Aviasales и «умная» кросс-воронка: как туристическому продукту сохранить рост без надежды на last-click

Aviasales и «умная» кросс-воронка: как туристическому продукту сохранить рост без надежды на last-click

Контекст
Aviasales — продукт с высокой сезонностью и сложной покупательской логикой: человек может сравнивать варианты несколько дней, менять даты, проверять разные аэропорты и только потом “дойти до покупки”. В 2024–2026 маркетинг в такой категории сталкивается с тремя вызовами одновременно:
— Последний клик (last-click) все хуже объясняет причинность: пользователи видят несколько касаний, а атрибуция “распиливает” вклад.
— Стоимость привлечения растет, а значит любая ошибка в таргетинге/сообщении дороже.
— Возникает давление со стороны zero-click: часть пользователей получает ответ в AI-обзорах и не переходит в рекламный лендинг.

На этом фоне Aviasales нужен был рост, но уже не “любой ценой лидов”, а с измеримым влиянием на выручку и повторные бронирования (retention — удержание, LTV — пожизненная ценность).

Задача
Точность и управляемость маркетинга: связать медийные и performance-каналы с бизнес-результатом (бронь/оплата), чтобы можно было принимать решения не по кликам, а по эффекту.
Конкретнее команда поставила четыре цели:
— Перестать оптимизироваться только на CTR/CPA и перейти к метрикам влияния на бронь.
— Свести разрозненные источники данных (реклама, CRM, поведение в приложении/на сайте) в единую картину.
— Найти, какие сегменты дают реальный lift (дополнительный прирост) от продвижения.
— Упростить путь пользователя к покупке: снизить “трение” между интересом (поиск) и решением (бронь).

Решение
Чтобы уйти от иллюзии “последнего клика”, Aviasales выстроил кросс-воронку и измерение через инкрементальность и server-side сбор данных (сбор на стороне сервера), а также дополнил модель маркетингового влияния.

1) Кластеризация аудиторий по поведению, а не только по интересам
Вместо “все, кто смотрел авиабилеты” сделали поведенческие кластеры:
— сравнивал цены и возвращался в течение N дней (сигнал намерения)
— искал без фиксации направления (недоопределенность)
— уже бронировал ранее (высокий потенциал удержания и допродаж)
— бросал на этапе выбора (проблема в вариантах/условиях/логистике покупки)

Для каждого кластера — отдельная логика коммуникации: кому-то напоминание о конкретном маршруте, кому-то — объяснение “почему цена меняется”, кому-то — триггеры под ранее купленные предпочтения.

2) Разделение креатива по роли в пути пользователя
Креативы распределили по функциям:
— верх воронки: объясняющие сообщения о том, как искать/сравнивать и какие фильтры реально помогают (информационный спрос без давления “купи сейчас”)
— середина: конкретизация выгод и контекст (гео, гибкость дат, альтернативные аэропорты)
— низ: снижение барьеров (быстрый переход, подсказки в интерфейсе, персональные подборки)

Именно в “роли” была конкуренция, а не в объеме креативов: в 2026 рынок бомбят AI-генерацией баннеров, и выигрывает тот, кто держит концептуальную последовательность.

3) Измерение эффекта: инкрементальность вместо корреляций
Оптимизацию подвязали к моделям, где учитывались:
— вероятностная вкладка касаний (с коррекцией на офлайн/поведенческие факторы)
— server-side атрибуция событий (бронь/оплата), а не только просмотр
— MMM/инкрементальность (маркетинг-микс моделирование + проверка прироста в тестах), чтобы видеть lift по группам сегментов

Практически это выглядело так: бюджеты перераспределяли не на “где ниже CPA”, а “где есть добавочный эффект” на бронь. Для маркетинга это ключевой шаг в эпоху privacy-first: last-click продолжает существовать как удобная метрика, но решения принимаются по эффекту.

4) RevOps-логика: увязка маркетинга с качеством пользователя
Поскольку маркетинг в B2B-логике смещается в ответственность за выручку (RevOps — выручка через общий контур маркетинг–sales–customer success), аналогичный принцип применили и в travel-процессе:
— качество потока оценивали не только по оплатам, но и по дальнейшим действиям (повторные бронирования, отказ на шаге оплаты, активность в приложении)
— корректировали сообщения под то, как именно сегмент “дозревает”, и под реальные причины срыва
…