MMM ломается не на регрессии, а на плохих данных и кривой постановке вопроса

MMM ломается не на регрессии, а на плохих данных и кривой постановке вопроса

MMM отвечает не «какой канал дал заявку», а «сколько продаж/выручки объясняется медиа, ценой, промо и сезонностью». Для этого нужны: длинный ряд по неделям, стабильная разметка каналов, цены, промо, календари, внешние факторы. Без этого модель начинает объяснять шум.

Проверяйте 4 вещи:
— достаточно ли вариативности в spend: если канал почти всегда на одном уровне, эффект не идентифицируется;
— нет ли сильной коллинеарности между каналами: тогда модель распределяет вклад случайно;
— есть ли лаги и adstock: бренд не работает «в день показа»;
— держите ли вы holdout-периоды для проверки прогноза, а не только R².

Формула в жизни проще, чем в учебнике: продажи = базовый спрос + эффект медиа + эффект цены + промо + сезонность + ошибка. Смысл MMM не в красивой таблице коэффициентов, а в том, чтобы после fit проверить: модель предсказывает историю и адекватно реагирует на сценарий изменения бюджета.

Если данных мало, ряд короткий или все каналы запускаются одновременно, MMM превращается в дорогую интерпретацию шумов. Тогда честнее идти в инкрементальность по отдельным каналам, чем строить «общую правду» на слабой базе.