Meridian: un año bajo el capó del MMM de Google

Consultora Data Scientist en el departamento de Data x IA Transformation at scale de Converteo, Nouhaïla Bakkali asesora a nuestros clientes en la modelización de su rendimiento y la optimización de sus palancas de crecimiento. Diseña ecosistemas de modelos complejos para transformar datos masivos en estrategias de negocio concretas y accionables.

Puntos clave:

• Una herramienta de gestión estratégica y soberanía del dato: Más que un simple algoritmo, Meridian es un toolkit estratégico que permite a las marcas ser dueñas de su código, alojar sus datos y auditar sus resultados. Permite medir el ROI omnicanal, entender la contribución incremental de cada palanca y optimizar los presupuestos futuros.
• Un salto tecnológico con datos exclusivos de Google: Basada en una infraestructura moderna (JAX, PyMC), la gran ventaja de Meridian reside en su acceso a datos exclusivos de Google (Reach & Frequency). Esto ofrece una precisión inigualable a la hora de medir los propios canales de Google, convirtiendo a este framework en una potente palanca para poner en valor su inventario.
• Un framework equilibrado y business-ready pese a algunos retos: Meridian encuentra el punto medio entre la automatización tipo “caja negra” de competidores como Robyn (Meta) y la complejidad de las librerías de código puro. Aunque se enfrenta a retos como la inestabilidad de los datos o la interpretación de los modelos, sus informes interactivos y su planificador de escenarios lo convierten en una de las soluciones MMM más prácticas y accesibles del mercado.

El Marketing Mix Modeling (MMM) ya no es un lujo para las empresas. Aunque las restricciones a las third-party cookies han reavivado el interés por estos modelos, su verdadera fuerza reside en otro lugar: hoy en día, el MMM se impone como el único árbitro capaz de conciliar el impacto masivo de las palancas offline (televisión, publicidad exterior, prensa…) con las inversiones online.

En el centro de este renacimiento está Meridian, el framework open source de Google. Un año después de su lanzamiento, hacemos un balance completo entre su gran potencial estadístico y los retos que plantea su implementación.

Para los decision makers: recuperar el control del dato

Meridian no es solo un algoritmo; es un toolkit estadístico que permite medir el impacto real de cada euro invertido. Su gran atractivo es su naturaleza Open Source: eres dueño del código, controlas el alojamiento de tus datos y auditas tus propios resultados de principio a fin.

Responde a tres preguntas vitales para liderar la dirección de Marketing:

• El ROI histórico: ¿Qué rentabilidad real han aportado las inversiones pasadas?
• La incrementalidad: ¿Cuál es la contribución exacta de cada canal (TV, Social Media, Search, Exterior) a mis ventas?
• La optimización mediante escenarios: ¿Cómo reparto mi presupuesto futuro para maximizar la facturación?

El mensaje es claro. En plena fragmentación de los customer journeys, Meridian utiliza datos agregados. Es la herramienta ideal para justificar los presupuestos omnicanales e identificar los puntos de saturación de cada palanca antes de llegar a ese límite en el que el ROI empieza a caer (rendimientos decrecientes).

Un salto tecnológico exclusivo

Olvídate de los modelos estadísticos rígidos del siglo pasado. Meridian marca la entrada del MMM en la era moderna con una infraestructura fluida (impulsada por JAX y PyMC), capaz de acelerar drásticamente los cálculos bayesianos masivos. La herramienta se ejecuta donde tú decidas: en local en tu máquina o en tu entorno de cloud privado.

Pero la verdadera ventaja estratégica para las empresas reside en la MMM Data Platform. Aquí, el atractivo no es técnico (scripts o pipelines), sino que radica en el acceso exclusivo a información que, a menudo, ni empresas ni agencias pueden conseguir por otras vías. Google abre el grifo para ofrecer señales ultragranulares sobre DV360, Google Ads y YouTube, incluyendo métricas críticas como el Reach & Frequency.

El mensaje está claro: Google impulsa Meridian porque es la mejor manera de poner en valor sus propios servicios ante las grandes cuentas. Al aportar datos exclusivos sobre sus propios inventarios, Google se asegura de que sus canales se miden con una precisión que ningún otro framework puede igualar.

Por otro lado, la herramienta exige un verdadero cambio de chip mental. Aquí no buscamos “recetas mágicas” como en el Machine Learning clásico. Entramos de lleno en el mundo de la inferencia bayesiana y los priors (conocimientos a priori).

Es un enfoque mucho más cercano a la causalidad real: no solo inyectamos números, inyectamos conocimiento de negocio. Es apasionante, pero exige que los equipos de Data vuelvan a aprender a “pensar” el modelo y a formular hipótesis, en lugar de limitarse a lanzar un script de aprendizaje automático.

Nuestra experiencia: lo que nos gusta (y lo que nos frustra)

Tras un año de pruebas en diversos proyectos dentro de Converteo, el balance está lleno de aprendizajes. La versión 1.5.0 corrige muchos errores de juventud, pero siguen existiendo retos.

✅ Puntos fuertes

• Informes “Business-Ready“: Las visualizaciones y los informes interactivos nativos son ejemplares. Transforman estadísticas áridas en relatos estratégicos fáciles de digerir para cualquier stakeholder.
• Flexibilidad del Adstock (v1.2.0): La incorporación de la distribución binomial permite, por fin, modelar un impacto diferido (time-lag). Es un avance enorme frente a la única opción clásica de decaimiento geométrico, que imponía un pico de efecto inmediato, algo a menudo poco realista para canales como la televisión o la publicidad exterior.
• El Scenario Planner (v1.4.0): La capacidad de simular futuros presupuestarios en unos pocos clics es un verdadero game changer para la planificación de presupuestos.
• El EDA Engine (v1.3.0): Un guardrail automático que detecta errores en los datos y correlaciones absurdas incluso antes de ejecutar el modelo.

❌ Los retos

• El síndrome de la “Baseline negativa”: A veces, el modelo puede sugerir ventas negativas en ausencia de marketing. Un punto que convendría atajar ofreciendo la posibilidad de imponer límites positivos más estrictos.
• Inestabilidad en las actualizaciones: En ocasiones, los resultados aún carecen de consistencia al añadir datos recientes, lo que exige una vigilancia constante por parte de los Data Scientists para mantener la coherencia histórica.
• La trampa del “Query Volume”: El volumen de búsquedas de Google es un factor de confusión muy potente. Al actuar como proxy de la demanda orgánica y del SEA, tiende a vampirizar la atribución de las demás palancas si no se aísla a la perfección.

Una aspiración: hacia un estándar en la industria

Para que Meridian se convierta en el estándar absoluto, aún falta una pieza clave en el puzle: un Benchmark de referencia para cada sector.

En Converteo, apostamos firmemente por la creación de un sistema donde los anunciantes puedan compartir de forma anónima el rendimiento por sector. ¿El objetivo? Crear “Industry-Guided Priors“. Hoy en día, cada marca empieza de cero. Con benchmarks sectoriales, una empresa podría utilizar los estándares de su industria como punto de partida, reduciendo así el margen de error inicial y acelerando el time-to-insight.

Conclusión: una inversión, no un simple gadget

Meridian consigue conciliar la exigencia estadística con los imperativos de negocio. Aunque aún quedan algunas asperezas técnicas por pulir, el framework se impone sin lugar a dudas como una de las soluciones de medición más prácticas del mercado.

Frente a sus competidores, Meridian ocupa un sweet spot: ahí donde Robyn (Meta) seduce con su alta automatización (aunque a veces funcione como una “caja negra”) y donde PyMC-Marketing ofrece una flexibilidad total (pero exige un nivel mucho más alto de código y matemáticas), Meridian encuentra el punto de equilibrio. Ofrece la potencia de cálculo de PyMC bajo el capó, pero vestida con una interfaz de planificación estratégica lista para usar. Esto la convierte, a día de hoy, en una de las soluciones más fiables para establecer una medición soberana, robusta y accesible a largo plazo.