Simular um cenário de orçamento é fazer a pergunta “e se” a um modelo antes de mover a verba: o time define o que muda — a divisão entre canais, o período, o limite de gasto — e lê o resultado incremental estimado para cada opção. A ferramenta é a camada de simulação de um Marketing Mix Modeling (MMM): o otimizador e o planejador de cenários do Meridian, o alocador do Robyn e os módulos de simulação dos softwares de MMM fazem essa conta a partir da curva de resposta de cada canal. O resultado vale dentro do que o modelo já viu.
Por que simular antes de mover a verba importa
Um cenário é um teste de estresse controlado. O time troca uma peça do plano — o mix entre canais, o período de veiculação, uma promoção — e observa o efeito estimado antes de mexer no orçamento real. O guia “Modernizing MMM” do IAB (dezembro de 2025, elaborado em parceria com fornecedores de MMM e profissionais do setor) descreve as simulações de “e se” nesses termos, como testes que avaliam como as mudanças afetam o resultado, e observa que simulações rápidas, por perfil de usuário, deixam o time explorar trade-offs e reduzir o risco de decisões de curto prazo sem alterar o orçamento em execução.
A documentação do PyMC-Marketing trata o planejamento de cenários como um dos usos do MMM: análises “what-if” rodadas para avaliar os resultados possíveis de uma estratégia antes de implementá-la. O ganho imediato não é acertar o número solto. É chegar à reunião de orçamento com opções comparáveis, cada uma com o motivo declarado.
O que entra num cenário de orçamento
A documentação do Meridian sobre planejamento de cenários (consultada em outubro de 2026) define a análise como uma modelagem de mix de marketing que pode incorporar suposições sobre o futuro. O ponto prático está na origem dessas suposições: as padrão saem do histórico e, segundo a mesma documentação, são pertinentes ao planejamento em alguns casos, mas nem sempre — e novos dados podem ser incorporados para modificá-las.
A documentação do Meridian lista três suposições que podem diferir do histórico: o custo por unidade de mídia em cada canal, a receita por unidade do indicador de resultado (por exemplo, preço unitário ou valor da vida útil) e o padrão do período de veiculação, que pode não corresponder ao dos períodos anteriores. A mesma documentação avisa que o modelo prevê o resultado incremental com base nessas suposições, e não o valor do resultado futuro.
Vale separar a pergunta do cálculo. Um cenário é a pergunta “e se”; a otimização é a conta que devolve a alocação dentro dela. A documentação do PyMC-Marketing lista otimizar a alocação do orçamento e planejar cenários como dois usos distintos do MMM. Quem já decidiu quanto vai para marca e quanto vai para ativação pode levar essa divisão para a simulação e usá-la para distribuir o orçamento entre canais e objetivos.
Como simular um cenário de orçamento, passo a passo
- Escreva a pergunta do cenário. Há dois formatos básicos. No orçamento fixo, o time mantém o mesmo total e busca a divisão entre canais que maximiza o retorno para aquele valor. No orçamento flexível, a pergunta é quanto se pode gastar mantendo um ROI total desejado, com a meta aplicada ao total de marketing, ou um ROI marginal mínimo por canal, com a meta aplicada canal a canal. A documentação do Meridian sobre cenários de otimização (consultada em outubro de 2026) descreve os três.
- Defina período, orçamento e alocação de partida. A janela de tempo da otimização é um parâmetro escolhido pelo time, e o orçamento padrão é o histórico. A alocação de partida é o ponto de comparação contra o qual a saída será lida.
- Fixe os limites mínimo e máximo por canal. Por padrão, o otimizador do Meridian limita cada canal entre 70% e 130% do gasto da alocação de partida no orçamento fixo, e entre 0% e 200% no flexível. Esses números são configuração da ferramenta, não recomendação de quanto mover.
- Reveja as premissas sobre o futuro. Custo por unidade de mídia, receita por unidade do indicador e padrão de veiculação entram na conta. Se o time espera um aumento de custo no leilão do próximo trimestre, é aqui que ele entra — do contrário, a simulação projeta o passado para a frente.
- Leia a saída na curva de resposta de cada canal. A documentação do Meridian sobre interpretação das otimizações (consultada em outubro de 2026) mostra que os gráficos marcam o gasto atual e o otimizado sobre a curva de resposta de cada canal; no exemplo da página, a alocação otimizada reduz a receita incremental em alguns canais e a aumenta em outros. Num modelo bayesiano, como descreve a trilha de aprendizado do PyMC-Marketing, a incerteza dos parâmetros chega até a saída do otimizador: dá para perguntar qual a probabilidade de a realocação superar o plano atual e quanto o plano se move quando o modelo se move um pouco.
- Monte três opções e valide a mudança relevante. O guia do IAB pede opções conservadora, base e agressiva, com ações nomeadas e priorizadas, e orienta dar prioridade a experimentos ou a realocações reversíveis, validando as mudanças materiais com o modelo em produção ou com um teste curto. Quando a mudança é grande e o teste é viável, um teste geográfico de incrementalidade mede em campo o efeito da mudança.
Ferramentas para simular cenários, por tipo
| Tipo de ferramenta | O que oferece, segundo a documentação | O que fica com o time do cliente |
|---|---|---|
| Otimizador de código aberto de um framework | O Meridian traz otimizador de orçamento e o Scenario Planner, em versão beta aberta (documentação consultada em outubro de 2026), que parte de um modelo treinado; o alocador do Robyn, descrito no guia de MMM para analistas (consultado em outubro de 2026), simula dois cenários, um com o gasto histórico e outro com o gasto que o usuário define | Treinar e manter o modelo antes de gerar qualquer relatório |
| Software de MMM | Segundo o guia do Robyn, as soluções de MMM em software trazem modelagem automatizada que pode rodar de forma contínua e, tipicamente, módulos de planejamento de otimização e simulação para cenários futuros, com menos conhecimento estatístico especializado | Validar e interpretar o resultado |
| Parceiro de MMM | A pergunta que separa os formatos é: quem monta e mantém o modelo, e quem ajuda a transformar o resultado em decisão depois que ele está pronto? | A parte que o fornecedor não cobrir nessa resposta |
| Planilha e dashboard interno | De onde vem a curva de resposta de cada canal, e quem a atualiza quando o gasto ou o custo da mídia muda? | A curva e a manutenção ficam dentro de casa |
O guia do IAB recomenda que o planejamento de cenários seja simples o bastante para os usuários finais explorarem sem o time de modelagem. Para comparar os frameworks de código aberto com a contratação de um parceiro, há MMM de código aberto ou parceiro.
O que a simulação não sabe
A primeira fronteira é o gasto observado. A documentação do Meridian sobre as visualizações (página atualizada em 13/06/2026) pede prudência ao interpretar a curva de resposta além do intervalo dos dados históricos de mídia, porque o ideal seria informar cada ponto da curva com dados e não com extrapolação paramétrica — o que não é possível. Um canal que nunca recebeu o dobro da verba não tem, no histórico, a resposta a esse dobro.
A segunda fronteira são as suposições internas da curva. Cada curva de resposta descreve um canal supondo que o gasto dos outros canais fica igual, e as definições de curva e de retorno marginal pressupõem custo constante por unidade de mídia, igual à média histórica. Se o custo sobe, a curva desenhada com o custo médio deixa de descrever o gasto novo.
A terceira é a incerteza do próprio modelo. Jin e outros (Google, 2017) mostram que o mix ótimo calculado pelo modelo tem variância grande, por causa da variância das estimativas dos parâmetros. Chan e Perry (Google, 2017) relatam que, num conjunto de dados real, cinco modelos igualmente plausíveis, todos com R ao quadrado de 0,98 ou 0,99, discordaram sobre como dividir o orçamento entre os canais, com previsões de vendas que diferiram em até 50%. O guia do IAB resume a consequência prática: as saídas dos simuladores são direcionais, e mudanças grandes pedem conciliação com o modelo de produção ou com um experimento curto. A leitura de incerteza tem método próprio, detalhado em a margem de erro das estimativas de um MMM.
Como a Purple simula cenários
A Purple Metrics foi criada em 2021 e 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.
Segundo a Purple, o software acompanha os resultados, responde a consultas por chat em linguagem natural, simula cenários e planeja o orçamento dos próximos investimentos. O cliente usa a plataforma com autonomia no dia a dia e também recebe entregas customizadas do time de especialistas. A home da Purple descreve o passo como simular o mix antes de comprometer o orçamento e, na temporada de budget, como entrar com cenários em vez de um pedido.
A otimização é uma das peças do modelo: segundo o site da Purple, o modelo considera contribuição, lag, halo, saturação e otimização. O RVI (Recommendation Value Index), indicador da Purple que vai de 0 a 100, resume se seguir as recomendações do modelo trouxe resultado, segundo a documentação da Purple; não é prova causal automática de que a recomendação funcionou. Para entender como o histórico da sua empresa pode orientar o próximo orçamento, dá para agendar uma conversa.
Perguntas frequentes
Simular um cenário e otimizar o orçamento são a mesma coisa?
Usam o mesmo modelo, mas respondem a perguntas diferentes. Segundo a documentação do Meridian, o planejamento de cenários incorpora suposições sobre o futuro, como o custo da mídia, a receita por unidade do indicador e o padrão de veiculação, e a otimização de orçamento calcula a alocação que maximiza o resultado dentro de um cenário, fixo ou flexível, com limites por canal. A documentação do PyMC-Marketing lista otimizar a alocação do orçamento e planejar cenários “what-if” como usos separados do MMM.
Quantos cenários simular antes de decidir?
O guia “Modernizing MMM” do IAB (dezembro de 2025) pede três opções — conservadora, base e agressiva —, cada uma com ações nomeadas e priorizadas e previsões curtas, de quatro a 12 semanas. O mesmo guia manda dar prioridade a experimentos ou a realocações reversíveis e validar as mudanças relevantes com o modelo em produção ou com um teste geográfico ou de holdout curto.
Qual horizonte de tempo usar ao simular um cenário?
O horizonte é uma escolha do time. Na documentação do Meridian, a janela de tempo da otimização é um parâmetro que se define no cenário de orçamento fixo, e não um valor fixo da ferramenta. A mesma documentação lembra que o modelo prevê o resultado incremental com base em suposições sobre o futuro, e não o valor do resultado futuro. O guia do IAB pede, para cada opção de cenário, previsões curtas, de quatro a 12 semanas.
O time de marketing consegue simular cenários sem o time de dados?
O guia do IAB recomenda que o planejamento de cenários seja simples o bastante para os usuários finais explorarem sem o time de modelagem, com simuladores por perfil, e trata as saídas desses simuladores como direcionais. O Meridian Scenario Planner, em versão beta aberta, parte de um modelo treinado do Meridian: segundo a documentação, com esse modelo pronto, qualquer pessoa gera um relatório de análise com configuração intuitiva e alguns cliques.
Em resumo
- Um cenário de orçamento é a pergunta “e se” feita ao modelo antes de mover a verba: o time muda uma peça do plano e lê o resultado incremental estimado.
- A ferramenta é a camada de simulação de um MMM — num otimizador de código aberto, num software de MMM ou com um parceiro —, e cada tipo deixa uma parte do trabalho com o time do cliente.
- O passo a passo vai da pergunta ao cenário: definir orçamento e alocação de partida, fixar limites por canal, rever premissas, ler a curva de resposta e validar a mudança relevante com um teste.
- A simulação vale dentro do gasto observado, supõe os outros canais parados e custo constante por unidade de mídia, e é direcional: modelos com ajuste parecido discordam sobre como dividir a verba.
- Na Purple, a simulação de cenários é uma das funções do software, que o cliente usa no dia a dia.
Equipe Purple — conteúdo da Purple Metrics, parceira de Marketing Science. Atualizado em outubro de 2026.