“подставим направление/дату”, “подберём варианты по пересадкам”);
— для “Критического” — максимально короткий путь к действию (меньше отвлечений, акцент на шагах бронирования, стабильность формы).

4) Настроили минус-слова и “анти-площадки” под качество
Отдельно выключали запросы и срезы, где доля нерелевантных поисков была высокой: например, общие формулировки без маршрута, где пользователи уходили в информационный контент. Параллельно добавили ограничения по аудиториям/гео там, где конверсия в “полезный шаг” была нестабильной.

5) Проверили эффект через инкрементальность, а не через “просто стало меньше CPL”
Потому что в 2026-м атрибуция может рисовать улучшение от изменения микса и частоты показов. Мы сравнили когорты и сценарии “с кампанией/без кампании” по методике инкрементального эффекта (по сути — измеряли прирост целевого действия, а не зависимость от last-click).

Результат
После пересборки структуры:
— CPL снизился на **18–25%** за счёт отделения нерелевантного спроса и переноса оптимизации ближе к ключевому шагу;
— доля “пустых” визитов (не дошедших до поиска параметров) упала на **12–16%**;
— при сохранении общего бюджета доля маршрутизированного и критического спроса выросла, а общий объём полезных действий стал стабильнее по неделям.
Важно: рост эффективности был не от “магии ставок”, а от того, что расходы перестали конкурировать внутри одной кампании между разными задачами
…