Marketing Mix Modeling для оценки вклада бренда в продажи

Почему атрибуция и MMM спорят между собой

Маркетологи часто натыкаются на эту тему именно в момент конфликта цифр: пиксель Facebook показывает ROAS 8x, а MMM для той же кампании — 3x. Дело не в том, что одна модель ошибается. Они отвечают на разные вопросы.

Платформенная атрибуция систематически занижает роль медиа, создающих спрос заранее — по разным оценкам, ROI performance-каналов оказывается переоценён в 1,5–2 раза, потому что система приписывает себе конверсии людей, которые уже приняли решение благодаря телевизионной или наружной рекламе. MMM видит рынок целиком и умеет разделить эти эффекты. Правильная практика — не выбирать один инструмент, а использовать MMM для стратегии и атрибуцию для тактической оптимизации внутри digital-бюджета.

Что вообще считает MMM и откуда берутся цифры вклада

Модель — это регрессия, которая объясняет колебания продаж через рекламное давление, цену, сезонность, дистрибуцию и действия конкурентов. Вклад медиа сильно зависит от категории: в финансовом секторе реклама может составлять значительную долю вклада в продажи, в телекоме эта роль традиционно выше. Разброс такой большой потому, что категории отличаются по силе базового спроса, частоте покупки и роли бренда в решении.

Отдельная строка, которую многие модели упускают — конкуренты. Их активность может давать отрицательный вклад до 30% в продажи бренда, и этот эффект растёт год к году. Если модель не включает медиадавление конкурентов, она перекладывает их влияние на случайный шум или, что хуже, на собственные каналы бренда, искажая выводы о том, что работает.

Как MMM ловит долгосрочный эффект бренда — и почему обычно не ловит

Здесь начинается самое интересное и то, о чём почти не пишут в обзорных статьях. Реклама действует не только в момент показа: эффект накапливается и затухает постепенно — это называется адсток, или carryover effect. Проблема в том, что типичное окно моделирования часто бывает недостаточно для захвата полного долгосрочного эффекта рекламы. Долгосрочный бренд-эффект часто значительно превышает краткосрочный эффект, но короткое окно его просто не видит — модель фиксирует только всплеск активации, а не тот фундамент, который реклама строит месяцами.

Кейс Дом.ру показывает это наглядно: ТВ-кампания, запущенная в 2022 году, продолжала обеспечивать рост входящих продаж спустя долгое время после эфира — эффект был растянут far beyond стандартного окна атрибуции.

Почему «удвоить адсток» не решает проблему

Распространённый, но ошибочный приём — искусственно расширить окно адстока вдвое, надеясь захватить долгосрочный эффект. Это не работает и создаёт новую проблему: удлинённый адсток начинает коррелировать с сезонными и трендовыми компонентами продаж, которые в модели идут отдельной переменной. В результате модель приписывает рекламе рост, который на самом деле объясняется, например, органическим трендом рынка — возникает ложная корреляция, и итоговые цифры вклада бренда становятся артефактом настройки, а не отражением реальности. Правильный путь — не грубое удвоение, а раздельное моделирование краткосрочной активационной кривой и долгосрочной бренд-кривой с разными параметрами затухания, либо использование структурных моделей (structural time series), которые явно выделяют базовый уровень бренда как отдельный компонент.

Как встроить метрики бренда внутрь модели

Большинство MMM останавливается на медиапоказателях и продажах, полностью игнорируя то, что происходит в голове потребителя между рекламным контактом и покупкой. Чтобы увидеть полный вклад брендинга, в модель нужно добавить трекинговые метрики — awareness, preference, consideration — как промежуточные переменные, а не как побочный отчёт.

• Awareness включается как медиатор между рекламным давлением и продажами — часть эффекта медиа реализуется именно через рост узнаваемости, а не напрямую;
• Preference и consideration помогают объяснить, почему одинаковое медиадавление в разные периоды даёт разный отклик продаж — меняется база потребителей, готовых выбрать бренд;
• Двухступенчатая модель (медиа → метрики бренда → продажи) позволяет отделить эффект «построения бренда» от эффекта «активации спроса» математически, а не экспертной оценкой;
• Данные по трекингу нужны с той же еженедельной или хотя бы ежемесячной регулярностью, что и медиаданные — рваные волны опросов ломают модель.

Как подготовиться к MMM и не испортить результат

Стандарт — минимум 104 недели, то есть два полных года еженедельных данных. Меньше 52 недель дают только направление («канал работает / не работает»), но не точность, достаточную для перераспределения бюджета — на таком объёме модель не отличит сезонность от эффекта рекламы.

1. Соберите еженедельные данные минимум за 2 года: продажи, медиаинвестиции по каналам, цена, промо, дистрибуция, погода при необходимости;
2. Включите активность конкурентов — без неё модель спишет их влияние на шум или на ваши собственные каналы;
3. Добавьте трекинговые метрики бренда как отдельный слой, а не как справочную информацию;
4. Не используйте единый адсток для всех форматов — у ТВ, digital и OOH разная скорость накопления и затухания эффекта, и это нужно калибровать отдельно для каждого креатива и флайта;
5. Проверяйте модель на исторических сдвигах медиаплана — если модель не объясняет известные провалы или всплески продаж, ей нельзя доверять бюджетные решения.

Частые ошибки, которые портят даже хорошие данные

Модель может дать неверный результат даже при идеальном датасете — проблема не в данных, а в спецификации. Самая опасная ошибка — уже упомянутое механическое удвоение адстока для «захвата» долгосрочного эффекта: оно провоцирует мультиколлинеарность с трендом. Вторая ошибка — игнорирование конкурентного давления, из-за чего собственные каналы получают завышенную или заниженную оценку. Третья — единая кривая затухания для всех форматов рекламы, хотя ТВ-ролик и баннер накапливают эффект по-разному. Четвёртая, и самая обидная — построение модели на данных короче года, когда клиент требует точных цифр для ребалансировки бюджета, а модель физически не может их дать. И последняя, менее очевидная: полное игнорирование бренд-метрик, из-за которого MMM видит только половину картины и постоянно недооценивает вклад построения бренда в пользу краткосрочной активации.