<b>MMM ломается не на регрессии, а на плохих данных и слабой постановке задачи</b>

<b>MMM ломается не на регрессии, а на плохих данных и слабой постановке задачи</b>

MMM считает вклад каналов в продажи или выручку на уровне времени: неделя, день, месяц. Его задача — отделить эффект медиа от сезонности, цены, промо и внешнего фона.

Для старта нужны не «все цифры из кабинетов», а правильный набор:
— продажи или выручка;
— расходы по каналам;
— промо и цена;
— календарные факторы: праздники, сезон, payday;
— по возможности: дистрибуция, наличие, конкуренты.

Схема простая:
1) приводим данные к одной частоте;
2) строим лаги и насыщение для медиа;
3) добавляем сезонность и контролирующие факторы;
4) оцениваем вклад каналов;
5) проверяем модель на holdout и здравый смысл.

Ключевая ошибка — пытаться объяснить всё только медиа. Если в модели нет цены и промо, MMM часто «переоценивает» рекламу. Если нет сезонности, канал будет виноват в том, что пришёл в высокий спрос.

Ещё одна ловушка — слишком короткий ряд. MMM любит историю и вариативность. Если канал почти не менялся по объёму, его вклад будет неотличим от шума.

Финальный тест простой: модель должна не только сходиться математически, но и давать бизнес-логичную картину. Если вклад канала противоречит фактам, сначала чините данные и спецификацию, а не «докручивайте коэффициенты».