As restrições ao rastreamento individual e o enfraquecimento dos cookies de terceiros devolveram espaço ao Marketing Mix Modeling (MMM). Em vez de reconstruir a jornada de cada pessoa, o método analisa dados agregados ao longo do tempo para estimar a contribuição dos investimentos em mídia. Agora, ferramentas abertas desenvolvidas por Google e Meta tentam tornar essa análise mais acessível às empresas.
Meridian, do Google, e Robyn, da Meta, disponibilizam estruturas estatísticas, códigos, documentação e recursos de otimização. A abertura reduz a dependência de softwares proprietários e acompanha a ampliação das tecnologias utilizadas para mensurar e gerenciar o Marketing. No entanto, não elimina a necessidade de profissionais especializados nem transforma o Marketing Mix Modeling em uma solução pronta.
Meridian combina mídia e contexto
Desenvolvido pelo Google, o Meridian é uma estrutura de Marketing Mix Modeling baseada em inferência causal bayesiana. A ferramenta aceita informações nacionais ou divididas por regiões, embora a documentação recomende o uso de dados geográficos sempre que possível. Essa granularidade aumenta o número de observações e permite comparar diferenças de investimento e desempenho entre localidades.
Os principais dados exigidos são o indicador de resultado analisado, como vendas, receita, conversões ou leads, e as informações sobre exposição e investimento em mídia. O modelo também pode incorporar mídia orgânica, ações não publicitárias e fatores como preço, promoções, distribuição, sazonalidade e concorrência, conforme orienta a documentação de entrada de dados do Meridian.
O período necessário depende da complexidade do modelo. Como regra geral, o Google recomenda ao menos dois anos de dados semanais para análises geográficas e três anos para modelos nacionais. A partir dessas informações, a ferramenta estima indicadores como retorno sobre o investimento, retorno marginal e curvas de resposta, que mostram como os resultados mudam com o aumento do orçamento e em qual ponto os ganhos adicionais começam a diminuir.
Robyn automatiza etapas da análise
O Robyn, desenvolvido pela Meta Marketing Science, é apresentado como um pacote experimental e de código aberto. A ferramenta combina regressão, decomposição de séries temporais, algoritmos de otimização e aprendizado de máquina para testar diferentes modelos e analisar a relação entre mídia e resultados.
De acordo com a documentação oficial, o Robyn foi construído para bases granulares com muitas variáveis, característica que o aproxima de anunciantes digitais e operações de resposta direta. Entre os efeitos considerados estão a permanência da influência de uma campanha após sua veiculação, conhecida como adstock, e a saturação dos canais, quando novos investimentos passam a gerar retornos proporcionalmente menores.
O guia para analistas do Robyn recomenda no mínimo dois anos de dados semanais. Quando existem apenas informações mensais, a orientação é ampliar o período, chegando, se possível, a quatro ou cinco anos. A quantidade de observações ajuda o modelo a diferenciar o impacto da mídia de tendências e variações sazonais.
A ferramenta também simula distribuições de verba entre os canais. Segundo a documentação do Robyn, o anunciante pode buscar a maior resposta para um orçamento definido ou calcular a combinação necessária para atingir uma meta de ROAS ou custo por aquisição. A própria Meta, contudo, ressalta que as projeções precisam ser validadas antes de orientar mudanças reais de investimento.
Código aberto não dispensa conhecimento técnico
A gratuidade do código não resolve uma das principais barreiras do Marketing Mix Modeling: organizar informações comparáveis e confiáveis. Investimentos, exposição, resultados comerciais e variáveis externas precisam seguir períodos e recortes compatíveis. É a mesma lógica observada nas estratégias de coleta e utilização de dados próprios: ter informações disponíveis não garante que elas estejam preparadas para orientar decisões.
Também cabe aos profissionais definir quais variáveis entram na análise, como agrupar canais e que hipóteses estatísticas são adequadas. No Meridian, o número de parâmetros precisa ser compatível com a quantidade de observações. No Robyn, a automação apresenta diferentes resultados possíveis, mas o analista ainda precisa selecionar e interpretar um modelo que tenha coerência estatística e de negócio.
Resultados precisam de validação
Outro cuidado está na origem dos projetos. Google e Meta também recebem parte dos investimentos que os modelos se propõem a avaliar. Embora o código aberto permita examinar e modificar seu funcionamento, o anunciante ainda precisa manter uma fonte própria de dados e validar as estimativas por outros caminhos.
Uma das possibilidades é combinar o MMM com testes de incrementalidade. O Meridian permite incorporar resultados de experimentos anteriores para calibrar as estimativas de retorno dos canais, enquanto o Robyn também recomenda validar suas projeções.
Assim, as ferramentas se tornam mais úteis quando integram uma estrutura que inclui atribuição, experimentos e dados internos. O avanço não está apenas em executar modelos antes restritos a grandes operações, mas em compreender seus limites antes de transformar estimativas em decisões de orçamento.
Para conhecer as tecnologias que apoiam estratégias como esta, acesse o Mapa de Martech da ColetivaTech, que reúne soluções brasileiras e referências internacionais organizadas por áreas de atuação.
