Как Aviasales превратил рост органики в управляемую воронку (и почему это важно в 2026)

В 2026 большинство команд ощущает, что «чистая» информационная SEO перестаёт давать прежние всплески: поисковики сильнее закрывают интенты прямо в выдаче, а AI-обзоры (когда пользователь получает ответ без клика) съедают долю трафика. При этом бренд и performance-подразделения конкурируют не за объём публикаций, а за Topical Authority (тематическую полноту) и доверие — а это уже ближе к ремеслу performance-лида, чем к контентному конвейеру.

Контекст
Aviasales — классический пример компании, где органический спрос и коммерческий спрос исторически пересекаются: пользователь ищет «куда лететь / сколько стоит / как найти дешёвые билеты», а продукт должен быстро довести до действия внутри сервиса. В новой реальности ключевая проблема — не просто «получить клики», а превратить спрос из разных источников в повторяемую бизнес-метрику: снижение CPA на целевую аудиторию, рост конверсии в бронирование и устойчивость выручки при просадках отдельных каналов.

Задача
Стабилизировать коммерческий эффект SEO:
— уменьшить зависимость от сезонных всплесков спроса и качества выдачи;
— связать контентные страницы (информационный интент) с точками конверсии (коммерческий интент);
— перестать измерять успех «трафиком» и начать измерять **доставку пользователей до транзакции** и влияние на выручку с учётом privacy-first атрибуции.

Решение
1) Сегментация спроса и контент «под маршруты»
Команда перестроила структуру материалов не вокруг тем, а вокруг сценариев: «поиск направления», «сравнение дат», «ценовые ожидания», «как выбрать билеты». Для каждого сценария — отдельный шаблон посадочной логики: от статьи к модулю выбора (даты/направления/фильтры) с минимальным количеством шагов.

2) Интернациональный SEO + единые правила внутренних переходов
Важно: в e-com и travel универсальные страницы без навигации часто ловят много показов, но мало бронирований. Aviasales встраивал в контент «мосты» — релевантные блоки с быстрым действием: выбор направления прямо со страницы, подсказки по фильтрам, контекстные ссылки на инструмент поиска. Так контент работал как верхняя ступень воронки, а не как конечная точка.

3) Измерение не по клику, а по качеству сессии и downstream-метрикам
Performance-подход: оценивали не только CTR и долю органических входов, а траекторию пользователя дальше — дошёл ли до поиска, как часто доходил до выбора рейсов, какова конверсия в бронирование и стоимость достижения этапов в рамках server-side логики (а при невозможности — через моделирование/инкрементальность). Это помогло уйти от ложной оптимизации «за клики».

4) Подключение RevOps-логики (выручка как общий KPI)
Хотя SEO относится к маркетингу, ценность в связке с продуктом и CRM (удержание и повторные покупки) усилилась. Внутри команды начали воспринимать результат SEO как входящий сигнал в общий контур: насколько эти пользователи возвращаются, какие сегменты дают следующий запрос и где именно проседает воронка.

Результат
Что обычно видят в подобных перестройках (и что логично было получить в кейсе такого масштаба):
— рост доли «полезных» органических сессий: пользователи чаще доходят до поиска, а не просто читают;
— снижение доли нецелевых кликов за счёт более точного соответствия сценария странице;
— повышение эффективности связки «контент → действие» (конверсия в ключевое событие растёт быстрее, чем просто органический трафик);
— устойчивость в периоды, когда AI-обзоры и нулевая выдача сокращают кликабельность: бренд-авторитет и topical authority помогают удерживать присутствие и качество спроса.
…

X перезапустил прилу на Android

X.com не просто обновила приложение, а фактически пересобрала его вокруг скорости и синхронного запуска фич с iOS. Для арбитража это сигнал снова тестировать X Ads и УБТ-связки: платформа уходит от старого формата коротких постов к видео и стримам, а значит меняются охваты, креативы и точки входа в трафик.

➡️ Читайте на сайте: https://aff.top/blog/x-perezapustil-prilu-na-android

🧠 Ещё больше инсайтов → в канале AFF.top

Meta внедряет ИИ-оптимизацию в Ads Manager

Meta постепенно вшивает ИИ-оптимизацию во все уровни Ads Manager: бюджет, аудиторию и креативы. Идея — автоматически перераспределять spend туда, где выше конверт и engagement. Для арбитража вывод простой: функции выглядят полезно, но их реальная эффективность пока не доказана, поэтому тестировать нужно в сравнении с ручными настройками.

➡️ Читайте на сайте: https://aff.top/blog/meta-vnedriaet-ii-optimizaciiu-v-ads-manager

🧠 Ещё больше инсайтов → в канале AFF.top

Как Aviasales перестроил performance вокруг контекста, а не только клика

В performance-команде часто любят смотреть на последний клик: он простой, понятный и будто бы честный. Но в 2026-м этого уже мало. У Aviasales есть показательный кейс: бренд давно работает не только на спрос, но и на создание спроса — через контент, медийку и узнаваемый тон общения. Для performance-лида это важный разворот: отвечать не за «дешёвый трафик», а за вклад в выручку на всём пути пользователя.

**Контекст.** У тревел-сегмента короткое окно принятия решения, высокая конкуренция в поиске и заметная доля повторных покупок. Если гнаться только за CPA, легко выкупить уже готовый спрос и не заметить, что инкрементальный прирост почти не растёт. На фоне privacy-first атрибуции и слабого last-click это особенно опасно.

**Задача.** Aviasales нужно было масштабировать продажи без бесконечного удорожания закупки. При этом сохранить узнаваемость бренда и не превратить маркетинг в набор разрозненных каналов, где каждый оптимизирует свой KPI.

**Решение.**
— Сместили фокус с единичной конверсии на вклад канала в общий спрос.
— Усилили связку brand + performance: верх воронки работает на знакомство и доверие, низ — на сбор уже сформированного намерения.
— Начали оценивать не только CPA, но и инкрементальность, долю новых пользователей, возвратность и влияние на общий объём заказов.
— В креативах сделали ставку не на «ещё один баннер», а на узнаваемый стиль и сценарии, которые помогают отличаться в потоке AI-генерации.

**Результат.** Когда бренд перестаёт быть «чужой задачей» для performance, меняется экономика. Каналы начинают работать не в лоб, а в системе: медийка подогревает спрос, поиск и ретаргетинг добирают его с меньшей потерей маржи, а повторные покупки дают устойчивый LTV. В такой модели команда лучше видит, где реальный рост, а где просто перераспределение атрибуции.

**Урок.** Для performance-лида в 2026 году главный сдвиг простой: оптимизировать не клики, а **вклад в выручку**. Побеждает не тот, кто выжимает самый дешёвый лид, а тот, кто умеет строить Topical Authority бренда, считать инкрементальность и связывать креатив, медиаплан и экономику в одну систему.

— @PerformanceLeadRuPro

В РФ приняли закон о крипте: что он означает

Закон признал крипту имуществом, но запретил использовать её как платёж внутри России. Хранить можно, оплачивать товары и услуги нельзя, а обмен и обращение допустимы только через лицензированных операторов и в рамках внешнеторговых сделок. Для арбитража вывод простой: серые P2P-схемы под ударом, а легализация дохода возможна лишь через правила ЦБ и ФНС.

➡️ Читайте на сайте: https://aff.top/blog/v-rf-priniali-zakon-o-kripte-chto-on-oznachaet

🧠 Ещё больше инсайтов → в канале AFF.top

Claude code теперь умеет запускать Ios-прилы

Anthropic превратила Claude Code Desktop в инструмент для сборки и отладки iOS-приложений прямо в симуляторе Apple. Claude видит интерфейс, читает экран и сразу вносит правки без computer use и разрешений на запись экрана. Для работы нужен Mac, Xcode и подписка Pro/Max/Team. Вывод: это удобный способ быстрее тестировать iOS-оферы и фичи.

➡️ Читайте на сайте: https://aff.top/blog/claude-code-teper-umeet-zapuskat-ios-prily

🧠 Ещё больше инсайтов → в канале AFF.top

Open AI запустила рекламный сервис в ChatGPT

OpenAI запустила рекламу в ChatGPT: спонсорские блоки показываются в бесплатной версии и тарифе Go, а закупка идёт по CPM и CPC с бюджетом на уровне адсетов. Для арбитражников это пока дорогой тест: рекомендованный CPC $3–5, ограниченные гео, есть UTM и базовая статистика, но окупаемость под вопросом.

➡️ Читайте на сайте: https://aff.top/blog/open-ai-zapustila-reklamnyi-servis-v-chatgpt

🧠 Ещё больше инсайтов → в канале AFF.top

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.
…

Google выпустила новую Gemini 3.6 flash

Google выкатил новую линейку Gemini: 3.6 Flash стала основной моделью и выгоднее прошлой, при этом лучше в кодинге. 3.5 Flash-Lite — самая быстрая, подходит для рисёрча и анализа доков. Flash Cyber ориентирована на поиск уязвимостей, но доступна только в пилоте.

➡️ Читайте на сайте: https://aff.top/blog/google-vypustila-novuiu-gemini-3-6-flash

🧠 Ещё больше инсайтов → в канале AFF.top

IOS 27 будут блокировать за долги

Apple готовит в iOS 27 механизм блокировки iPhone при просрочке по лизингу: часть функций останется доступной, чтобы можно было оплатить долг. Для CPA и партнёрского маркетинга это сигнал, что финтех и рассрочка всё глубже вшиваются в экосистему бренда, а доступ к устройству может зависеть от статуса договора.

➡️ Читайте на сайте: https://aff.top/blog/ios-27-budut-blokirovat-za-dolgi

🧠 Ещё больше инсайтов → в канале AFF.top

Meta разрабатывает приложение для сочинения сказок

Meta тестирует AI-приложение для создания детских сказок: пользователь задаёт героя, мир и мораль, а нейросеть сама пишет текст, рисует иллюстрации и добавляет музыку. Это шаг к массовой генерации контента, где качество, персонализация и скорость важнее ручной работы — а для арбитража и CPA это ещё один инструмент, ускоряющий упаковку креативов и кейсов.

➡️ Читайте на сайте: https://aff.top/blog/meta-razrabatyvaet-prilozhenie-dlia-sochineniia-skazok

🧠 Ещё больше инсайтов → в канале AFF.top

Когда last-click убивает бренд: кейс перестройки performance-атрибуции в крупном e-com

В 2024-2025 годах один из топ-5 российских маркетплейсов (назовём его «Маркет») столкнулся с парадоксом: performance-каналы показывали рост по last-click-атрибуции, но общий retention падал. Средний чек снизился на 6% — сказалась экономия потребителей. При этом доля повторных покупок у клиентов, пришедших через контекстную рекламу по брендовым запросам, была на 40% ниже, чем у органических пользователей.

Контекст. Отдел маркетинга работал по классической схеме: last-click — король. Бюджеты зашивались в поиск, ретаргетинг и ДЗЗ-кампании (динамические объявления). Заказчик требовал MQL, точнее — число первых заказов. Но модель ltv новых покупателей (пожизненная ценность клиента) не росла третий квартал подряд. Маркетинг отчитывался по «последнему клику», а реальная картина оттока пользователей раскрывалась в RevOps-аналитике (общая ответственность за выручку), где маркетинг не видел данных по возвратам и частоте повторных заказов.

Задача. Перестроить атрибуцию так, чтобы:

— отвязаться от last-click как единственной метрики;

— выявить истинные драйверы удержания;

— перераспределить бюджет в пользу каналов, которые работают на ltv, а не на разовую сделку.

Решение. Команда performance-лида внедрила трёхуровневую модель атрибуции:

1) Server-side tracking (собственный сбор данных на стороне сервера) — ушли от меток utm в браузере, начали собирать событие «заказ» напрямую, минуя блокировщики рекламы.

2) MMM (сквозное медиа-моделирование) — строили модель на данных за 18 месяцев, выделяли вклад офлайн-активностей и brand-поиска, который last-click приписывал контексту.

3) Incrementality-тесты (оценка добавочности) — на трёх регионах отключали платный поиск на 4 недели и смотрели, сколько заказов останется. Выяснилось, что по брендовым запросам 70% трафика пришло бы в любом случае (органически).

Результат за первые 6 месяцев:

— доля бюджетов на нижнюю воронку (re-таргетинг, товарная галерея) снижена на 30%;

— эти деньги перенаправили в контент-маркетинг с собственной экспертизой авторов (статьи, видеообзоры) и AI-креативы под концепцию «доверие к рекомендации», а не «скидка»;

— средний ltv нового когорта клиентов вырос на 12% при том же CAC (стоимости привлечения);

— возвраты снизились на 8% — оказалось, что кли

— @PerformanceLeadRuPro

Google добавил вход по видеоселфи

Google тестирует вход по видеоселфи вместо пароля и 2FA: пользователь записывает короткое видео, а потом система сверяет лицо при авторизации. Это упрощает доступ, но вызывает вопросы к антифроду и защите от дипфейков. Функция доступна не всем и не работает для Workspace, детских аккаунтов и Advanced Protection.

➡️ Читайте на сайте: https://aff.top/blog/google-dobavil-vkhod-po-videoselfi

🧠 Ещё больше инсайтов → в канале AFF.top

Alibaba выпустили в паблик Qwen-image-3.0

Qwen-image-3.0 делает упор не на «красивую картинку», а на прикладные задачи: длинные промпты, сложные макеты, текст, формулы и 12 языков. Это удобный инструмент для массовой генерации простых визуалов, но пока без open-source весов и бенчей он не выглядит заменой GPT Image 2 или Nano Banana 2.

➡️ Читайте на сайте: https://aff.top/blog/alibaba-vypustili-v-pablik-qwen-image-3-0

🧠 Ещё больше инсайтов → в канале AFF.top

Яндекс тестирует объединение цифровой и наружной рекламы

Яндекс тестирует «Панораму» — единый формат для digital и наружной рекламы с «умным» охватом, который учитывает пересечение аудиторий и снижает частоту показов. Для рекламодателей это шанс расширить reach до 120 млн пользователей и протестировать новые placements, но в паблик-фазе важно смотреть на цену охвата и качество трафика.

➡️ Читайте на сайте: https://aff.top/blog/iandeks-testiruet-obedinenie-cifrovoi-i-naruzhnoi-reklamy

🧠 Ещё больше инсайтов → в канале AFF.top

Переход от классической атрибуции к маркетинговому моделированию микса (MMM)

В эпоху конфиденциальности данных и усложнения путей пользователя, ставка на атрибуцию по последнему клику стала стратегической ошибкой. Как лид, вы уже не можете доверять отчетам рекламных кабинетов. На этой неделе начните переход к моделированию маркетингового микса (Marketing Mix Modeling), чтобы оценивать эффективность каналов на основе данных об инкрементальности — приросте продаж, который случился именно благодаря рекламе, а не органике.

Алгоритм действий на ближайшие пять рабочих дней:

— Сбор исторических данных. Выгрузите за последние 24 месяца данные по недельным расходам на каждое медиа-направление, историю изменения цен, акций и сезонных коэффициентов. Добавьте в таблицу данные по выручке и количеству новых клиентов.

— Очистка данных от шума. Исключите периоды экстремальных внешних воздействий — например, технические сбои сайта или резкие изменения в работе платежных систем. Это нужно, чтобы модель не принимала аномалии за реакцию на рекламу.

— Определение базового уровня продаж. Рассчитайте продажи, которые происходят без участия маркетинга. Для этого используйте данные за периоды с минимальной рекламной активностью. Это ваш фундамент для расчета реального вклада каждого канала.

— Тестирование через сплит-эксперименты. Выберите один канал, где вы тратите значительный бюджет. Отключите его на две недели в одном из регионов присутствия, оставив остальные регионы без изменений. Сравните динамику продаж в обоих сегментах — это даст вам коэффициент подъемности (lift), который нужно внедрить в общую модель.

— Формирование предиктивной модели. Внесите полученные коэффициенты эффективности в расчетную таблицу. Теперь, планируя бюджет на следующий квартал, вы будете опираться не на отчеты, где каждый канал приписывает себе все конверсии, а на реальный вклад каждого инструмента в итоговую выручку.

*Главный результат этой работы* — вы перестанете спорить с аналитиками о погрешности пикселей и начнете оперировать цифрами, которые защищают бюджет перед финансовым директором. В 2026 году выигрывает тот, кто понимает вклад рекламы в прибыль, а не тот, кто лучше всех умеет настраивать цели в метрике.

— @PerformanceLeadRuPro