Aviasales и переход от “поиска лидов” к продуктовой аналитике: как они сделали метрики выручки единым языком

Aviasales и переход от “поиска лидов” к продуктовой аналитике: как они сделали метрики выручки единым языком

Контекст
В 2026 году (и это особенно заметно в travel, недвижимости и других “сложных” категориях) у маркетинга ухудшается классическая модель “поймали лид → отдали в продажи → забыли”. Возрастает роль продуктовых сигналов: поисковые сценарии, повторные визиты, конверсия в покупку на разных шагах, влияние сервиса на удержание (retention — удержание) и повторные запросы. Плюс усиливается эффект Zero-click: часть пользователей получает ответы уже в поиске/обзорах и не доходит до сайта в том виде, как раньше.

Задача
Aviasales (как пример сильного performance-игрока без казино/крипты) в какой-то момент упрётся не в креатив, а в “разъезд” метрик: маркетинг оптимизируется под трафик и клики, колл-центр/продажи — под фактические покупки, а продукт/данные — под поведенческие события. В результате бюджет распределяли по каналам, но выигрывали не те сценарии, которые реально растили выручку.

Типичная формулировка проблемы звучит так:
— кампании видят “хорошие” показатели (CTR, стоимость клика), но деньги “теряются” на следующих шагах воронки;
— невозможно уверенно сравнить источники из-за приватной атрибуции (post-view/last-click перестают быть правдой “в вакууме”);
— решения принимаются по локальным отчётам, а не по влиянию на выручку.

Решение
Aviasales выстраивал связку “маркетинг → продукт → аналитика” через несколько практик, которые хорошо ложатся на proptech и B2B:

1) Единая модель воронки под выручку
Вместо “лидов” и “просмотров” вводят последовательность ключевых событий, которые коррелируют с продажей: просмотр результата → выбор направления/дат → переход к оплате → успешная покупка. Далее каждому событию задаётся целевое “влияние” (какая доля эффекта относится к трафику/сегменту/инвентари).

2) Сегментация не по каналам, а по намерению и поведению
Кампаниям перестали говорить “всем показываем одно”. Использовали сегменты по тому, как пользователь ведёт себя в поиске: гибкость дат, повторный просмотр, сравнение нескольких вариантов, устройства и сценарии “до/после” промо. Это снижает перекос, когда маркетинг тянет не тех пользователей, которые потом “зависают”.

3) Incrementality (изменение эффекта) вместо веры в last-click
Чтобы не спорить о точности атрибуции, стали мерить “что было бы иначе”. На практике это делается через тесты (контрольные группы/параллельные сценарии) и оценку прироста относительно baseline, а не просто по последнему касанию.

4) RevOps-логика: общий P&L
Главное — маркетинг перестал быть “отдельной функцией генерации трафика”. Он попадает в цепочку выручки: как меняются продажи при улучшениях продукта/UX (например, скорость/точность результатов), и как это отражается в экономике кампаний.

Результат
Если смотреть на эффект в терминах, понятных маркетологу:
— уменьшилось число кампаний, которые дают трафик, но не дают прироста покупок (внутренняя “стоимость клика без выручки” ушла в красную зону);
— бюджеты перераспределялись на сегменты с реальным продвижением по ключевым шагам (не “лучший CTR”, а “лучшее продвижение к оплате”);
— маркетинг получил предсказуемость: стало легче объяснять, почему в одни периоды растёт выручка, а в другие — нет (из-за продуктовых факторов и изменений поведения, а не из-за “просели каналы”).

Даже без публикации абсолютных цифр (в открытом доступе они встречаются фрагментарно) архитектура подхода даёт понятную логику: выигрывает не креатив “сам по себе”, а система измерения и оптимизации до события, которое монетизируется.

Урок
Для proptech (B2B и продуктовый маркетинг) кейс Aviasales переводится просто:
…