Parece que los niños aprenden primero los sonidos 1. pronunciados en la parte frontal de la boca y 2. son fáciles de pronunciar. B se pronuncia con los labios (frente). Así es M, pero M requiere coordinación en la parte posterior de la boca, dejando que el aire salga por la nariz.
¿Por qué repetir? Mi conjetura: 1. El niño está entrenando, tratando de hacerlo bien. 2. El niño puede escuchar que las personas a su alrededor dicen más de una sílaba cuando hablan.