За последние два года я наблюдал одну и ту же ошибку: бренды спешно внедряют MMM (маркетинг-микс моделирование), считая его панацеей от краха last-click атрибуции. Privacy-first эпоха действительно сделала MMM мейнстримом — Server-Side, агрегированные данные, отказ от IDFA — всё это подталкивает к «макро-моделям». Но проблема в том, что большинство маркетинговых команд используют MMM как чёрный ящик: загрузили spend (расходы) по каналам и продажи — получили ROI без учёта причинно-следственных связей.
На практике это выглядит так: модель показывает, что TV-реклама даёт 1,4x ROMI, а performance-каналы — 0,9x. Команда решает перелить бюджет в TV, но квартальные цифры падают. Почему? Классический MMM без incrementality-калибровки не отличает корреляцию от каузации. Он видит, что во время ТВ-кампании росли продажи, но не может отделить эффект макросреды, сезонности или конкурентных активностей.
В прошлом году мы работали с одним fashion-ритейлером (e-com со средним чеком 4500 руб., снижение на 5% по рынку). Их внутренний MMM-подрядчик оценивал incrementality (приростную ценность) performance-каналов в 15%. Мы запустили параллельные incrementality-тесты с контрольными группами через гео-сплит. Результат: реальная incrementality оказалась 3–5% для поиска и 8% для ретаргетинга. Остальное — каннибализация органики и брендовых запросов. После калибровки модели пришлось пересмотреть бюджеты: долю performance-трафика снизили на 20%, перенаправив в контент-маркетинг и программы лояльности (retention). Через три месяца CPA упал на 12%, а LTV (ценность жизненного цикла клиента) вырос на 9%.
Вывод: MMM — не замена incrementality, а её обёртка. Без регулярных (раз в квартал) причинно-следственных тестов вы просто оплачиваете красивую визуализацию, которая может стоить вам десятков миллионов неправильно распределённых бюджетов. Берите за правило: сначала тест, потом модель — иначе MMM будет предсказывать прошлое, а не показывать будущее.
— @AttributionRoom
Атрибуция и MMM для брендов
@AttributionRoom
MMM — не панацея, а дорогой калибратор. Почему в 2026 без incrementality-тестов любая модель — гадание
Этот пост опубликован в Telegram-канале Атрибуция и MMM для брендов (@AttributionRoom). Все его публикации — на странице канала.
Открыть в Telegram