<b>MMM ломается не на модели, а на кривом входе — 5 ошибок, которые убивают выводы</b>

<b>MMM ломается не на модели, а на кривом входе — 5 ошибок, которые убивают выводы</b>

Marketing Mix Modeling выглядит как релиз года: красивые графики, коэффициенты, attribution и ощущение, что теперь мы всё измерили. Но на практике MMM чаще всего ломают не algorithms, а базовые косяки в данных и постановке задачи.

— Смешивают каналы с разной логикой: бренд, перформанс, PR, промо и сезонность в одном мешке без нормальной разметки.
— Подают слишком короткий период: модели не успевают увидеть лаги, насыщение и эффект carryover.
— Не чистят промо и price: модель начинает объяснять скидки рекламой, а продажи — шумом.
— Пытаются вытащить абсолютную истину из одной модели, вместо того чтобы сравнить MMM с incrementality и geo-lift.

Ещё один любимый фокус — строить модель без бизнес-контекста и потом удивляться, что она «не верит» в любимый канал. MMM не обязан подтверждать ожидания команды; он должен показывать, где реально работает measurement, а где просто красивая презентация.

Лучший подход простой: сначала собрать нормальную структуру данных, потом проверить здравый смысл на holdout, а уже потом спорить про вклад каналов. И да, иногда attribution выглядит убедительнее, пока не сравнишь её с экспериментом.

Если в MMM всё слишком гладко, это не победа — это повод перепроверить входы. Может, конечно, ни хуя не взлетит, но чаще всего проблема не в модели, а в том, что ей скормил бизнес.