MMM повертається. Чому classic marketing mix model знову в моді у 2026

Історія одного CMO, який весь 2025 рік намагався прив'язати кожен рубль до конверсії

І нічого з цього не працювало.

Meta Ads Manager показував **5.2× ROAS**. Triple Whale — **3.8×**. GA4 last-click — **2.1×**. Modeled conversions у Google Ads показували **4.4×**. Blended MER — порахований руками з P&L через total revenue / total ad spend — давав **2.6×**, і це був єдиний показник, який сходився з банківським рахунком. Між найоптимістичнішою платформою і найпесимістичнішою — різниця у **2.5×**. Бюджет на 2025-й планувався за середнім цих цифр, і це був неправильний спосіб ухвалювати рішення.

Через чотири місяці його аналітик зібрав базовий MMM на Google Meridian — open-source, безкоштовно, вісім тижнів роботи. MMM сказав дві речі, які жодна платформа не сказала. Перше: **35% Meta-бюджету канібалізувалось retargeting-ом** — тобто Meta атрибутувала покупки, які відбулися б і без неї. Друге: **Google brand search отримував 100% credit за покупки, які насправді ініціювали Reels** — бо шлях був «Reels → пауза → ручний пошук брендового запиту → клік по Google Ads → покупка», і last-click attribution віддавав усе Google.

Це історія не про інструмент. Це про те, що multi-touch attribution у 2026 році архітектурно не здатний на правду. І чому classic MMM — методологія, якій майже 60 років — повернулась у центр стека серйозних операторів.

Коротка історія attribution 2015–2025

З 2015 по 2020 рік last-click attribution був стандартом. Google Analytics видавав conversion credit останньому дотику, маркетологи знали, що це брехня, але іншої мови не було. MMM у цю епоху вважався «old school» — методологія 1960-х із FMCG-індустрії, дорога (€150–300K за консалтинг), повільна (шість місяців), що вимагала роки даних і PhD в економетриці.

У 2018–2021 роках піднялась хвиля multi-touch attribution (MTA). Платформи на кшталт Visual IQ (потім Nielsen), AppsFlyer, Branch, Adjust і вбудовані attribution-моделі Google Ads / Facebook обіцяли відстеження кожного користувача через кожен дотик, data-driven attribution credit розподіл, real-time дашборди. Логіка була переконлива: якщо ми можемо deterministically трекати user-level path, навіщо нам statistical моделі channel-level?

У квітні 2021-го Apple випустила App Tracking Transparency (ATT). Opt-in rate стабілізувався до 2024 року на рівні **30–35%** globally (Adjust Q2 2025). Meta-pixel почав втрачати більше половини конверсій в e-com акаунтах. Modeled ROAS у Meta став занижений на **20–40%** відносно реальності. Privacy Sandbox від Google помер наприкінці 2025-го — third-party cookies лишились у Chrome, але як managed-decline feature, а не як enterprise-grade інфраструктура. Consent mode та cookie blocking забрали ще **25–35%** attribution accuracy у Google Ads.

До 2024 року стало очевидно: MTA будувався на припущенні deterministic user-tracking, якого більше не існує. У січні 2025-го Google випустив Meridian як open-source MMM-фреймворк. Meta паралельно підтримувала Robyn. Лютий 2026-го — Meridian Scenario Planner пішов в open beta. Те, що раніше займало шість місяців і €200K consulting-engagement, тепер робиться за **чотири-вісім тижнів** на одного компетентного аналітика. **46.9% маркетологів** у США збільшують MMM-бюджет у найближчий рік (eMarketer 2026). **27.6%** називають MMM single most reliable measurement methodology — це перше місце в опитуванні, вище за MTA та platform-reported attribution.

MMM не «повернувся». Структурні умови його тріумфу просто стали невідворотними.

Що таке MMM по-людськи, без математики

Уявіть, що у вас ресторан у Бухаресті, і ви хочете зрозуміти, яку частку виручки робить зовнішня реклама на бульварі. Прямого способу спитати кожного відвідувача немає — половина не пам'ятає, як дізналася про вас, третина скаже «від друга», і лише мізерна частка згадає білборд. Що робить будь-який тверезий оператор? Він дивиться на виручку до білборду, під час і після, порівнює з трендом конкурентів, враховує погоду, свята, локальні події — і через ці змінні оцінює incremental внесок білборду. Це і є MMM у його базовій формі: time-series regression, в яку заходять усі відомі фактори впливу на продажі, і яка на виході дає декомпозицію внеску кожного каналу.

Технічно MMM — це multivariate Bayesian regression model, що моделює продажі як функцію: (a) marketing спенду по каналах з урахуванням adstock (відкладений ефект реклами в часі) і saturation curve (диміншинг за великих бюджетів), (b) base sales (те, що продавалося б без реклами взагалі), (c) зовнішніх факторів — сезонність, ціна продукту, конкурентна активність, макро-умови, погода, промо. На виході модель віддає contribution кожного каналу в інкрементальних продажах, response curves (скільки додаткової виручки дасть +€1K у Meta чи Google), і optimal allocation за заданого загального бюджету.

Ключова відмінність від MTA: MTA працює на рівні користувача — «John подивився Meta-ad, потім клікнув Google brand, потім купив». MMM працює на рівні каналу й тижня — «на тижні №14 Meta-спенд був €18K, загальні продажі €240K, базова модель очікувала €195K, дельта €45K статистично приписується Meta + Google + email з вагами X/Y/Z». MMM не знає ім'я користувача, не потребує cookies, не залежить від iOS 18 політик. Він працює з тими самими даними, що у вас є в P&L.

Вікно даних — критичне. MMM потребує **мінімум 52 тижні** спостережень, бажано **104–156** для нормальної моделі. Менше — не статистика, а шум. Cadence даних — щотижнева (не щоденна, не місячна). Канали мають бути достатньо «товстими» — якщо в Meta йде €50K/міс, а в TikTok €1.5K, модель не зможе статистично відокремити TikTok-внесок від noise. MMM — це інструмент для бізнесів, у яких хоча б 3–5 каналів із meaningful spend і 12+ місяців історії.

Коли MMM працює, і коли ні

Жорстка коротка відповідь: MMM не для seed-стадії. І не для половини clients, які приходять за ним.

Мінімальний поріг для proper MMM — **€100K/місяць загального ad spend** (або еквівалент у локальній валюті) розподіленого по **мінімум трьох каналах**, і **12+ місяців безперервної історії** спенду + продажів по тижнях. Нижче цього порогу модель технічно зібрати можна, але confidence intervals будуть такі широкі, що інсайти не витримають критики. Я бачила десятки спроб MMM на €30K/міс бізнесах — усі вони закінчились моделями, у яких 95% credible interval для Meta contribution був «від 8% до 71%». Це не attribution, це художня література.

**Зона, де MMM працює ідеально.** Бренди з річною виручкою **€1–5M+**, активні **3+ роки**, з диверсифікованим каналом-міксом (Meta, Google, TikTok, email, organic, впливова offline-складова), які перейшли точку, де attribution-розбіжності між платформами створюють P&L-ризик у **€100K+ на рік**. Для такого бізнесу MMM окупається за один квартал — одне правильне reallocation рішення між Meta і Google зберігає більше, ніж коштує вся імплементація.

**Зона, де MMM не працює.** Бізнеси з одним каналом (90%+ спенду в Meta — моделі нічого декомпонувати). Seed-стартапи (немає 12-місячної історії). Магазини із середнім AOV €15 і місячним спендом €8K (статистика занадто тонка). Молдавські single-city HoReCa-проєкти (географічних одиниць мало, time-series слабкий, подієві шоки домінують над marketing-сигналом). Для всіх цих кейсів incrementality testing та time-series holdouts дають **80% відповіді за 10% вартості й часу**.

**Зона, де MMM працює, але потребує обережності.** Mid-market бренди **€500K–1M річної виручки** з двома-трьома каналами і 14–18 місяців історії. Технічно модель збирається, але confidence intervals широкі, і MMM треба валідувати через geo-lift або incrementality. Це не «MMM як backbone», це «MMM як один із трьох свідків» — про це нижче.

ERA-фреймінг для founder conversation: MMM — це страховка від channel-saturation curve, інструмент для бізнесів, які вже виживають, а не для тих, хто шукає product-market fit. Якщо ви витрачаєте €15K/міс на маркетинг — забудьте про MMM, рахуйте contribution margin per order і працюйте над activation rate. Якщо €150K/міс — MMM має стати частиною квартального ритуалу.

Meridian vs Robyn vs LightweightMMM — що обирати у 2026

Open-source MMM-всесвіт склався до 2026 року навколо трьох інструментів. Усі три безкоштовні, усі три production-grade, усі три потребують data scientist для запуску.

**Google Meridian** (реліз січень 2025) — de-facto standard для нових програм. Головні переваги: явне моделювання reach & frequency для video і YouTube (важливо для брендів із великою YouTube/TikTok-складовою), краща обробка diminishing returns через гнучкі Hill curves, no-code Scenario Planner в open beta з лютого 2026-го — фаундер може сам ганяти «що буде, якщо перенесу €30K з Meta в Google». Meridian активно розробляється, у roadmap квартальні релізи. Слабкість: молодий, документація місцями сира, community менше, ніж у Robyn.

**Meta Robyn** — родоначальник open-source MMM, реліз 2021-го. У 2026-му перебуває в maintenance mode — Meta не вбиває проєкт, але активна розробка переїхала. Переваги: величезна community, потужна automated hyperparameter tuning через Nevergrad, відмінна документація. Слабкість: hyperparameter optimization дуже compute-heavy (одна модель — 4–8 годин на хорошій машині), гірше працює з багатоканальним video-mix, ніж Meridian.

**LightweightMMM** (Google, до Meridian) — спрощений Bayesian MMM на JAX. У 2026-му офіційно перевершений Meridian, але досі використовується для маленьких datasets та швидких прототипів. Запуск займає хвилини, а не години. Підходить для diagnostic-фази — зібрати чорнову модель на рік даних за вихідні, зрозуміти, чи є взагалі статистичний сигнал.

**Що обирати у 2026.** Якщо ви запускаєте MMM сьогодні — Meridian. Якщо у вас уже працює Robyn — не чіпайте, жодних переваг у міграції немає до кінця 2026-го. LightweightMMM — лише для discovery-фази або для €500K–1M клієнтів, де proper Meridian-імплементація overkill.

Комерційні альтернативи — OpenMMM (від Mass.ai), Pyro-MMM у стеку Numerai, vendor-managed рішення на кшталт Recast, Mutinex, Cassandra (остання — Triple Whale Compass layer, unifies MTA + MMM + incrementality). Vendor-managed коштують $3–15K/місяць, дають managed-service і UI для не-аналітиків. Для €1–5M бізнесів open-source + один data scientist на retainer (€2–4K/міс) виграє за економікою. Для €5M+ — vendor стек починає себе виправдовувати через speed-to-insight.

MMM + geo-lift + incrementality testing — сучасний triad

Серйозна помилка 2025 року — розглядати MMM як silver bullet. MMM — це статистична модель на correlational data. Це означає, що він дає directional truth (Meta інкрементально працює чи ні), але погано розрізняє близькі сценарії (чи варто реаллокувати €20K із Meta у Google). Для tactical-рівня рішень потрібна causal перевірка.

Сучасний triad, який ERA рекомендує для €1–5M+ брендів:

**(1) MMM як strategic backbone.** Перекалібрування щоквартально. Дає відповіді на питання рівня «який channel mix максимізує blended MER на найближчий квартал», «скільки ми можемо додати в YouTube до точки diminishing returns», «що відбудеться з base sales, якщо прибрати brand-spend на 6 тижнів».

**(2) Geo-lift testing для валідації.** Коротко: обираєте 5–10 matched geographies (міста, postcode-зони, DMA), вимикаєте або подвоюєте спенд каналу в test markets, лишаєте control незмінним, вимірюєте delta продажів проти synthetic control. **36.2% маркетологів** інвестують більше в incrementality testing у 2026 (eMarketer). Це золотий стандарт causal measurement — pre-period parallel trends + post-period delta = true incremental revenue. Коли MMM каже «Meta дає 28% incremental contribution», geo-lift перевіряє це число прямим експериментом. Якщо вони сходяться в межах **±15%** — модель валідна. Якщо розходяться в 2× — щось зламано, і MMM треба ребілдити.

**(3) Channel-level incrementality testing.** Найбільші два канали перевіряються через holdout testing раз на квартал. Для Meta: stop spend на 14 днів в одній аудиторії / одному гео, виміряти delta vs forecast. Для Google: pause brand-search на тиждень і подивитися, що станеться з organic-search та direct. Це дає incremental ROAS — що значно відрізняється від platform-reported ROAS, який атрибутує покупки, які відбулися б і без реклами.

Для бізнесів **менше €1M** geo-lift технічно неможливий — занадто мало гео-одиниць. Substitute — time-series holdout testing: вимкнути канал на 14 днів, порівняти з прогнозом базової моделі. Для single-city брендів у Молдові це єдиний причинний метод, який працює.

Логіка triad-а: MMM дає **напрямок**, geo-lift дає **валідацію моделі**, incrementality testing дає **підтвердження на каналі**. Без усіх трьох інструментів attribution-стек вразливий. Лише MMM — модель без причинності. Лише incrementality — точкова перевірка без системного погляду. Лише geo-lift — без розуміння baseline. Серйозні оператори 2026 року використовують усі три і calibrate-ять їх один через одного.

Чек-лист «чи готовий мій бізнес до MMM»

Сім yes/no питань. Шість+ із семи «yes» — будуйте MMM найближчий квартал. Чотири-п'ять — рано, робіть incrementality testing і returns в цю тему через 6–12 місяців. Менше чотирьох — забудьте про MMM, фокусуйтесь на contribution margin та activation.

У вас **мінімум €100K/місяць** загального marketing-спенду (або €1.2M на рік)?

У вас **мінімум 12 місяців** безперервної історії спенду і продажів по тижнях?

У вас **мінімум три канали** з meaningful spend (€10K+/міс кожен)?

У вас є **clean weekly data**: marketing спенд по каналах, продажі, ключові external variables (промо, ціна, свята)?

У вас є доступ до **data scientist** (in-house або retainer) на 4–8 тижнів імплементації + квартальні recalibrations?

Ваші **attribution-розбіжності** між Meta, Google, GA4 та blended MER перевищують **30%** для великих каналів?

У вас є **second source of truth** (geo-lift можливий, або incrementality testing уже працює) для валідації MMM?

Якщо відповіли «yes» на 6–7 — Meridian у найближчий квартал, retainer на data scientist, validate через geo-lift у Q+1.

Closing

MMM не магія. Це статистична модель, яка робить явними ті припущення, які в MTA лишаються прихованими. Головна її цінність у 2026-му — не точність (вона нижча, ніж хотілося б), а honesty. MMM каже «ми оцінюємо Meta contribution у 22% із 95% credible interval 14–31%» — і ця чесна невизначеність краща, ніж «Meta ROAS 5.2×» у платформенному дашборді, який структурно занижений на 20–40% і ігнорує cannibalization.

Якщо ваш бізнес перейшов планку **€1M річної виручки** і **€100K/міс marketing-спенду**, MMM — це питання часу, не питання «чи варто». Якщо менше — incrementality testing та blended MER дають вам 80% відповіді за 10% зусиль.

ERA бере MMM-імплементацію для €1–5M клієнтів у Молдові, Румунії, ОАЕ та Україні через 8-тижневу програму: data collection і audit (тижні 1–2), Meridian model build (тижні 3–6), geo-lift validation (тижні 7–8), потім квартальні recalibrations на retainer. Це частина повного Fractional CMO стека, не окремий консалтинг.

Якщо хочете зрозуміти, чи готовий ваш бізнес — напишіть.