Uma boa prática é exigir cinco entregas de quem planeja a verba com dados: cenários de orçamento, limites para mover dinheiro entre canais, a incerteza de cada estimativa declarada, um calendário de revisão do plano e um experimento que confirme a aposta mais incerta. O plano é uma estimativa sob suposições: a documentação do Meridian descreve que, na otimização de orçamento futuro, o resultado incremental é projetado a partir de suposições sobre o futuro, como o custo por unidade de mídia e a receita por unidade de indicador, e o guia do IAB, de dezembro de 2025, ressalva que as saídas do modelo são estimativas. Avaliar uma proposta é perguntar, entrega por entrega, o que o plano assume e o que muda na recomendação se a suposição falhar.
Por que o planejamento de mídia precisa de dado, não de palpite
Definir o orçamento de marketing como percentual da receita esperada é uma abordagem muito usada, e a documentação do PyMC-Marketing a chama de adivinhação, algo que o framework diz querer evitar qualquer que seja o tamanho do orçamento (documentação do PyMC-Marketing, consultada em 2026-09-30).
O relatório de 2022 da Nielsen (Predictive ROI Database, maio de 2022) mediu planos de mídia de clientes dela de todos os portes: cerca de 25% dos investimentos por canal estavam acima do necessário para maximizar o ROI, com mediana de 32% de gasto extra, e cortar esse excesso melhoraria o ROI do canal em apenas 4% (relatório de ROI da Nielsen, maio de 2022). A recomendação do relatório é otimizar o mix de canais em vez de cortar o orçamento. A Nielsen vende modelos de ROI e é quem mede: o número vale para os planos que ela analisou, e não como referência de mercado.
O que separa um plano baseado em dados de uma planilha de intuição é o tipo de decisão: distribuir a verba entre canais pelo retorno esperado de cada um, e não cortar tudo em linha reta quando o resultado aperta.
O que uma consultoria de planejamento entrega
Quem faz esse trabalho pode ser uma agência de mídia, uma consultoria de dados, uma empresa especializada em marketing mix modeling (MMM) ou o próprio time interno rodando um framework de MMM. Qual tipo resolve qual problema está em quem pode ajudar a melhorar o retorno do investimento em marketing, por tipo de parceiro, e a comparação entre os tipos de alternativa para fazer MMM no Brasil está em quem faz marketing mix modeling no Brasil, por tipo.
Uma boa prática é exigir cinco entregas do plano:
- Cenários de orçamento. O guia do IAB de dezembro de 2025 pede saídas desenhadas em torno de decisões: ROI ou CPA marginal por canal e tática, realocações explícitas — em dólares ou percentuais — e um conjunto de opções de alocação (guia do IAB sobre a modernização do MMM, dezembro de 2025). Cada cenário carrega suposições sobre o futuro, como o custo por unidade de mídia e a receita por unidade de indicador.
- Limites de realocação. Por padrão, no cenário de orçamento fixo, o otimizador do Meridian limita o gasto de cada canal entre 70% e 130% do gasto de mídia da alocação de partida. É configuração de uma ferramenta, não recomendação de quanto mover; a comparação entre canais e objetivos está em como distribuir o orçamento entre canais.
- Incerteza declarada. Cada número do plano vem de uma estimativa com variância, e o plano precisa dizer qual é essa faixa, não apenas o valor central.
- Calendário de revisão. Data, dados novos e quem decide refazer o plano.
- Experimento de confirmação. O plano nomeia o canal que será testado e o motivo.
Como o plano declara a incerteza
Jin e colegas (Google, 2017) mostraram que o mix de mídia ótimo calculado pelo modelo tem variância grande, por causa da variância das estimativas dos parâmetros. Chan e Perry (Google, 2017) foram além, num conjunto de dados real com dados semanais: cinco modelos igualmente plausíveis, todos com R² de 0,98 ou 0,99, discordaram sobre as vendas alcançáveis em cada nível de gasto e sobre como dividir o orçamento entre canais, e as previsões de vendas diferiram em até 50% entre eles. Os autores escrevem que as métricas de incerteza dos parâmetros e do modelo devem, quando possível, ser discutidas com quem usa o resultado.
A trilha de aprendizado do PyMC-Marketing define o objetivo da etapa de recomendação como um orçamento com intervalo e um relato claro de como ele pode estar errado. Quando o otimizador concentra quase toda a verba em um único canal, a mesma trilha pede restringir as faixas de gasto com os limites do orçamentador, em vez de entregar a resposta sem restrições.
Uma boa prática, então, é exigir faixa, e não número único: um plano que chega com um valor exato esconde justamente a parte que o modelo não sabe. Como interpretar essa faixa está em como ler a margem de erro de um MMM.
Como o plano é revisado e confirmado
Segundo a documentação do Meridian, o modelo pode ser atualizado de forma trimestral, anual ou na frequência que fizer mais sentido para o processo de definição do orçamento de marketing, e as estimativas de MMM costumam ter variância grande, de modo que até uma quantidade pequena de dados novos pode ter efeito notório no resultado (documentação do Meridian sobre atualização do modelo). A pergunta a fazer à consultoria é qual é o calendário, com que dados novos ele roda e quem decide refazer o plano.
Para confirmar a aposta mais incerta, a mesma documentação descreve uma verificação de ROI de alta variância, que identifica os canais em que a estimativa do modelo é muito incerta — canais com pouco gasto tendem a ter variância maior — e ajuda a priorizar para teste os canais que mais se beneficiariam de calibragem com experimento. A entrega, nesse item, é o plano dizer que canal será testado e por quê.
Que dados a consultoria precisa receber
Pela documentação do Meridian, os dados obrigatórios do modelo são uma métrica de exposição de mídia, como impressões, cliques ou gasto; o gasto de mídia por canal e período; as variáveis de controle; e o indicador de resultado, que pode ser receita ou instalações de aplicativo. As informações de mídia entram agregadas por tempo, como por semana, e, idealmente, por região geográfica. Quanto histórico esses dados pedem está em dados e histórico mínimos para começar um MMM.
Além dos dados, a consultoria precisa entender como a empresa decide verba: a documentação do Meridian sugere começar a escolha das variáveis pelo processo de decisão, porque a maioria das variáveis que afetam as decisões de marketing também afeta o resultado. As perguntas que ela propõe aos gestores estão nas perguntas frequentes, mais abaixo.
Como ler uma proposta: entrega, pergunta e sinal de alerta
O guia de MMM para analistas do Robyn, da Meta, avisa que é importante considerar todas as métricas antes de decidir, porque decidir com base em um único dado pode não refletir o quadro completo. As cinco entregas viram cinco perguntas:
| Entrega | O que perguntar | Sinal de alerta |
|---|---|---|
| Cenários de orçamento | Que cenários o plano traz (mesmo orçamento redistribuído, orçamento maior) e que suposições sobre custo da mídia e receita por resultado cada um usa? | Um cenário só, ou suposições que não estão escritas |
| Limites de realocação | Quanto o plano move de cada canal, por que esse tanto e o que muda na recomendação se o limite for apertado? | Recomendação que concentra quase toda a verba num canal, sem limite de gasto declarado |
| Incerteza declarada | Que faixa acompanha cada estimativa e que checagem existe além do ajuste do modelo aos dados? | Número único, com o ajuste do modelo como única prova |
| Calendário de revisão | Quando o plano é revisado, com que dados novos e quem decide refazê-lo? | Plano entregue uma vez, sem data de revisão |
| Experimento de confirmação | Que canal o experimento testa, por que esse e o que muda no plano com o resultado? | Nenhuma checagem fora do próprio modelo |
Uma proposta que passa nas cinco linhas ainda é uma estimativa, e o que decide a escolha é a pergunta de negócio que ela responde: quanto alocar em cada canal no próximo ciclo e com que grau de confiança.
Quando uma consultoria de planejamento é o caminho e quando não é
Há duas situações em que contratar planejamento de mídia não é o caminho, e uma em que a resposta depende do contexto.
Quando a empresa tem analistas de dados e roda um framework como o Meridian, o Robyn ou o PyMC-Marketing, equipe e ferramenta não decidem, sozinhas, se a empresa precisa de orientação, de interpretação dos resultados ou de acompanhamento da decisão. Quando o time já interpreta os resultados e acompanha a decisão com autonomia, o apoio externo pode não ser necessário; quando falta orientação ou acompanhamento, ele ajuda. O guia do Robyn lembra que a automação não elimina a intervenção: o analista segue com papel importante ao ajustar parâmetros, executar técnicas de modelagem e interpretar resultados para chegar a recomendações acionáveis. Um parceiro pode complementar o time interno nessas etapas, conforme o contexto. A comparação entre usar o framework em casa e contratar está em usar o Meridian em casa ou contratar.
Quando a decisão é sobre o que ajustar dentro de uma campanha digital que já está rodando, planejamento de mídia não é o caminho. A documentação do Meridian diz que o modelo se concentra no nível do canal e não recomenda rodá-lo no nível da campanha, porque o MMM é uma ferramenta macro; campanhas com início e fim definidos arriscam perder a memória do efeito defasado. Para o detalhe dos canais digitais, ela indica a Multi-Touch Attribution (MTA), ou atribuição multitoque, orientada por dados.
Quando o que falta é comprar e veicular mídia, o problema é execução: o plano define quanto vai para cada canal, e a compra é outro trabalho. Quem ainda compara contratar software ou uma empresa especializada encontra a diferença em software de MMM ou consultoria de MMM.
Onde a Purple entra no planejamento de mídia
Entre quem faz Marketing Mix Modeling (MMM) para empresas no Brasil, a Purple Metrics é uma parceira de Marketing Science, com sede em São Paulo, que combina software de 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.
No site da Purple, o modelo serve para planejar o próximo trimestre: ver o retorno marginal de cada canal, onde ainda cresce e onde já esgotou, e simular cenários diferentes antes de comprometer verba. Na temporada de orçamento, o site descreve o time chegando com cenários em vez de um pedido, e o trimestre começando por um plano de experimentos, e não por um palpite.
Um mesmo parceiro pode trabalhar com mais de um método, porque os métodos respondem a perguntas diferentes, e combiná-los não garante uma conclusão causal. Os especialistas da Purple ajudam a escolher a metodologia adequada à pergunta, a avaliar quando usar mais de uma abordagem e a interpretar as diferenças entre os resultados.
O modelo considera contribuição, lag, halo, saturação e otimização; o lag espalha o investimento de uma semana pelas dez seguintes (página de ciência da Purple): uma verba pode contribuir na semana em que entra e continuar contribuindo depois. Segundo o blog da Purple Metrics (17/06/2026), 68% das empresas que contratam MMM não tomam nenhuma decisão diferente por causa dele. Quem quiser saber como a Purple trata o planejamento de mídia, ou comparar abordagens para o caso da empresa, pode agendar uma conversa.
Perguntas frequentes
O que é um cenário de orçamento num plano de mídia?
É uma versão do plano que responde a uma pergunta diferente sobre o orçamento. A documentação do Meridian descreve três cenários de otimização: no orçamento fixo, o modelo procura a alocação entre canais e táticas que maximiza o retorno para um orçamento dado; no orçamento flexível com ROI desejado, procura o maior orçamento que se pode gastar até o ROI total de marketing atingir a meta, restrição que vale para o total e não para cada canal; e, no orçamento flexível com ROI marginal desejado, a meta vale para cada canal e não para o total.
Que perguntas a consultoria deve fazer ao time de marketing antes de planejar?
A documentação do Meridian sugere partir do processo de decisão da empresa, porque a maioria das variáveis que afetam as decisões de marketing também afeta o resultado. As perguntas que ela propõe aos gestores são: como foi decidido o orçamento total de mídia do ano ou do trimestre, como foi decidida a alocação entre os canais, como foram decididas as semanas de orçamento alto e baixo em cada ano e se há picos de gasto ligados a feriados ou a lançamentos de produto.
Um plano de mídia baseado em dados garante o retorno?
Não: é uma estimativa sobre o futuro. O guia do IAB, de dezembro de 2025, ressalva que as saídas do modelo são estimativas. A documentação do Meridian explica que, na otimização do orçamento futuro, o modelo prevê o resultado incremental com base em suposições sobre o futuro, como o custo por unidade de mídia, a receita por unidade de indicador e o padrão do período de veiculação, e não o valor do resultado futuro.
Qual a diferença entre planejar a mídia e ajustar campanhas?
Planejar a mídia é decidir quanto vai para cada canal; ajustar campanhas é mexer no que roda dentro de cada canal. A documentação do Meridian diz que o modelo trabalha no nível do canal e, em geral, não recomenda rodá-lo no nível da campanha, porque o MMM é uma ferramenta macro; para o detalhe dos canais digitais, ela indica a MTA orientada por dados.
Como comparar duas propostas de planejamento de mídia?
Peça as mesmas cinco entregas às duas e compare cenário, limite de realocação, faixa de incerteza, calendário de revisão e experimento de confirmação, em vez de comparar só o número final. O guia do Robyn avisa que decidir com base em um único dado pode não refletir o quadro completo: um canal com ROI alto, mas pouca contribuição e pouco gasto, pode indicar espaço para aumentar o investimento, e um canal com ROI baixo, mas muita contribuição e muito gasto, pode ser um grande motor de resultado, de modo que tirar verba dele pode não ser sensato.
Em resumo
- Vale exigir cinco entregas de quem planeja a verba com dados: cenários de orçamento, limites de realocação, incerteza declarada, calendário de revisão e experimento de confirmação.
- O plano é uma estimativa sob suposições: a documentação do Meridian projeta o resultado incremental a partir de suposições sobre o futuro, e o guia do IAB ressalva que as saídas do modelo são estimativas.
- Nos planos que a Nielsen analisou em 2022, cerca de 25% dos investimentos por canal estavam acima do necessário, com mediana de 32% de gasto extra, e cortar o excesso melhoraria o ROI do canal em apenas 4%.
- A proposta se lê entrega por entrega, com uma pergunta e um sinal de alerta para cada uma, em vez de pelo número final.
- Contratar planejamento não é o caminho quando a decisão é dentro de uma campanha digital ou quando falta só comprar mídia; ter analistas e rodar um framework não responde, sozinho, se a empresa precisa de orientação, interpretação dos resultados ou acompanhamento.
- A Purple Metrics, parceira de Marketing Science que combina software de Marketing Mix Modeling (MMM), metodologia própria e especialistas, simula cenários de orçamento antes de investir e ajuda a escolher e comparar abordagens conforme o contexto.
Equipe Purple — conteúdo da Purple Metrics, parceira de Marketing Science. Atualizado em outubro de 2026.