Как мы убрали «самую важную цифру» из слайдов и спасли выручку: кейс Aviasales

Как мы убрали «самую важную цифру» из слайдов и спасли выручку: кейс Aviasales

В 2026-м менеджмент ждёт от цифр не красивую динамику, а управляемость. Условия рынка меняются: в Search/SEO усиливается эффект Topical Authority и ответов-обобщений (AI-overviews), в B2B лидогенерация постепенно размывается, а в e-com падает доля первой покупки при росте важности retention и LTV. В таких условиях даже сильная воронка превращается в набор разрозненных метрик, если на слайдах нет связей «причина → действие → эффект».

Контекст
Aviasales (онлайн-сервисы поиска и бронирования поездок) регулярно сталкивается с типовой проблемой аналитики для менеджмента: разные команды оптимизируют «свою» часть цепочки — маркетинг клик/конверсия, продукт — путь выбора, выкуп — платёж и подтверждение, поддержка — качество сервиса. На уровне отчётов всё выглядит логично, но на уровне решений появляется провал: управленческое «почему просели продажи?» упирается в спор о том, какая метрика главнее.

Задача
В одном из кварталов команда заметила просадку выручки, но при этом:
— трафик по ключевым каналам не выглядел проблемным
— кликабельность (CTR) и видимая конверсия из визита в намерение были на привычном уровне
— внутри продукта происходили изменения: скорость интерфейса и переработка сценария поиска

Менеджмент требовал один слайд с ответом «где поломалось». Аналитика понимала: проблема в том, что «самая важная цифра» на слайде была статична и не объясняла ни механизм падения, ни, главное, что именно можно менять в ближайшие 2–3 недели.

Решение
Мы сделали управленческий слой «единой модели причинности» и перестроили слайды по принципу: каждая диаграмма должна подталкивать к конкретному действию.

1) Разделили метрики на три уровня
— Вход: спрос и доступность (трафик, доля показов, качество попаданий)
— Путь: поведение в приложении (выбор направления, количество поисковых действий, скорость/ошибки)
— Выход: монетизация (бронирование, оплата, подтверждение)

2) Заменили «одну главную цифру» на вклад по стадиям
Вместо одного графика выручки сделали водопад (waterfall) вклада факторов в изменение выручки относительно прошлого периода. В каждом сегменте были не «проценты вообще», а измеримый драйвер: что именно просело/выросло и на какой стадии цепочки.

3) Добавили проверку согласованности в терминах инкрементальности
Поскольку атрибуция в реальности становится менее точной (privacy-first, рост доли непрямых воздействий), мы не пытались вытащить «последний клик». Для ключевых тестов по изменениям сценария построили оценку прироста на основе инкрементальности (incrementality-подход): сравнение тест-группы и контрольной, скорректированной на общие изменения рынка. Так мы отрубили гипотезы уровня «похоже, это из-за рекламы».

4) Убрали из слайдов отчётность ради отчётности
Если метрика не влияла на управленческие рычаги — её больше не было в первом экране презентации. Полный деталинг оставили в приложении, а в менеджерской части оставили только то, что можно «включить/выключить»: страницы сценария, правила маршрутов, приоритеты экспериментов, SLA на скорость.

Результат
Когда перестроили набор слайдов и обновили модель, стало видно следующее (цифры приведены в формате долей вклада — как это обычно смотрит руководство):

— Выручка просела не из-за трафика: вклад стадии «вход» оказался близок к нулю (в пределах статистической погрешности в сравнении периодов)
— Главный вклад дала стадия «путь»: в сценарии поиска выросла доля сессий с повторным поиском и увеличилось время до первого релевантного результата
— В зоне «выхода» просадка была вторичной: оплата и подтверждение реагировали на то, что пользователи приходили менее «готовыми» (с меньшей вероятностью доведения)
…