MMM ломается не на регрессии, а на плохой подготовке данных

MMM ломается не на регрессии, а на плохой подготовке данных

MMM считает вклад каналов в продажи через связь «спенд → результат». Но сама модель ничего не спасает, если в данных смешаны разные периоды, есть пропуски, промо не отделено от медиа, а продажи не очищены от сезонности и тренда.

Минимальный набор входа:
— продажи по неделям или дням;
— расходы по каналам в той же частоте;
— промо, цены, дистрибуция, праздники, сезонность;
— лаги и adstock, если эффект тянется во времени.

Перед запуском проверьте 4 вещи:
1) нет ли дублирующихся источников;
2) совпадает ли временная гранулярность;
3) можно ли отделить бренд-медиа от перформанса;
4) хватает ли истории, чтобы увидеть хотя бы несколько циклов спроса.

Если каналов много, а истории мало, MMM начинает «делить» эффект по инерции: выигрывает самый шумный или самый стабильный бюджет. Тогда коэффициенты выглядят красиво, но управленческой пользы мало.

Поэтому хороший MMM — это не «сложная модель», а чистая таблица, понятная спецификация и честный список ограничений. Сначала вычищаем данные, потом считаем коэффициенты.