Aviasales: как сменили стратегию спроса, когда «холодный» performance начал буксовать

Aviasales: как сменили стратегию спроса, когда «холодный» performance начал буксовать

В 2026 году поиск и SEO перестали быть гарантированным каналом “бесконечного” инфопотока: растёт доля ответов в формате AI-overviews (когда пользователь получает резюме и уходит без перехода), а конфигурации атрибуции ужесточаются privacy-first. Для travel-бизнеса это особенно болезненно: спрос цикличный, конкуренция по объявлениям высокая, а средняя маржа чувствительна к стоимости привлечения.

Контекст
Aviasales — пример компании, которая давно работает на стыке контента и спроса: пользователи приходят в момент “хочу купить/найти”, но глубина поиска (какие направления, какие сценарии, какие критерии) постоянно меняется. В определённый период performance на “классической” лидогенерации (быстрый клик → заявка/покупка) начал терять эффективность: часть трафика перестала конвертироваться в планируемую точность из‑за атрибуционных ограничений, а часть — вообще не переходила из zero-click выдач в привычной форме.

Задача
Нужно было перестроить системную генерацию спроса так, чтобы:
— сократить зависимость от last-click и “случайных” всплесков входящего трафика
— усилить Topical Authority (в терминах канала: накопление экспертности в кластерах тем, которые реально решают задачи клиента)
— поддержать всю воронку в логике RevOps: маркетинг не “гонит лиды”, а отвечает за выручку вместе с продажами и постпродажной работой

Решение
1) Карту намерений разложили на сценарии, а не на ключевые слова
Команда построила матрицу “намерение → контент/посадочная → следующий шаг”. Например: не просто “туры/билеты”, а конкретные вопросы по выбору маршрута, времени, правил возврата, стыковок, бюджетных стратегий. Для каждого сценария — отдельная страница и поддерживающие материалы, чтобы пользователь получал ценность до клика и после.

2) Дали контенту собственную доказательную базу
Когда рынок стал производить контент “на потоке”, Aviasales сделал ставку на публикации, где ценность подкреплена данными и повторяемой экспертизой (логика выбора, сравнения, объяснение правил тарифов, разбор сценариев). Это повысило шанс, что пользователь дойдёт до решения даже в эпоху AI-overviews: ответ в выдаче подталкивает к “полной версии” там, где нужна детализация.

3) Запустили связку “прогрев + перформанс” вместо параллельных кампаний
План был не «сегодня лью на покупку», а связка: контентные входы аккумулируют интерес в сегментах, дальше включаются performance-кабинеты уже под более квалифицированные намерения. В терминах практики это означает меньше ставки на единственный клик и больше на предсказуемый путь до конверсии.

4) Атрибуцию дополнили инкрементальностью
Чтобы не спорить с шумом privacy-first, стали измерять прирост спроса: сравнивали группы, где меняли экспозицию (контент/кампании), с контрольными сегментами, а не только “последний клик”. Это вернуло управляемость бюджетом.

Результат
По публичным оценкам и типовым KPI для таких перестроек (и что важно для управленца):
— доля “неучтённых” взаимодействий (когда пользователь видел бренд/контент, но не попал в стандартный путь атрибуции) перестала считаться потерей — её начали учитывать через инкрементальные модели
— выросла доля входов из поисковых кластеров, где у бренда выше Topical Authority: пользователи чаще приходят “с задачей”, а не “просто посмотреть”
— снизилась стоимость привлечения в пересчёте на выручку, потому что performance стал брать не весь холодный трафик, а то, что уже прошло смысловой отбор
— улучшилась конверсия на ключевых шагах (выбор направления/дат/условий), потому что посадочные соответствовали сценариям, а не общим формулировкам
…