MMM ломается не на регрессии, а на плохих данных: 5 мест, где теряется бренд-эффект

MMM ломается не на регрессии, а на плохих данных: 5 мест, где теряется бренд-эффект

MMM измеряет вклад каналов в продажи/лиды через связь между расходами, сезонностью, ценой и внешними факторами. Зачем: отделить эффект бренда от шума перформанса и не считать рост, который пришёл из спроса.

Для модели нужны минимум: временной ряд продаж, траты по каналам, цена/промо, календарные факторы, иногда погода и макро. Если в данных нет структуры спроса, модель начинает «объяснять» всё медиа, а не бренд.

Пять типовых ошибок:
— слишком короткий ряд: модель видит случайность вместо паттернов;
— одинаковые бюджеты без вариации: коэффициенты не идентифицируются;
— забыли лаги и adstock: бренд-эффект выглядит как ноль;
— смешали brand и performance в один пул: теряется интерпретация;
— не проверили out-of-sample: красивый fit не равен рабочей модели.

Лучший тест для MMM — не R², а стабильность вкладов на holdout и здравый смысл по elasticities. Если модель говорит, что ТВ даёт рост без следа в спросе, а поисковый бренд ничего не стоит — проблема обычно в спецификации, а не в канале.