Почему MMM почти всегда кажется «слишком консервативным» для performance-отдела

Почему MMM почти всегда кажется «слишком консервативным» для performance-отдела

Я часто вижу одну и ту же реакцию: команда запускает MMM, смотрит на вклад платных каналов и говорит — «модель недооценила платный трафик». На практике проблема обычно не в MMM, а в ожиданиях от него.

MMM не обязан повторять логику last click или отчётов платформ. Его задача — ответить на другой вопрос: **какой был инкрементальный вклад канала в бизнес-результат с учётом всех пересечений, лагов и насыщения**. И именно поэтому цифры в модели почти всегда выглядят «ниже», чем в кабинете.

Моё наблюдение из проектов: если канал стабильно получает 35–50% конверсий по платформенной атрибуции, в MMM его вклад нередко оказывается на 10–20 п.п. ниже. И это не ошибка модели, а сигнал, что часть продаж канал забирает у других источников, у брендового спроса или у уже сформированного намерения. Для главы performance это неприятно, но полезно: модель показывает не «сколько канал забрал себе», а **сколько он действительно добавил**.

Главная методическая ошибка — использовать MMM как инструмент оправдания текущего сплита. Тогда модель начинают «допиливать» под кабинетные отчёты, и она теряет смысл. Я считаю, что MMM должен оставаться неудобным: именно в этом его ценность для управления бюджетом.

Что я рекомендую смотреть в первую очередь:
— разрыв между инкрементальностью и платформенной атрибуцией;
— форму кривой насыщения по каждому каналу;
— чувствительность результата к окну отклика и сезонности.

Если MMM не спорит с командой ни по одному каналу, это скорее тревожный знак. Хорошая модель не подтверждает привычки — она ломает иллюзии и помогает перераспределять бюджет туда, где есть реальный прирост.

— @AttributionRoom

@ProgrammaticNotes разбирают это с практической стороны