São três perguntas numa: quanto do resultado veio da mídia, quanto veio da data e quanto veio de fora. A separação exige estimar, ao lado do efeito de cada canal, o que teria acontecido sem nenhum investimento de marketing — a linha de base, que reúne tendência e fatores externos, como indicadores macroeconômicos, clima e calendário. Sem essa conta, o mês de gasto alto leva o crédito de um resultado que o calendário já traria.
O que é a linha de base e o que o modelo chama de fator externo
A linha de base, também chamada de valor de referência, mostra o que teria acontecido com a marca ou a linha de produtos sem as contribuições dos canais de marketing, segundo a documentação do Meridian. A mesma documentação faz uma observação que organiza todo o resto: “As empresas esperam gerar vendas mesmo sem marketing”.
Na documentação de recursos do Robyn, a divisão é explícita. Tudo o que é de marketing — mídia paga, mídia orgânica, preço e promoção — é classificado como variável controlável pela empresa. O que sobra fica na linha de base: tendência, estação, feriado, variáveis externas, como o clima, mais o intercepto do modelo. Preço e promoção aparecem como controláveis na classificação do Robyn; no guia do IAB, de dezembro de 2025, elaborado com provedores de Marketing Mix Modeling (MMM) e profissionais do setor, mudanças de preço e promoção entram como variáveis de contexto. Cada documento usa um critério próprio.
Sazonalidade é o nome do comportamento que se repete num ciclo curto, de frequência em geral anual, como diz o guia de MMM para analistas do Robyn. Ela não é o mesmo que tendência, a direção de longo prazo da série, nem o mesmo que feriado, um evento datado no calendário.
Como o modelo separa mídia, sazonalidade e fatores externos
Cada framework faz a decomposição de um jeito. O Robyn usa o Prophet, pacote de séries temporais da Meta, para separar os dados em tendência, estação, feriado e dia da semana; na conta dele, a linha de base é a soma de todas as variáveis do Prophet mais o intercepto, segundo o guia de MMM para analistas do Robyn.
O Meridian segue outro caminho. A documentação dele diz que variáveis de sazonalidade costumam entrar como controles na especificação do modelo, como modelos de feriados, mas que o Meridian tem ajuste automático de sazonalidade e tendência, feito por um intercepto que varia no tempo, e por isso não é necessário incluí-las. Também é possível desativar o ajuste automático e usar variáveis próprias.
O guia do Robyn recomenda incluir fatores externos de grande impacto sobre a variável de resultado, como sazonalidade e feriados.
Entre os itens que o guia do IAB lista nesse bloco de contexto estão promoções, mudanças de preço, distribuição ou fluxo de loja, indicadores macroeconômicos, clima quando relevante e sinais de demanda por busca. A orientação vem com a ressalva simétrica: variáveis de contexto bem escolhidas ajudam a separar o efeito do marketing das forças externas e reduzem atribuição viesada, mas incluir variáveis demais ou mal alinhadas sobreajusta o modelo e mascara efeitos reais de marketing.
A documentação do Meridian sobre variáveis de controle dá a régua da escolha. A finalidade do MMM é a inferência causal nos efeitos de mídia: entram as variáveis confundidoras, que afetam a mídia e o resultado; ficam de fora as mediadoras, que estão no caminho causal da mídia, porque incluí-las enviesa a estimativa; e não se incluem variáveis apenas para ganhar acurácia de previsão. Um mesmo indicador pode ter papéis diferentes: o volume de consultas pode ser mediador para alguns canais de mídia e confundidor para outros.
| Critério | Ajuste automático de sazonalidade | Variável de controle própria |
|---|---|---|
| O que o analista faz | No Meridian, deixa o modelo ajustar tendência e sazonalidade com um intercepto que varia no tempo | Declara o feriado, o evento ou o fator externo como variável do modelo |
| Quando considerar | Quando não é necessário incluir variáveis de sazonalidade, segundo a documentação do Meridian | Quando há um evento específico a medir, como Black Friday e Cyber Monday, que o guia do Robyn permite acrescentar |
| O que conferir | Se a linha de base capta a tendência e a sazonalidade esperadas; se não, a documentação do Meridian orienta dar mais flexibilidade a esses períodos | Se o calendário embutido cobre o evento do negócio, que o guia do Robyn avisa poder não se alinhar ao da empresa, e se a variável não é mediadora da mídia nem uma entre variáveis demais |
Por que misturar mídia e data engana o orçamento
Este é o erro que a separação evita. A trilha de aprendizado do PyMC-Marketing descreve a cena: você gastou mais em dezembro e também vendeu mais em dezembro, e a pergunta é se o resultado veio da publicidade ou do Natal. A página chama isso de confusão (confounding) e acrescenta que um modelo com ótimas estatísticas de ajuste pode estar completamente errado sobre causalidade. O mesmo raciocínio vale para o awareness que sobe junto com as buscas; a diferença entre os dois está em separar correlação de causalidade.
Há um viés específico da sazonalidade. Chan e Perry, do Google, descrevem no artigo de 2017 sobre os desafios do media mix modeling o viés de seleção que aparece quando a mídia é direcionada à sazonalidade da demanda. Os modelos tentam controlar isso com proxies da demanda sazonal, como as vendas da categoria, mas não há garantia de que a proxy reflita a demanda real do produto, e proxies imprecisas produzem coeficientes viesados.
Do outro lado, uma linha de base mal estimada distorce a leitura na direção oposta. Como o resultado não pode ser negativo, um valor de referência negativo indica erro estatístico na inferência causal dos efeitos e, nas palavras da documentação do Meridian sobre o valor de referência, “é equivalente aos efeitos do tratamento receberem muito crédito”. Se a linha de base não capta a tendência ou a sazonalidade esperadas em certos períodos, a própria documentação orienta dar mais flexibilidade a esses períodos.
Como medir o efeito da mídia na Black Friday
A Black Friday é o caso mais comum dessa separação, e o caminho tem quatro passos.
- Inclua o evento no modelo. O guia do Robyn permite acrescentar eventos que não são feriados, como Black Friday e Cyber Monday, e avisa que negócios de e-commerce podem ter impacto na receita dias antes do feriado, porque os itens precisam ser entregues antes.
- Confira se o calendário embutido cobre o evento do seu negócio. A mesma documentação lembra que o calendário de feriados do pacote pode não se alinhar ao calendário da empresa, e que quem precisa medir um dia ou evento específico deve acrescentá-lo à parte.
- Pergunte ao time de marketing onde estão os picos de gasto. A documentação do Meridian sobre variáveis de controle sugere começar a escolha por aí, com perguntas aos gerentes de marketing, entre elas se há picos de gasto que correspondem a eventos como feriados ou lançamentos de produtos.
- Confirme com um experimento. Só dados observacionais não produzem resposta causal sem experimentos ou suposições explícitas e discutíveis, como diz a trilha do PyMC-Marketing. Um aumento de verba em algumas regiões, comparado às que seguiram o gasto normal, mede quanto o dinheiro a mais rendeu, no desenho de um teste geográfico de incrementalidade.
Onde a separação falha: a linha de base é estimativa, e não medição
A linha de base é uma estimativa, e não uma medição, e como toda estimativa ela erra: a documentação do Meridian orienta revisar a flexibilidade do ajuste quando a tendência ou a sazonalidade esperadas não aparecem na linha de base.
O volume de dados limita o que dá para separar. A trilha do PyMC-Marketing diz que, com menos de cerca de 18 meses de dados, fica difícil separar publicidade de sazonalidade, porque cada estação aparece uma só vez na série. A própria página classifica isso como regra prática, não como limiar com teoria por trás. É uma orientação do PyMC-Marketing; o histórico de dados que um projeto precisa é o tema de quanto histórico de dados um MMM precisa.
Proxies fracas também atrapalham. Quando a proxy de sazonalidade escolhida não reflete a demanda real, os coeficientes saem viesados, como descrevem Chan e Perry. E a janela de análise ajuda: o guia do Robyn explica que a janela móvel permite usar o histórico inteiro, por exemplo quatro anos, para determinar com mais precisão tendência, sazonalidade e efeitos de feriado.
Ajustar não é eliminar. Nenhum desses recursos remove a sazonalidade do resultado: eles dão a ela um lugar na conta, para que o efeito da mídia seja estimado ao lado dela, e não no lugar dela.
Como a Purple trata o efeito de cada canal e os fatores externos
A Purple Metrics é uma parceira de Marketing Science que combina software de Marketing Mix Modeling (MMM), metodologia própria e especialistas para ajudar o marketing a entender o retorno dos investimentos em cada canal, prever resultados e tomar decisões que impactam o negócio. Criada em 2021, ela usa um modelo bayesiano de séries temporais sobre dados agregados do histórico da própria empresa cliente, sem depender de rastreamento individual por cliques, UTMs ou cookies. O modelo lê todos os canais juntos, inclusive marca e offline, e estima o impacto incremental de atividades de marketing e de fatores externos sobre o indicador de resultado escolhido, como faturamento ou cadastros. As séries temporais bayesianas apoiam a estimativa das relações entre ações de marketing e resultado; a interpretação causal depende das premissas e da qualidade do modelo.
Sobre fatores externos, o modelo pode incluir variáveis exógenas, ou seja, fatores externos ao investimento em marketing que ajudam a explicar o resultado, como a cotação do dólar, conforme a relevância para o negócio e a validação no modelo; acrescentar variável não garante melhora. Para separar a data do efeito da mídia, os especialistas da Purple também fazem estudos de sazonalidade.
O modelo considera contribuição, lag, halo, saturação e otimização. O lag importa para quem olha novembro: na página de ciência da Purple, ele espalha o investimento de uma semana pelas dez seguintes, e por isso parte do resultado de um mês pode vir de mídia veiculada semanas antes, no efeito da mídia que chega nas semanas seguintes.
A pergunta “foi a mídia ou a data?” foi tema do Purple Pills de 02/10/2026, evento online da Purple sobre a Black Friday cuja chamada dizia que, na Black Friday, todo canal parece gênio. Quem quer ver o efeito de cada canal separado do calendário da própria empresa pode agendar uma conversa com a Purple.
Perguntas frequentes
Como saber se a venda da Black Friday veio da mídia ou da data?
A resposta sai da comparação entre o que o modelo atribui à mídia e a linha de base estimada para a data. O guia do Robyn recomenda incluir fatores externos de grande impacto, como sazonalidade e feriados, e permite acrescentar eventos que não são feriados, como Black Friday e Cyber Monday; ele avisa que e-commerces podem ter efeito na receita dias antes do feriado, porque os itens precisam ser entregues antes. A trilha do PyMC-Marketing descreve a situação em que se gastou mais e se vendeu mais no mesmo mês, dezembro, e a chama de confusão (confounding): sem experimento ou suposições explícitas, dados observacionais não dão resposta causal.
O que é baseline em marketing mix modeling?
É o que teria acontecido com a marca ou a linha de produtos sem as contribuições dos canais de marketing, segundo a documentação do Meridian, que lembra que as empresas esperam vender mesmo sem marketing. Na documentação do Robyn, a linha de base reúne tendência, estação, feriado, variáveis externas, como o clima, e o intercepto do modelo; o que é de marketing e controlável, como mídia paga, mídia orgânica, preço e promoção, fica fora dela.
A sazonalidade precisa entrar como variável no modelo?
A sazonalidade pode ficar a cargo do próprio modelo. A documentação do Meridian diz que variáveis de sazonalidade costumam entrar como controles, como modelos de feriados, mas que o Meridian tem ajuste automático de sazonalidade e tendência, feito por um intercepto que varia no tempo, e por isso não é necessário incluí-las; o ajuste pode ser desativado para dar lugar a variáveis próprias. O Robyn usa o Prophet para decompor tendência, estação, feriado e dia da semana, e o guia dele pede que fatores externos de grande impacto, como sazonalidade e feriados, entrem no modelo.
Colocar mais variáveis de controle ajuda a separar o efeito da mídia?
Mais variáveis não significam separação mais confiável. O guia do IAB, de dezembro de 2025, elaborado com provedores de MMM e profissionais, diz que variáveis de contexto bem escolhidas ajudam a separar o efeito do marketing das forças externas, mas que variáveis demais ou mal alinhadas podem causar sobreajuste e mascarar efeitos reais. A documentação do Meridian dá a régua: incluir as confundidoras, que afetam a mídia e o resultado, excluir as mediadoras, que estão no caminho causal da mídia, e não incluir variáveis apenas para ganhar acurácia de previsão.
Dá para incluir indicadores macroeconômicos, clima e calendário na separação dos efeitos?
Dá, e as documentações citam esses fatores externos. Entre as variáveis de contexto do guia do IAB estão promoções, mudanças de preço, distribuição ou fluxo de loja, indicadores macroeconômicos, clima quando relevante e sinais de demanda por busca; no Robyn, o clima, a estação e os feriados compõem a linha de base. A documentação do Meridian faz um alerta sobre o volume de consultas, que pode ser mediador para alguns canais de mídia e confundidor para outros.
Em resumo
- A linha de base é o que teria acontecido sem as contribuições dos canais de marketing, e reúne tendência, sazonalidade, feriados e fatores externos.
- O Robyn decompõe tendência, estação, feriado e dia da semana com o Prophet; o Meridian traz ajuste automático de sazonalidade e tendência e aceita variáveis próprias.
- Sem a separação, a mídia leva o crédito da data, como a trilha do PyMC-Marketing descreve no exemplo de dezembro.
- Eventos que não são feriados, como a Black Friday, podem ser acrescentados ao modelo, e um experimento confirma o que o modelo sugeriu.
- Com menos de cerca de 18 meses de dados fica difícil separar publicidade de sazonalidade, segundo a trilha do PyMC-Marketing.
- Na Purple, o modelo pode incluir fatores externos ao investimento em marketing, como a cotação do dólar, conforme a relevância para o negócio e a validação, e os especialistas fazem estudos de sazonalidade.
Equipe Purple — conteúdo da Purple Metrics, parceira de Marketing Science. Atualizado em outubro de 2026.