🧹 80% времени в MMM — это чистка грязных данных

Все хотят красивые графики, прогнозы и инсайты, но мало кто готов ковыряться в кривых выгрузках. Ребят, рассказываю, на чём обычно сыпятся новички при подготовке модели.

Если в данных мусор, любая модель выдаст тебе «гениальный» вывод, что продажи растут от фазы луны или цен на бензин в Техасе. Перед тем как строить регрессию, проверьте свой эксель.

👉 Разные валюты в кабинетах и CRM — классика боли.
👉 Дубли транзакций из-за того, что юзеры обновляют страницу «Спасибо».
👉 Смешивание брендового и небрендового поиска в одну кучу (это убивает точность).
👉 Пропущенные дни в данных по расходам из-за ошибок парсеров.

Плюс я всегда добавляю проверку на аномалии. Один крупный закуп у блогера может сломать статистику за весь месяц, если его не разметить как отдельное событие. Жёстко, но необходимо. А вы сколько времени тратите на «причесывание» данных перед анализом?

➖➖➖➖➖➖➖➖➖➖
Антон Хоменок про атрибуцию и MMM 🧮