Когда MMM перестаёт быть ответом

Когда MMM перестаёт быть ответом

В performance-командах последние два года я наблюдаю одну и ту же эволюцию. Сначала бренд приходит с запросом «постройте MMM (маркетинг-микс-моделирование)». Через полгода звучит более честный вопрос: «А что делать с тем, что модель не объясняет?». И вот этот переход важнее любой конкретной методологии.

MMM в чистом виде отвечает на вопрос «сколько каждый канал внёс в наблюдаемый результат». Но результат, который бизнес считает ключевым, всё чаще лежит не в моменте конверсии, а дальше по воронке (LTV, повторные покупки, реактивация). У нас на одном e-com проекте средний чек за год просел на 7%, и модель уверенно показывала падение contribution (вклада) performance-каналов. Вопрос заказчика «почему?» повисал в воздухе, потому что MMM честно отвечала — упала отдача на вложенный рубль, но не объясняла, какая часть выручки держится на retention (удержании) и какой медиа-канал в действительности работает на повторные покупки, а не на первую.

Дальше начинается честная работа. Incrementality-тесты (замеры прироста выручки от канала) на когортах, разложение вклада каналов не только в первую покупку, но и в LTV-когорту, разделение атрибуции «прямой отклик» и «долгосрочный эффект». Технически это уже не одна модель, а связка MMM, incrementality (инкрементности) и когортной аналитики. Терминология простая — model fusion, гибридный стек атрибуции, — но внутри это отдельная инженерная задача.

Главный вывод, который я бы зафиксировал для performance-лида. MMM — это не финальный артефакт. Это слой в системе измерения. Если модель даёт цифру, которую нельзя подтвердить ни гео-тестом, ни когортным расчётом, значит входные данные или гипотеза о каналах уже устарели. Спор «MMM или атрибуция» закончился. Спор теперь — какая комбинация моделей и тестов описывает именно ваш бизнес, а не среднестатистический по рынку.

— @AttributionRoom