O marketing mix modeling, ou MMM, é uma análise estatística que estima quanto cada ação de marketing e cada fator externo contribuíram para um resultado, como as vendas. Ele não segue pessoas pela internet. Trabalha com números agregados por semana, por canal e, quando existe, por região, e por isso continua útil quando o cookie some.

Vale a pena quando você investe em vários canais ao mesmo tempo, inclusive fora da internet, e precisa decidir onde colocar o próximo real. Não vale como primeira ferramenta de quem tem pouco histórico ou um único canal. Este guia explica o que o MMM faz, o que ele exige, o que não responde e como se encaixa com testes e atribuição.

O guia de MMM do projeto Robyn, da Meta, descreve a técnica como uma análise estatística orientada por dados que quantifica o impacto incremental de atividades de marketing e de outros fatores sobre as vendas e o retorno. É um modelo econométrico de regressão que usa dados agregados, e não dados de usuários individuais. A mesma página o apresenta como resistente à perda de sinal.

Na prática, o modelo olha uma série no tempo. De um lado, o resultado que importa, quase sempre vendas. Do outro, o que pode ter influenciado esse resultado: investimento ou exposição em cada canal, promoções, feriados, sazonalidade e até fatores da economia. O modelo separa o que parece vir de cada coisa.

O Robyn se descreve como uma ferramenta amigável à privacidade: não pede dados pessoais, não pede registros no nível do indivíduo e não depende de cookies nem de pixel. Isso muda a conversa sobre consentimento. Como o MMM não precisa identificar ninguém, ele não substitui o aviso de cookies do seu site, mas também não fica refém da escolha de cada visitante.

Um cuidado: dado agregado não é automaticamente dado anonimizado. A LGPD define dado anonimizado como o dado de titular que não pode ser identificado com meios técnicos razoáveis e disponíveis (art. 5º, III) e diz que ele não é dado pessoal, salvo se o processo for revertido (art. 12). Se a base agregada ainda deixar identificar alguém, ela continua sob a lei.

O Meridian, o modelo de código aberto do Google, lista o que o MMM entrega: o retorno e a contribuição histórica de cada canal, a curva de resposta de cada canal, que mostra como o impacto muda conforme o investimento, e a sugestão de como distribuir o orçamento futuro para maximizar o resultado.

Esses três produtos respondem a perguntas de quem decide verba:

• Qual canal trouxe mais vendas além do que já aconteceria sem ele?
• Até que ponto aumentar o investimento num canal ainda compensa?
• Se eu tirar dinheiro de um canal e passar para outro, o que tende a acontecer?

O guia do Robyn acrescenta que o MMM serve para medir vendas e retorno de forma ampla, entre canais e inclusive os de fora da internet, e orienta para outras ferramentas quando a pergunta é outra. Se você quer saber o efeito de uma campanha específica, a página sugere um estudo de incrementalidade ou a atribuição. O teste de incrementalidade é o parceiro natural do MMM.

Aqui o MMM cobra o seu preço. O guia do Robyn recomenda, como boa prática, pelo menos dois anos de dados semanais. Se você só tem dados mensais, a recomendação sobe para quatro a cinco anos. Também recomenda granularidade por região, como estado, quando possível, aceitando dados nacionais em alguns casos, e a divisão do digital pelo menos por canal.

Sobre as variáveis de mídia, a página prefere métricas de exposição, como impressões, ao investimento, e desaconselha usar cliques. Também prefere dados realizados aos planejados. Cada variável precisa ter variação suficiente e observações suficientes para que o modelo consiga enxergar o efeito, e um canal que nunca mudou de investimento é difícil de avaliar.

Segundo a documentação do Meridian, o modelo precisa de um indicador de resultado, frequentemente vendas, dos dados de mídia de cada canal e, de forma opcional, de variáveis de controle que afetam tanto o marketing quanto o resultado. O exemplo dado é o volume de buscas do Google como variável de confusão. A página também diz que o modelo aceita dados por região geográfica, que trazem mais informação estatística.

O guia do Robyn estima, para um primeiro estudo, de 1 a 2 semanas para definir as perguntas, de 4 a 6 semanas para coletar dados, de 1 a 2 semanas para revisá-los, de 4 a 8 semanas de modelagem iterativa e de 2 a 4 semanas para análise e recomendações. Os prazos podem encurtar em atualizações ou quando um parceiro conduz o trabalho.

O mesmo guia descreve três caminhos: contratar um fornecedor, usar uma ferramenta de software como serviço ou montar internamente com o Robyn. Em qualquer um deles, a página lembra que a ferramenta não é autônoma: alguém precisa ajustar parâmetros e interpretar resultados. Veja como montar o seu em MMM na prática.

Com base no que as duas documentações dizem, dá para montar um filtro honesto. O MMM tende a compensar quando:

• há vários canais ativos, e parte do investimento é fora da internet ou difícil de rastrear;
• existe histórico longo e organizado de investimento e de resultado;
• a decisão é de orçamento entre canais, e não de ajuste fino de um anúncio;
• há gente para interpretar o modelo, ou um parceiro para fazê-lo.

E tende a não compensar quando o histórico é curto, quando há um único canal ou quando a pergunta é sobre uma campanha pontual. Nesses casos, um teste controlado costuma responder melhor e mais rápido. Esta é uma leitura nossa das páginas citadas, e não uma regra publicada por elas.

O guia do Robyn é direto sobre os cuidados. Dados ruins produzem resultados ruins. Colocar variáveis demais pode acrescentar ruído. A previsão do otimizador de orçamento não tem garantia de acerto e deve ser validada antes de virar decisão. Atualizar o modelo nem sempre é adequado: quando a maior parte dos dados é nova, a página sugere reconstruir.

O MMM também mostra correlação ajustada, e não prova de causa por si só. Por isso as duas ferramentas permitem calibrar o modelo com experimentos. O Robyn aceita resultados de estudos geográficos e de estudos de lift como referência, e o Meridian tem uma ferramenta para rodar experimentos geográficos e usar o resultado como informação prévia do modelo. A calibração com testes é o que dá lastro ao número.

A atribuição olha caminhos individuais de quem aceitou ser medido. O MMM olha o conjunto. Os dois enxergam coisas diferentes, e um complementa o outro. Em um mundo em que parte das pessoas recusa cookies, o MMM não sofre com a recusa, mas ainda depende de dados de investimento e de vendas bem registrados.

O consentimento entra de outro lado. Os dados de comportamento que alimentam a análise do site só podem ser coletados dentro da escolha do visitante. Para saber o quanto da sua medição está coberto, comece pela taxa de consentimento e pelo registro que prova a escolha, no Consent Log.

Para onde olhar depois: a jornada do cliente na era da IA mostra onde o caminho individual perde o fio, e é aí que o modelo agregado ajuda mais.

• MMM na prática: dados agregados, sem cookies
• Google Analytics 4 e LGPD

É uma análise estatística que usa dados agregados ao longo do tempo, como investimento por canal e vendas por semana, para estimar quanto cada ação de marketing e cada fator externo contribuiu para o resultado. Não depende de cookies nem de dados de pessoas, e serve para decidir onde distribuir o orçamento.

Não. A atribuição acompanha caminhos de quem foi medido, e o MMM estima a contribuição de cada canal no conjunto. Respondem a perguntas diferentes. O guia do Robyn sugere o MMM para a visão ampla entre canais e indica estudos de incrementalidade ou atribuição quando a pergunta é mais específica, como o efeito de uma campanha.

O guia do Robyn recomenda, como boa prática, ao menos dois anos de dados semanais, ou de quatro a cinco anos se os dados forem mensais. Também pede variação suficiente em cada variável. Com menos histórico, o resultado tende a ficar instável, e um teste controlado pode ser um ponto de partida melhor.

O modelo trabalha com dados agregados e, segundo a documentação do Robyn, não pede dados pessoais nem cookies. Mas a base precisa estar de fato agregada: se ainda permitir identificar alguém, a LGPD continua valendo. E o consentimento segue necessário para a coleta de comportamento no site que não faz parte do modelo.

Quer que a sua medição conviva com o consentimento sem perder a prova da escolha? Fale com a gente e vemos juntos o que o seu site precisa.