MMM revine. De ce classic marketing mix model e iar la modă în 2026

Povestea unui CMO care a încercat tot 2025 să lege fiecare leu de conversie

Și nimic nu funcționa.

Meta Ads Manager arăta **5.2× ROAS**. Triple Whale — **3.8×**. GA4 last-click — **2.1×**. Modeled conversions în Google Ads arătau **4.4×**. Blended MER — calculat manual din P&L prin total revenue / total ad spend — dădea **2.6×**, și ăsta era singurul indicator care coincidea cu contul bancar. Între cea mai optimistă platformă și cea mai pesimistă — diferență de **2.5×**. Bugetul pentru 2025 se planifica pe media acestor cifre, și era modul greșit de a lua decizii.

Peste patru luni, analistul lui a asamblat un MMM de bază pe Google Meridian — open-source, gratuit, opt săptămâni de muncă. MMM a spus două lucruri pe care nicio platformă nu le spunea. Primul: **35% din bugetul Meta se canibaliza prin retargeting** — adică Meta atribuia cumpărături care s-ar fi întâmplat și fără ea. Al doilea: **Google brand search lua 100% credit pentru cumpărături inițiate de fapt de Reels** — pentru că drumul era „Reels → pauză → căutare manuală a brand-ului → click pe Google Ads → cumpărătură", iar last-click attribution dădea totul Google-ului.

Nu e o poveste despre instrument. E despre faptul că multi-touch attribution în 2026 e arhitectural incapabilă de adevăr. Și de ce classic MMM — metodologia veche de aproape 60 de ani — a revenit în centrul stack-ului operatorilor serioși.

O scurtă istorie a attribution 2015–2025

Între 2015 și 2020 last-click attribution a fost standardul. Google Analytics dădea conversion credit ultimului touch, marketerii știau că e o minciună, dar n-aveau alt limbaj. MMM în epoca aceea era considerat „old school" — metodologie din anii '60 din FMCG, scumpă (€150–300K consultanță), lentă (șase luni), cere ani de date și PhD în econometrie.

Între 2018 și 2021 s-a ridicat valul multi-touch attribution (MTA). Platforme ca Visual IQ (apoi Nielsen), AppsFlyer, Branch, Adjust și modelele de atribuire built-in din Google Ads / Facebook promiteau tracking pe fiecare user prin fiecare touch, data-driven attribution credit distribution, dashboards real-time. Logica era convingătoare: dacă putem urmări deterministic user-level path, de ce am avea nevoie de modele statistice channel-level?

În aprilie 2021 Apple a lansat App Tracking Transparency (ATT). Opt-in rate s-a stabilizat până în 2024 la nivel global la **30–35%** (Adjust Q2 2025). Pixel-ul Meta a început să piardă mai mult de jumătate din conversii în conturi e-com. Modeled ROAS în Meta a devenit subestimat cu **20–40%** față de realitate. Privacy Sandbox de la Google a murit la sfârșitul lui 2025 — third-party cookies au rămas în Chrome, dar ca managed-decline feature, nu ca infrastructură enterprise-grade. Consent mode și cookie blocking au luat încă **25–35%** din attribution accuracy în Google Ads.

Până în 2024 a devenit evident: MTA s-a construit pe presupunerea unui deterministic user-tracking care nu mai există. În ianuarie 2025 Google a lansat Meridian ca framework MMM open-source. Meta susținea în paralel Robyn. În februarie 2026 — Meridian Scenario Planner a intrat în open beta. Ce înainte dura șase luni și €200K consulting-engagement, acum se face în **patru-opt săptămâni** cu un singur analist competent. **46.9% dintre marketeri** din SUA cresc bugetul MMM în anul următor (eMarketer 2026). **27.6%** numesc MMM single most reliable measurement methodology — primul loc în sondaj, peste MTA și platform-reported attribution.

MMM nu „a revenit". Condițiile structurale ale triumfului lui pur și simplu au devenit inevitabile.

Ce e MMM pe limba omului, fără matematică

Imaginează-ți că ai un restaurant în București și vrei să înțelegi ce parte din venit face reclama outdoor de pe bulevard. Mod direct de a întreba fiecare client nu există — jumătate nu țin minte cum au auzit de tine, o treime vor spune „de la un prieten", și doar o parte minusculă va menționa billboard-ul. Ce face orice operator sănătos la cap? Se uită la venitul de dinainte de billboard, în timpul lui și după, compară cu trendul concurenței, ia în calcul vremea, sărbătorile, evenimentele locale — și prin variabilele astea estimează contribuția incrementală a billboard-ului. Ăsta e MMM în forma lui de bază: time-series regression în care intră toți factorii cunoscuți care influențează vânzările, și care la output dă descompunerea contribuției fiecărui canal.

Tehnic, MMM e un multivariate Bayesian regression model care modelează vânzările ca funcție de: (a) spend de marketing pe canale, ținând cont de adstock (efect întârziat al reclamei în timp) și saturation curve (diminishing la bugete mari), (b) base sales (ce s-ar fi vândut și fără reclamă deloc), (c) factori externi — sezonalitate, preț produs, activitate competitivă, condiții macro, vreme, promo. La output modelul dă contribution-ul fiecărui canal în vânzări incrementale, response curves (câtă cifră adițională dă +€1K în Meta sau Google), și optimal allocation la un buget total dat.

Diferența cheie față de MTA: MTA lucrează la nivel de user — „John a văzut Meta-ad, apoi a făcut click pe Google brand, apoi a cumpărat". MMM lucrează la nivel de canal și săptămână — „în săptămâna #14 Meta spend a fost €18K, vânzări totale €240K, modelul de bază aștepta €195K, delta €45K e atribuit statistic Meta + Google + email cu ponderile X/Y/Z". MMM nu știe numele user-ului, nu are nevoie de cookies, nu depinde de politicile iOS 18. Lucrează cu aceleași date pe care le ai în P&L.

Fereastra de date — critică. MMM are nevoie de **minimum 52 de săptămâni** de observații, ideal **104–156** pentru un model decent. Mai puțin — nu e statistică, e zgomot. Cadența datelor — săptămânală (nu zilnică, nu lunară). Canalele trebuie să fie suficient „groase" — dacă în Meta intră €50K/lună, iar în TikTok €1.5K, modelul nu va putea separa statistic contribuția TikTok de noise. MMM e instrument pentru businessuri cu cel puțin 3–5 canale cu meaningful spend și 12+ luni de istoric.

Când funcționează MMM și când nu

Răspunsul scurt și dur: MMM nu e pentru seed. Și nici pentru jumătate din clienții care vin după el.

Pragul minim pentru un proper MMM — **€100K/lună ad spend total** (sau echivalent în moneda locală) distribuit pe **minimum trei canale**, și **12+ luni de istoric continuu** de spend + vânzări săptămânal. Sub pragul ăsta modelul se poate asambla tehnic, dar confidence intervals vor fi atât de largi încât insight-urile nu rezistă criticii. Am văzut zeci de tentative de MMM pe businessuri €30K/lună — toate s-au terminat cu modele al căror 95% credible interval pentru contribuția Meta era „între 8% și 71%". Nu e attribution, e literatură artistică.

**Zona unde MMM funcționează ideal.** Branduri cu cifră anuală **€1–5M+**, active **3+ ani**, cu mix de canale diversificat (Meta, Google, TikTok, email, organic, componentă offline influentă), care au trecut punctul în care neînțelegerile de atribuire dintre platforme creează un risc P&L de **€100K+ pe an**. Pentru un astfel de business MMM se amortizează într-un quarter — o singură decizie corectă de reallocation între Meta și Google economisește mai mult decât costă implementarea întreagă.

**Zona unde MMM nu funcționează.** Businessuri single-channel (90%+ spend în Meta — modelul n-are ce descompune). Startup-uri seed (n-au 12 luni de istoric). Magazine cu AOV mediu €15 și spend lunar €8K (statistica e prea subțire). Proiecte HoReCa moldovene single-city (puține unități geografice, time-series slabă, șocuri evenimențiale domină semnalul de marketing). Pentru toate aceste cazuri incrementality testing și time-series holdouts dau **80% din răspuns la 10% din cost și timp**.

**Zona unde MMM funcționează, dar cu prudență.** Branduri mid-market cu cifră anuală **€500K–1M**, două-trei canale și 14–18 luni istoric. Tehnic modelul se asamblează, dar confidence intervals sunt largi, iar MMM trebuie validat prin geo-lift sau incrementality. Nu e „MMM ca backbone", e „MMM ca unul din trei martori" — despre asta mai jos.

ERA-framing pentru founder conversation: MMM e asigurare împotriva channel-saturation curve, instrument pentru businessurile care deja supraviețuiesc, nu pentru cei care caută product-market fit. Dacă cheltui €15K/lună pe marketing — uită de MMM, calculează contribution margin per order și lucrează la activation rate. Dacă €150K/lună — MMM trebuie să devină parte din ritualul trimestrial.

Meridian vs Robyn vs LightweightMMM — ce alegi în 2026

Universul MMM open-source s-a închegat până în 2026 în jurul a trei instrumente. Toate trei gratuite, toate trei production-grade, toate trei cer un data scientist pentru lansare.

**Google Meridian** (lansat ianuarie 2025) — de-facto standard pentru programe noi. Avantaje principale: modelare explicită a reach & frequency pentru video și YouTube (important pentru branduri cu pondere mare YouTube/TikTok), procesare mai bună a diminishing returns prin Hill curves flexibile, no-code Scenario Planner în open beta din februarie 2026 — founder-ul poate să ruleze singur „ce se întâmplă dacă mut €30K din Meta în Google". Meridian se dezvoltă activ, în roadmap release-uri trimestriale. Slăbiciune: tânăr, documentația pe alocuri brută, community mai mic decât Robyn.

**Meta Robyn** — strămoșul MMM open-source, lansat în 2021. În 2026 e în maintenance mode — Meta nu omoară proiectul, dar dezvoltarea activă s-a mutat. Avantaje: community uriaș, automated hyperparameter tuning puternic prin Nevergrad, documentație excelentă. Slăbiciune: hyperparameter optimization e foarte compute-heavy (un model — 4–8 ore pe o mașină bună), lucrează mai prost cu multi-channel video-mix decât Meridian.

**LightweightMMM** (Google, înainte de Meridian) — Bayesian MMM simplificat pe JAX. În 2026 e oficial depășit de Meridian, dar încă folosit pentru dataset-uri mici și prototipuri rapide. Lansarea ia minute, nu ore. Potrivit pentru faza de diagnostic — să asamblezi un model brut pe un an de date într-un weekend, să înțelegi dacă există semnal statistic deloc.

**Ce alegi în 2026.** Dacă lansezi MMM azi — Meridian. Dacă ai deja Robyn funcțional — nu îl atinge, n-ai niciun avantaj la migrare până la finalul lui 2026. LightweightMMM — doar pentru faza discovery sau pentru clienți €500K–1M unde o implementare proper Meridian e overkill.

Alternative comerciale — OpenMMM (de la Mass.ai), Pyro-MMM în stack-ul Numerai, vendor-managed solutions ca Recast, Mutinex, Cassandra (ultima — Triple Whale Compass layer, unifică MTA + MMM + incrementality). Vendor-managed costă $3–15K/lună, dau managed-service și UI pentru non-analiști. Pentru businessuri €1–5M open-source + un data scientist pe retainer (€2–4K/lună) câștigă economic. Pentru €5M+ — vendor stack începe să se justifice prin speed-to-insight.

MMM + geo-lift + incrementality testing — triada modernă

Greșeala serioasă din 2025 — să privești MMM ca silver bullet. MMM e un model statistic pe correlational data. Asta înseamnă că dă directional truth (Meta funcționează incremental sau nu), dar distinge prost scenarii apropiate (merită să mut €20K din Meta în Google). Pentru decizii de nivel tactic ai nevoie de o verificare cauzală.

Triada modernă pe care ERA o recomandă pentru branduri €1–5M+:

**(1) MMM ca strategic backbone.** Recalibrare trimestrială. Răspunde la întrebări de nivel „ce channel mix maximizează blended MER în quarter-ul următor", „cât putem adăuga în YouTube până la punctul de diminishing returns", „ce se întâmplă cu base sales dacă oprim brand-spend pe 6 săptămâni".

**(2) Geo-lift testing pentru validare.** Pe scurt: alegi 5–10 matched geographies (orașe, zone de cod poștal, DMA), oprești sau dublezi spend-ul canalului în test markets, lași control-ul neschimbat, măsori delta vânzărilor față de synthetic control. **36.2% dintre marketeri** cresc investiția în incrementality testing în 2026 (eMarketer). E standardul de aur pentru causal measurement — pre-period parallel trends + post-period delta = true incremental revenue. Când MMM spune „Meta dă 28% incremental contribution", geo-lift verifică numărul prin experiment direct. Dacă coincid în limita **±15%** — modelul e valid. Dacă diferă 2× — ceva e stricat, iar MMM trebuie reconstruit.

**(3) Channel-level incrementality testing.** Cele mai mari două canale se verifică prin holdout testing trimestrial. Pentru Meta: stop spend pe 14 zile într-o audiență / un geo, măsori delta vs forecast. Pentru Google: pauză pe brand-search o săptămână și te uiți ce se întâmplă cu organic-search și direct. Asta dă incremental ROAS — semnificativ diferit de platform-reported ROAS, care atribuie cumpărături ce s-ar fi întâmplat și fără reclamă.

Pentru businessuri **sub €1M** geo-lift e tehnic imposibil — prea puține unități geografice. Substitutul — time-series holdout testing: oprești canalul 14 zile, compari cu prognoza modelului de bază. Pentru branduri single-city din Moldova e singura metodă cauzală care funcționează.

Logica triadei: MMM dă **direcția**, geo-lift dă **validarea modelului**, incrementality testing dă **confirmarea pe canal**. Fără toate trei, attribution-stack-ul e vulnerabil. Doar MMM — model fără cauzalitate. Doar incrementality — verificare punctuală fără perspectivă sistemică. Doar geo-lift — fără înțelegerea baseline-ului. Operatorii serioși din 2026 folosesc toate trei și le calibrează unul prin altul.

Check-list „e business-ul meu gata pentru MMM"

Șapte întrebări yes/no. Șase+ din șapte „yes" — construiește MMM în quarter-ul următor. Patru-cinci — e devreme, fă incrementality testing și revino la subiect peste 6–12 luni. Sub patru — uită de MMM, concentrează-te pe contribution margin și activation.

Ai **minimum €100K/lună** total marketing spend (sau €1.2M pe an)?

Ai **minimum 12 luni** de istoric continuu de spend și vânzări săptămânal?

Ai **minimum trei canale** cu meaningful spend (€10K+/lună fiecare)?

Ai **clean weekly data**: spend de marketing pe canale, vânzări, variabile externe cheie (promo, preț, sărbători)?

Ai acces la un **data scientist** (in-house sau retainer) pentru 4–8 săptămâni de implementare + recalibrări trimestriale?

**Neînțelegerile de atribuire** dintre Meta, Google, GA4 și blended MER depășesc **30%** pentru canale mari?

Ai **second source of truth** (geo-lift posibil, sau incrementality testing funcționează deja) pentru validarea MMM?

Dacă ai răspuns „yes" la 6–7 — Meridian în quarter-ul următor, retainer pe data scientist, validare prin geo-lift în Q+1.

Închidere

MMM nu e magie. E un model statistic care face explicite presupunerile care în MTA rămân ascunse. Valoarea lui principală în 2026 — nu acuratețea (e mai mică decât și-ar dori cineva), ci honesty. MMM spune „estimăm contribuția Meta la 22% cu 95% credible interval 14–31%" — și incertitudinea asta onestă e mai bună decât „Meta ROAS 5.2×" în platform dashboard, care e structural subestimat cu 20–40% și ignoră cannibalization.

Dacă business-ul tău a trecut pragul de **€1M cifră anuală** și **€100K/lună marketing spend**, MMM e o chestiune de timp, nu de „merită sau nu". Dacă mai puțin — incrementality testing și blended MER îți dau 80% din răspuns la 10% efort.

ERA preia implementarea MMM pentru clienți €1–5M din Moldova, România, EAU și Ucraina printr-un program de 8 săptămâni: data collection și audit (săptămânile 1–2), Meridian model build (săptămânile 3–6), geo-lift validation (săptămânile 7–8), apoi recalibrări trimestriale pe retainer. E parte din stack-ul complet de Fractional CMO, nu consultanță separată.

Dacă vrei să înțelegi dacă business-ul tău e pregătit — scrie.