Google Meridian - A Ferramenta de Marketing Mix Modeling Open Source do Google

Meridian é o Marketing Mix Model (MMM) de código aberto desenvolvido pelo Google para ajudar profissionais de marketing a tomar decisões mais inteligentes e baseadas em dados ao acompanhar a jornada do consumidor e mensurar resultados em todos os canais.

O que é o Google Meridian?

Fala aí analítica e analítico de plantão, belezinha?

Vocês já ouviram falar do Google Meridian? É a mais nova ferramenta open source da Google voltada para Marketing Mix Modeling (MMM). Anunciada há cerca de um ano, ela foi lançada recentemente e, embora ainda esteja em uma versão bastante inicial, promete ser um recurso valioso para otimizar nossos investimentos em marketing.

O Google Meridian permite analisar e otimizar os orçamentos de marketing, fornecendo insights sobre o retorno do investimento (ROI) de diferentes canais. Por exemplo, é possível identificar quais canais estão gerando maior ROI e, assim, direcionar os investimentos de forma mais eficiente.

Uma das funcionalidades mais interessantes é o "MMM Optimization Report", que oferece uma visão geral de como ajustar os orçamentos para alcançar a melhor eficiência em termos de receita. As curvas de resposta presentes nesse relatório descrevem a relação entre o investimento em marketing e as receitas incrementais resultantes, indicando o valor de investimento ideal para cada canal.

Embora a ferramenta ainda esteja em fase inicial, é uma excelente oportunidade para explorarmos e entendermos como ela pode auxiliar na otimização de nossas estratégias de marketing. Para quem quiser se aprofundar, recomendo acessar o site oficial do Google Meridian e conferir as instruções disponíveis.

SERÁ O FIM DOS NOSSO PROBLEMAS DE ATRIBUIÇÃO?

O que é Marketing Mix Modeling (MMM)?

O Marketing Mix Modeling (MMM) é uma abordagem analítica que utiliza dados históricos para quantificar o impacto das atividades de marketing nas vendas. Por meio de modelos estatísticos, como regressão linear ou não linear, o MMM estabelece relações simultâneas entre diversas ações de marketing e o desempenho de vendas. Isso permite às empresas avaliar a eficácia de cada elemento do marketing mix, como produto, preço, praça e promoção, em termos de contribuição para o volume de vendas, eficiência e retorno sobre o investimento (ROI).

Como funciona o Marketing Mix Modeling do Google?

O Meridian do Google promete ter uma abordagem um pouco diferenciada dos MMMs tradicionais.

Os modelos de Marketing Mix Modeling (MMM) tradicionais foram desenvolvidos para medir o impacto da mídia off-line e estratégias de branding. No entanto, segundo o google, essas abordagens apresentam limitações significativas quando aplicadas ao ambiente digital, especialmente na mensuração de canais como anúncios em redes de pesquisa e campanhas baseadas em inteligência artificial. A falta de uma abordagem moderna pode levar a análises imprecisas e decisões orçamentárias subótimas. Além disso, muitos modelos tradicionais não incorporam experimentos de incrementalidade e não oferecem insights detalhados sobre fatores como frequência ideal ou variações regionais.

Para superar essas limitações, o google informa que o Meridian oferece uma nova abordagem para mensuração. Utilizando inferência causal bayesiana, o Meridian combina conhecimento prévio com dados reais para calcular o impacto incremental das ações de marketing com maior precisão. Entre os principais diferenciais dessa abordagem estão:

1. Mensuração precisa do impacto da mídia de performance O Meridian permite que anunciantes acessem uma plataforma de dados específica para MMM, incluindo métricas fundamentais como impressões, cliques e custos. Além disso, ele incorpora novas dimensões de análise, como o volume de buscas no Google, proporcionando uma visão mais completa do impacto da pesquisa paga nas vendas.
2. Flexibilidade e transparência no modelo Diferente de soluções fechadas, o Meridian é uma estrutura de código aberto, permitindo total transparência na metodologia utilizada. Isso possibilita que as empresas modifiquem os parâmetros do modelo de acordo com suas necessidades específicas.
3. Tomada de decisão mais assertiva Ao considerar KPIs relevantes para o negócio, como vendas, visitas ao site, lucro e conversões, o Meridian permite análises mais precisas sobre o desempenho de campanhas. Dessa forma, é possível executar diferentes cenários de otimização e alocar o orçamento de forma mais eficiente.
4. Análise aprimorada de alcance e frequência Enquanto muitos modelos tradicionais analisam apenas impressões, o Meridian diferencia alcance e frequência, fornecendo uma visão mais precisa do impacto real da publicidade em vídeo. Isso evita interpretações equivocadas, como considerar dez impressões como dez pessoas alcançadas, quando, na realidade, pode ser um único usuário impactado dez vezes.
5. Integração de experimentos de incrementalidade O Meridian facilita a integração de experimentos de incrementalidade como antecedentes no modelo, independentemente do canal analisado. Isso permite calibrar as análises com dados reais, garantindo previsões mais precisas e alinhadas com os objetivos do negócio.

Nos próximos meses, o Google continuará aprimorando o Meridian, adicionando novos recursos e refinando sua metodologia. Empresas interessadas já podem acessar e testar o modelo baixando o código diretamente no GitHub.

O que e a inferência causal bayesiana que o Meridian usa?

O Meridian utiliza um modelo de regressão bayesiana para aprimorar a análise de marketing mix. Esse modelo combina conhecimento prévio e dados reais para estimar os efeitos da mídia e quantificar a incerteza das análises. Diferente dos modelos tradicionais, essa abordagem permite que informações anteriores — como resultados de experimentos, benchmarks do setor e históricos de campanhas — sejam incorporadas diretamente na modelagem.

Como funciona o Teorema de Bayes na prática?

Olha, já peço desculpas a qualquer estatístico que eu possa ofender com minha explicação, to dando o meu melhor e o intuito é fazer a galera de marketing analytics entender, me perdoem por algum equívoco cometido! hehehe

A base do modelo do Meridian está no Teorema de Bayes, que nos ajuda a atualizar nossas crenças com base em novas evidências. A fórmula que representa esse conceito é:

Onde:

• 𝜃 θ representa o parâmetro que queremos estimar (como o impacto de um canal de mídia);
• P(θ∣dados) é a distribuição a posteriori, ou seja, o resultado atualizado considerando os novos dados;
• P(dados∣θ) é a verossimilhança, a probabilidade de observarmos os dados que temos dado um determinado parâmetro;
• P(θ) é a distribuição a priori, ou seja, o conhecimento que já tínhamos antes de coletar novos dados.

Na prática, isso significa que o modelo do Meridian não apenas analisa os dados brutos, mas os ajusta com base em experiências anteriores, garantindo uma estimativa mais realista do impacto da mídia.

O que isso significa na mensuração?

Para estimar todos os coeficientes e parâmetros do modelo, o Meridian utiliza métodos avançados como a amostragem de Monte Carlo via cadeias de Markov (MCMC). Essa abordagem permite calcular com precisão os efeitos de campanhas ao longo do tempo, considerando:

• O impacto residual dos anúncios (efeito Adstock);
• A relação entre investimento e retorno (curva de retorno decrescente);
• A incerteza associada às estimativas de ROI e outros insights críticos.

E o que isso quer dizer na prática?

O grande diferencial do Meridian é que ele permite que as empresas tomem decisões com um grau de confiança muito maior. Ao invés de simplesmente olhar para números isolados, o modelo bayesiano fornece estimativas mais precisas, adaptáveis e que realmente refletem o impacto do marketing no negócio.

Isso significa que:

✅ O investimento em mídia pode ser otimizado com maior precisão.

✅ Os insights não são apenas baseados em dados passados, mas ajustados para prever melhor os resultados futuros.

✅ A análise leva em conta toda a complexidade do comportamento do consumidor, sem simplificações exageradas.

Ou seja, o Meridian não é apenas mais um modelo de atribuição — ele é uma ferramenta poderosa para entender o impacto real das suas ações de marketing, ajudando a construir estratégias muito mais eficazes.

Pronto para começar a usar o Meridian?

Acesse esse link aqui para ter acesso ao GitHub com os códigos open source do Meridian e aprender a instalar e usar o Meridian.

Como Instalar Meridian?

Python 3.11 ou 3.12 é necessário para usar o Meridian. Também recomendamos usar no mínimo 1 GPU.

Observação: este projeto foi testado em GPUs V100 e T4 usando 16 GB de RAM.

Para instalar o Meridian, execute o seguinte comando para instalar automaticamente a versão mais recente do PyPI.

$ pip install --upgrade google-meridian

Como alternativa, execute o seguinte comando para instalar a versão mais recente e não lançada do GitHub.

$ pip install --upgrade git+https://github.com/google/meridian.git

Recomendamos instalar o Meridian em um novo ambiente virtual para garantir que as versões corretas de todas as dependências sejam instaladas, conforme definido em pyproject.toml .

Como usar a biblioteca Meridian

Para começar a usar o Meridian, você pode executar o código programaticamente usando dados de amostra com o Getting Started Colab.

O modelo Meridian usa uma abordagem de amostragem MCMC holística chamada No U Turn Sampler (NUTS), que pode ser intensiva em computação. Para ajudar com isso, o suporte à GPU foi desenvolvido em toda a biblioteca (pronto para uso) usando tensores.

Recomendamos executar seu modelo Meridian em GPUs para obter resultados de otimização em tempo real e reduzir significativamente o tempo de treinamento.

Documentação e Tutoriais Meridian

Os seguintes recursos de documentação, colaboração e vídeo ajudarão você a começar rapidamente a usar o Meridian:

Cliqui aqui para pegar e ter acesso a toda documentação e materiais do Google Meridian.

Google Meridian, Marketing Mix Modeling e o Futuro da Atribuição

A mensuração de mídia nunca foi um desafio simples — e, com as mudanças constantes no cenário digital, se tornou ainda mais complexo. Modelos tradicionais de atribuição, como last click ou multi-touch attribution (MTA), já não conseguem capturar toda a jornada do consumidor, principalmente com o fim dos cookies(principalmente no safari) e as crescentes restrições de privacidade.

É aqui que o Marketing Mix Modeling (MMM) e o Google Meridian entram como soluções poderosas. O MMM moderno, diferentemente das versões tradicionais, se adapta à realidade do digital, combinando dados históricos, aprendizado bayesiano e experimentos de incrementalidade para oferecer um retrato mais preciso do impacto das mídias.

O Google Meridian, por sua vez, representa uma evolução nesse contexto. Ele une a robustez dos modelos econométricos com a flexibilidade do código aberto, permitindo que marcas tenham total controle sobre suas análises e consigam personalizar as métricas conforme suas necessidades. Além disso, ao considerar efeitos de carryover, Adstock e curvas de retorno decrescentes, o Meridian entrega insights muito mais realistas sobre como cada canal contribui para o crescimento do negócio.

No fim do dia, o grande objetivo dessas ferramentas não é apenas atribuir corretamente uma conversão, mas sim garantir que as empresas possam tomar decisões de investimento mais inteligentes e baseadas em dados confiáveis. O futuro da mensuração não será sobre encontrar um modelo único e perfeito, mas sim combinar diferentes abordagens — atribuição, incrementabilidade e MMM — para criar um ecossistema de análise sólido e preparado para as mudanças do mercado.

O Google Meridian é um grande passo nessa direção, e seu impacto pode transformar a forma como enxergamos a eficácia do marketing e a otimização de investimentos. O desafio agora é as empresas se adaptarem e começarem a aplicar essas metodologias para obter vantagem competitiva.

PS: Lembrando que a Meta também possui seu open source de Marketing Mix Modeling, o Robyn.

Mas a pergunta final minhas analíticas e analíticos de plantão, É...

SERIA ESSE O FIM DA PERGUNTA... DE QUEM É A CONVERSÃO???

Acompanharmos as cenas dos próximos capítulos e assim que nós tivermos mais testes conclusivos por parte da MB (alô Lucian Fialho) soltaremos novos artigos e vídeos.