5 ловушек маркетинг-аналитики, из-за которых mmm выглядит умнее, чем он есть

Если у вас отчёты красиво сходятся, а бизнес — не очень, почти всегда проблема не в algorithms, а в том, что measurement собрали как попало. Самые частые косяки:
— путают корреляцию с инкрементальностью;
— считают канал “эффективным” без контрфакта;
— забывают про лаги и carryover;
— склеивают разные цели в один ROI.

Вторая классика — данные. Входы кривые, окна атрибуции разные, offline и online живут в параллельных вселенных, а потом кто-то удивляется, почему attribution рисует магию. MMM не любит мусор: если spend, revenue и промо-события не вычищены, модель начинает объяснять шум с серьёзным лицом.

Третья ловушка — переоценка одной модели. Робин, Meridian или любой другой стек не делает вас умнее сам по себе. Без sanity checks, holdout'ов, geo-lift и сравнения с простыми baseline-моделями вы не измеряете performance, а коллекционируете красивые коэффициенты. И да, “алгоритм сказал” — это не аргумент.

Финал простой: сначала стройте понятный датасет и проверяемую логику, потом уже играйте в sophisticated attribution. Иначе получится не measurement, а очень дорогая презентация для внутреннего успокоения — может и не взлетит.