Как Aviasales проверял, что удерживает пользователей: не скидка, а сценарий возврата

Как Aviasales проверял, что удерживает пользователей: не скидка, а сценарий возврата

В 2026-м, когда классический performance всё сильнее упирается в приватность и атрибуцию по последнему клику, особенно ценно смотреть на кейсы, где эксперимент проверяет не «что продаст сейчас», а **что создаёт повторное использование продукта**.

Контекст у Aviasales был понятный: сервис живёт в конкурентной среде, где цена привлечения растёт, а чистый информационный трафик из поиска больше не гарантирует качества. Для такого бизнеса важнее не единичная бронь, а повторный вход в воронку: пользователь должен возвращаться сам, без постоянного подогрева рекламой.

Задача звучала прикладно: понять, что сильнее влияет на повторный визит и повторную покупку — промо-механики или улучшение сценария возврата в продукте. Команда не стала полагаться на мнение «что должно сработать», а разделила гипотезы на измеряемые элементы.

Что тестировали:
— наличие персональных напоминаний о маршрутах;
— упрощённый вход в историю поисков;
— триггеры возвращения к уже просмотренным билетам;
— промо-стимулы как контрольную альтернативу.

Ключевая логика эксперимента была в том, что **ретеншн (удержание)** проверяли не через общий рост трафика, а через поведение когорты: долю возвратов, глубину повторных сессий и конверсию в повторный поиск. И здесь часто вскрывается важная вещь: скидка может дать краткий всплеск, но не меняет привычку.

Результат оказался показателен: сценарии возврата и персональные напоминания дали более устойчивый прирост повторных визитов, чем промо-давление. По внутренней логике таких тестов выигрыш обычно лежит не в «+X% к одной метрике», а в связке показателей — выше возврат, больше повторных поисков, ниже зависимость от платного касания.

**Урок простой и очень 2026 года:** в продукте с высокой конкуренцией эксперименты надо строить не вокруг «как дожать первую конверсию», а вокруг того, **как сделать возвращение естественным**. Для маркетинг-аналитика это важный сдвиг: оценивать не канал в отрыве, а вклад механики в LTV, частоту повторного контакта и общую выручку. Именно так культура экспериментов становится частью RevOps-логики, а не просто набором A/B-тестов ради отчёта.

— @ExperimentationRoom