Aviasales: как performance-lead перестроил атрибуцию и добился роста выручки в privacy-first мире

Aviasales: как performance-lead перестроил атрибуцию и добился роста выручки в privacy-first мире

Контекст
В 2025–2026 у авиапоиска проблемы почти стандартные: последний клик (last-click) хуже объясняет реальность из‑за privacy, растёт доля “ничего не кликнули, но спрос сформировался” — особенно вокруг поиска и сравнения. Параллельно e-com‑логика меняла поведение пользователей: люди чаще откладывают решение или возвращаются “досмотреть”, поэтому ценность смещается из первой покупки в повторные сценарии (retention, LTV). В Aviasales это было заметно по тому, как бюджеты распределялись “по кликам”, а выручка — по фактическим броням, которые часто совершались позже и после нескольких касаний.

Задача
1) Разобраться, какие каналы действительно двигают выручку (а не просто дают клики и заявки).
2) Пересобрать систему принятия решений для performance-команды и соседей: маркетинг-селлс-успех (RevOps) должен видеть единый показатель.
3) Не “сломать” эффективность в момент перехода: любые изменения атрибуции критичны, когда часть воронки кросс‑девайс и кросс‑временная.

Решение
— Шаг 1. Пересборка измерений: отказ от монокаузальной логики
Performance-lead инициировал модель, где основа — не last-click, а подход “много касаний + инкрементальность”. Технически это выглядело так:
— настроили server-side события (где можно) и вычистили расхождения между источниками данных;
— ввели инкрементальный слой: тесты по кластерам аудитории (контроль/экспозиция) вместо бесконечного “кликаем — смотрим”;
— добавили MMM (маркетинговый микс-моделинг) для проверки общей согласованности: если digital начинает “рисовать” выручку, но MMM говорит обратное — бюджет не идёт в религию цифр.

— Шаг 2. Пересборка целей команд: от MQL/заявок к выручке
Так как в B2B‑сегментах MQL/SQL часто размываются, в их логике закрепили правило: маркетинг отвечает за вклад в выручку, а не за “количество действий”. Для B2C‑сервиса это трансформировалось аналогично: основная метрика — маржинальная выручка по пользователям и когорты возвратов, а не CPL. Параллельно выстроили “сквозные” отчёты для смежников:
— маркетинг видит вклад каналов в бронирования и повторные возвращения;
— продукт и CRM понимают, что именно нужно улучшать, чтобы конверсия не падала.

— Шаг 3. Управление бюджетом через пересмотр креатива и сегментов
В эпоху, когда AI‑креативов становится много, выигрывает не исполнение, а концепция. Команда перестала мерить креатив “по клику” и начала проверять гипотезы по сегментам:
— летит частый путешественник vs. “первый выбор после сравнения”;
— гибкие даты vs. фиксированные;
— прямой сценарий покупки vs. “сбор цен” на потом.
Для каждого сегмента обновили сообщения и частоту, а оптимизацию привязали к пост‑конверсии (бронь/возврат), чтобы алгоритм не учился на шуме.

Результат
После внедрения инкрементального слоя и MMM‑контроля:
— качество атрибуции выросло: расхождения между “платформа говорит одно” и “фактическая выручка другое” сократились (внутри компании это выражали как снижение доли спорных объяснений бюджета на десятки процентов — то есть меньше кампаний, где невозможно защищать решение данными);
— оптимизация бюджета стала стабильнее: сократили долю трат на каналы с высоким CPL при слабом инкременте;
— выручка от рекламных активностей выросла за период тестов за счёт перераспределения на более “поздние” по поведению сегменты (те, кто формирует спрос через поиск и возвращается позже).

Урок
1) Privacy-first ломает last-click — значит, leadership performance‑лида начинается с измерений. Пока вы не докажете инкрементальность, любая оптимизация будет “наказанием за клики”.
2) Цель должна быть одна на всех: выручка и маржинальный вклад, а не локальные воронки. RevOps‑логика (общая ответственность за результат) снижает трения между маркетингом, продуктом и CRM.
3) В 2026 выигрывает концепция, а не количество креативов: сегментируйте по поведению и привязывайте обучение алгоритмов к пост‑конверсии, иначе AI будет оптимизировать не то, что нужно бизнесу.
…