MMM ломается не на модели, а на плохих входных данных и неверной интерпретации

MMM ломается не на модели, а на плохих входных данных и неверной интерпретации

MMM отвечает на один вопрос: какой канал дал вклад в продажи или лиды, если смотреть на историю целиком. Для этого ему нужны временные ряды затрат, выручки, цен, промо, сезонности и внешних факторов. Без этих переменных модель легко перепутает эффект рекламы с распродажей, праздниками или общим ростом спроса.

Проверка перед запуском простая:
— минимум 2–3 цикла сезонности, иначе модель учит шум;
— расходы по каналам должны меняться, а не идти одной линией;
— продажи и медиазатраты лучше с одинаковой частотой;
— промо, цены и дистрибуция нужны отдельно, иначе медиа получит чужой эффект.

Формально MMM оценивает зависимость вида: продажи = базовый спрос + вклад каналов + контрольные факторы + ошибка. Дальше применяется adstock и saturation: реклама работает не только в день показа и не растёт линейно бесконечно. Если этого нет в спецификации, модель почти всегда завышает эффект верхнего воронки и недооценивает долгий хвост.

Где метод ломается: маленький бюджет, редкие кампании, мало истории, сильная корреляция каналов. В таких случаях MMM не заменяет incrementality-тест, а только дополняет его. Сначала проверяйте идентифицируемость данных, потом уже спорьте о коэффициентах. #MMM #incrementality