Как Aviasales собрал MarTech-стек вокруг одной метрики и сократил ручную работу в воронке

В 2026-м маркетинг-операциям мало «подключить ещё один сервис». Нужна система, где аналитика, коммуникации и продажи сходятся в одном контуре. Хороший пример — Aviasales, который много лет строил не просто медиаприсутствие, а управляемую архитектуру данных и коммуникаций.

Контекст был типичный для крупного digital-бизнеса: много каналов привлечения, высокая доля возвратных пользователей, частые касания до покупки, а значит — разрыв между рекламой, продуктовой аналитикой и CRM. При такой модели last-click уже не объясняет вклад каналов, а ручная сборка отчётов только тормозит команду.

Задача звучала прагматично: связать поведение пользователя на сайте и в приложении с CRM-коммуникациями так, чтобы маркетинг мог не «угадывать», а управлять удержанием и повторными покупками. Для этого нужен был не набор разрозненных инструментов, а единый MarTech-стек с понятной логикой данных.

Решение строилось по нескольким слоям:
— событийная аналитика для фиксации действий пользователя;
— серверная передача данных, чтобы меньше зависеть от ограничений браузеров и privacy-first среды;
— CRM-автоматизация для сценариев по сегментам;
— единый слой атрибуции, где смотрят не только на последний клик, а на вклад канала в путь клиента;
— дашборды для маркетинг-операций и продуктовых команд, чтобы решения принимались быстро, а не «по пятницам в Excel».

Что это дало на практике? У таких конфигураций обычно растут не только скорость принятия решений, но и качество работы с базой. Когда команда видит, какие сегменты чаще возвращаются, какие триггеры срабатывают, а какие цепочки письма и пушей дают повторную покупку, снижается доля ручных действий и пустых касаний. По сути, маркетинг начинает управлять не трафиком, а **доходом от аудитории**.

Урок здесь простой: в B2B и digital-экосистемах 2026 года выигрывает не тот, у кого больше инструментов, а тот, у кого лучше связаны данные, атрибуция и сценарии. Если MarTech-стек не помогает считать вклад в выручку и удержание, это уже не стек, а склад лицензий.

— @MarTechStackRu

В Codex внедрят GPT-5.6 Ultra

OpenAI добавит в Codex эксклюзивную версию GPT-5.6 Sol Ultra — не ту, что выйдет в паблик, а отдельную, усиленную модель.

Два ключевых режима: расширенные рассуждения (модель думает дольше) и мульти-агентная работа с параллельными субагентами. Релиз ожидается 7–9 июля 2026.

Но есть один нюанс, который OpenAI пока не раскрывает 👀 Подробности — в …

➡️ Читайте на сайте: https://aff.top/blog/v-codex-vnedriat-gpt-5-6-ultra

🧠 Ещё больше инсайтов → в канале AFF.top

Компания Meta выпустила Muse Image

Meta выпустила Muse Image — нейросеть, которая генерирует изображения как агент: сама ищет референсы, пишет код и рассуждает перед созданием картинки.

Одна из фишек — можно скинуть ссылку на публичный профиль человека в соцсети, и модель возьмёт его внешность за референс.

Есть один вопрос, который интересует всех арбитражников: как это повлияет …

➡️ Читайте на сайте: https://aff.top/blog/kompaniia-meta-vypustila-muse-image

🧠 Ещё больше инсайтов → в канале AFF.top

Как Lamoda собрала MarTech-стек вокруг retention и не потеряла управляемость

В e-com 2026 первый заказ всё реже окупает привлечение: средний чек проседает на 5–8%, а экономика всё сильнее держится на повторных покупках. Для маркетинг-операций это означает простую вещь: нужен стек, который не просто «шлёт коммуникации», а связывает поведение клиента, склад, промо и выручку в один контур.

У Lamoda задача была именно такой: уйти от разрозненных каналов и построить систему, где CRM-маркетинг работает не по календарю, а по событиям. Контекст был типичный для крупного e-com: миллионы пользовательских событий, несколько источников данных, отдельные команды на медиа, CRM и аналитику. При этом бизнесу нужен был не рост числа рассылок, а рост повторных заказов и LTV.

Решение собрали как архитектуру, а не как набор сервисов:
— единое хранилище событий и транзакций;
— нормализация данных по клиенту и заказу;
— триггерные сценарии по поведению: просмотр, брошенная корзина, возврат, длительная пауза;
— сегментация не только по RFM-модели, но и по категориям, марже и вероятности следующей покупки;
— сквозная аналитика, где CRM-цепочки оцениваются по инкрементальности (добавочному эффекту), а не по last-click.

Ключевой ход — связать коммуникации с операционкой. Если у клиента низкий шанс покупки в категории и высокий риск возврата, он получает не общий промокод, а другой сценарий: подборка релевантных товаров, ограничение частоты касаний, отдельные правила по скидке. Это уже не массовый email-маркетинг, а управляемая система решений.

Что это дало:
— меньше «шума» в коммуникациях;
— выше доля повторных заказов в активной базе;
— лучше контроль overcommunication, когда один клиент не получает 5 сообщений из разных потоков;
— прозрачность для бизнеса: видно, какие сценарии дают вклад в выручку, а какие только создают оборот без маржи.

**Главный урок:** в 2026 году MarTech-стек выигрывает не количеством подключённых инструментов, а качеством связки между данными, триггерами и финансовой логикой. Если CRM, аналитика и склад живут отдельно, retention превращается в набор красивых кампаний. Если они собраны в одну архитектуру, маркетинг начинает работать как часть RevOps — общей системы роста выручки.

— @MarTechStackRu