Dados e histórico mínimos para começar um Marketing Mix Modeling

Um Marketing Mix Modeling (MMM) começa com quatro blocos de dado: o resultado que se quer explicar, o gasto de mídia por canal e período, uma métrica de exposição à mídia e as variáveis de controle. Pela documentação do Meridian sobre coleta de dados, consultada em 30/09/2026, esses são os dados obrigatórios do modelo. Antes de contar semanas de janela, a conferência que evita retrabalho é outra: se o gasto de cada canal variou no período e se há observações suficientes para o número de variáveis que o modelo vai estimar; sobre a janela, o guia do Robyn fala em no mínimo dois anos de dados semanais e a documentação do Meridian recomenda dois anos para modelos por região e três para modelos nacionais.

Por que os dados mínimos importam antes de qualquer modelo

Segundo a trilha de aprendizado do PyMC-Marketing, a maioria dos modelos de marketing mix que falham falha antes da primeira linha de código: quem pula a checagem de dados pode gastar três semanas para produzir um número em que ninguém acredita.

O segundo efeito é estatístico. A mesma trilha explica que o modelo aprende sobre um canal nos momentos em que o gasto foi diferente: um canal com 50 mil euros fixos toda semana durante dois anos não traz quase nenhuma informação sobre o que acontece com 30 mil ou 80 mil, e, se o plano de mídia foi estável, o modelo devolve em grande parte as priors.

O terceiro ponto alivia quem trabalha com dados sensíveis. Segundo o guia de MMM para analistas do Robyn, da Meta, o MMM não precisa de dado no nível do usuário e roda sobre dados agregados, como os de nível de campanha, enquanto a Multi-Touch Attribution (MTA), ou atribuição multitoque, depende de sinais online.

Quais dados um MMM pede

A lista abaixo é o que cada documentação pede, e não um conjunto único de mercado: Meridian, Robyn e PyMC-Marketing descrevem blocos parecidos com diferenças de vocabulário e de exigência. O time de dados confere item por item antes de subir a base.

Tipo de dado	O que as documentações pedem	O que conferir
Resultado (o KPI)	A documentação do Meridian trata o KPI de destino como a variável de resposta do modelo, por exemplo o valor da receita ou o número de instalações do aplicativo	Se a métrica escolhida é a mesma que a empresa usa para decidir verba
Gasto por canal e período	O Meridian exige os gastos por canal e período; a documentação do PyMC-Marketing pede a série temporal do gasto, ou das impressões, de cada canal	Se o gasto de cada canal variou no período, em vez de ficar fixo semana após semana
Exposição à mídia	O Meridian aceita uma única métrica de exposição à mídia, como impressões, cliques ou gastos; o guia do Robyn prefere métricas de exposição, que descrevem como a mídia foi consumida	Qual métrica representa o consumo de cada canal, e por que ela foi escolhida
Variáveis de controle	O Meridian inclui as variáveis de controle usadas no modelo; o PyMC-Marketing cita indicadores econômicos, como PIB e taxa de desemprego, mudanças de preço e promoções	Se os períodos atípicos da empresa têm uma variável que os explique
Todos os canais significativos	O PyMC-Marketing manda incluir todos os canais de marketing significativos usados no período, como TV, rádio, digital e mídia impressa	Se nenhum canal relevante ficou fora, inclusive os offline

A escolha do KPI muda o resto da lista: é ela que define qual resultado incremental o modelo estima e como a conversa com a área financeira acontece. Quando essas séries vêm de sistemas diferentes, a montagem da base é um trabalho à parte, descrito em integrar dados de marketing de diferentes fontes.

Qual métrica de exposição usar

Meridian, Robyn e PyMC-Marketing divergem, e nenhuma trata a escolha como consenso. O que importa é o time registrar a própria decisão.

Impressões, cliques ou gastos (Meridian). A documentação do Meridian aceita uma única métrica de exposição à mídia e admite as três formas.
Métricas de exposição, sem cliques (Robyn). O guia do Robyn recomenda usar métricas de exposição como entrada direta do modelo, por descreverem de forma mais fiel que o gasto como a mídia foi consumida, e manda evitar cliques, que não contam as conversões após visualização.
Gasto ou impressões (PyMC-Marketing). A trilha do PyMC-Marketing diz que as impressões estão mais perto do mecanismo causal e que o gasto é o que a empresa controla e reporta; a escolha entre os dois fica com o analista.

A decisão tem efeito na releitura: se a métrica de exposição mudar no meio da série, a comparação entre períodos deixa de ser direta e o time perde a régua que usava para julgar o retorno do canal. Sem consenso entre as três fontes, o caminho é escolher a métrica por canal, registrar a escolha e mantê-la no mesmo padrão quando o modelo for reestimado.

Como saber se você já tem o mínimo para começar, passo a passo

A ordem abaixo é de conferência, não de dificuldade: cada passo fecha uma decisão que o time de dados toma com o time de marketing, e o que faltar aparece antes de o modelo rodar.

Parta da meta de negócio e defina o KPI e o período que o modelo vai explicar. O KPI é a variável de resposta, como o valor da receita ou o número de instalações, e acompanha a meta de negócio; o período precisa cobrir os ciclos de investimento que a empresa quer comparar.
Liste todos os canais significativos e o gasto de cada um por período. Cada canal entra com a série temporal do gasto por período.
Escolha e registre a métrica de exposição de cada canal. Meridian, Robyn e PyMC-Marketing divergem na métrica de exposição; o time escolhe a de cada canal e registra a escolha.
Liste as variáveis de controle. Entram indicadores econômicos, mudanças de preço e promoções, além de qualquer fator que explique um período fora do padrão.
Feche a granularidade e a geografia. O guia do Robyn recomenda o nível semanal como boa prática e diz que o dado diário pode ser aceitável, com validações extras; a documentação do Meridian recomenda o dado semanal pelo equilíbrio entre variação e ruído e o corte por região, que permite usar a estrutura hierárquica e gerar intervalos menores nas estimativas. Sem dado geográfico, o dado nacional é alternativa aceitável, desde que tenha pontos de dados suficientes por efeito que se quer medir.
Confira a variação do gasto e a proporção de observações por variável. O guia do Robyn recomenda uma variável independente para dez observações; a documentação do Meridian, sobre os modelos nacionais, diz: “uma métrica importante de verificação de confiança é o número de pontos de dados por parâmetro do modelo”.
Confira se o conjunto está completo. A documentação do Meridian diz: “O Meridian exige um conjunto completo, sem valores ausentes, para funcionar corretamente”; o que fazer com as lacunas está em o que fazer com dados incompletos ou imperfeitos.

E o histórico mínimo? O resumo

Sobre o tamanho da janela, o que existe são recomendações de cada documentação. Como regra geral, a documentação do Meridian recomenda pelo menos dois anos de dados semanais para modelos geográficos e três anos para modelos nacionais, com o dado semanal no lugar do diário ou do mensal. O guia do Robyn fala em no mínimo dois anos de dados semanais para resultados robustos. As duas são recomendações das fontes citadas; o resto da conta, como o dado mensal e o número de observações, está em quanto histórico de dados um MMM precisa.

Os erros que fazem um começo falhar

Pular a revisão de qualidade dos dados antes de montar o modelo, que a trilha do PyMC-Marketing aponta como a falha mais comum.
Deixar o gasto fixo semana após semana em algum canal: sem variação, o modelo não aprende o que acontece em outros níveis de investimento.
Escolher cliques como métrica de exposição sem registrar o motivo: o guia do Robyn os evita, enquanto o Meridian os aceita.
Juntar dado no nível do usuário que o MMM não pede: a modelagem roda sobre dados agregados, como os de nível de campanha.
Deixar valores ausentes sem tratamento, já que a documentação do Meridian exige um conjunto completo.
Tratar a recomendação de uma documentação como regra geral de mercado: cada fonte descreve o conjunto com exigências próprias, e cada escolha precisa ser registrada com a sua condição.

Como a Purple começa e avalia a base de dados

Criada em 2021, 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.

A parceria começa pela meta de negócio: a Purple identifica o que o marketing precisa alcançar e mapeia as entregas até lá. Depois avalia a base, orienta o que falta e apoia a organização dos dados, inclusive com IA, sem exigir que o cliente chegue com a base pronta. Segundo a Purple, o modelo precisa de dados históricos de investimento, exposição e resultado, e a avaliação de viabilidade da base confere se eles são adequados.

A documentação da Purple organiza o que entra em três camadas: o investimento, que é o que o marketing controla; as variáveis intermediárias, que são a ação do público, como impressões ou cliques agregados; e a variável de conversão, como faturamento, cadastros, downloads ou vendas. Um único modelo Purple usa uma métrica de resultado, escolhida conforme o objetivo de negócio, e ela não precisa ser vendas. Os dados entram como conjuntos agregados, anônimos e absolutos, sem depender de rastreamento individual por cliques, UTMs ou cookies, e contagens agregadas de cliques e impressões podem entrar quando adequadas ao modelo. O modelo aceita variáveis que não geram clique nenhum, como mídia offline, canais digitais de topo de funil, mídia exterior (OOH) e PR, e pode incluir fatores externos ao investimento em marketing, como a cotação do dólar, conforme a relevância para o negócio e a validação no modelo.

Sobre o tamanho da base, a documentação da Purple recomenda cerca de 10 variáveis intermediárias por ano de histórico, sem passar muito de 20. O modelo considera contribuição, lag, halo, saturação e otimização, inclusive para marca e offline, e essa leitura serve para prever o resultado de novos investimentos e planejar o orçamento. Sobre o prazo, segundo a Purple, um modelo de MMM pode ser gerado em 15 minutos quando os dados necessários já estão disponíveis; o prazo é o da geração do modelo, não o da organização dos dados nem o da implantação, e o caminho até os primeiros aprendizados é o tema de quanto tempo leva para um MMM dar os primeiros aprendizados.

Quem quer conferir a própria base pode agendar uma conversa com a Purple.

Perguntas frequentes

Quais dados são necessários para fazer um marketing mix modeling?

Segundo a documentação do Meridian, os dados obrigatórios são uma métrica de exposição à mídia, o gasto de mídia por canal e período, as variáveis de controle e o KPI, que é a variável de resposta, como receita ou instalações. A documentação do PyMC-Marketing acrescenta que o modelo deve incluir todos os canais de marketing significativos usados no período, além de variáveis de controle como indicadores econômicos, mudanças de preço e promoções.

Que variáveis além da mídia o modelo pede?

As variáveis de controle. A documentação do Meridian lista as variáveis de controle entre os dados obrigatórios do modelo, ao lado do KPI e do gasto por canal e período, e a do PyMC-Marketing cita como exemplos indicadores econômicos, como PIB e taxa de desemprego, mudanças de preço e promoções.

Dados de TV, rádio e outras mídias offline entram no modelo?

Entram. A documentação do PyMC-Marketing cita TV, rádio, digital e mídia impressa como exemplos de canais com série temporal de gasto, ou de impressões, e manda incluir todos os canais de marketing significativos usados no período. O que ela pede é a série de cada canal, e não que o canal seja digital.

Preciso de dados pessoais dos clientes para fazer um MMM?

Não. O guia do Robyn, da Meta, diz que o MMM não precisa de dado no nível do usuário e que roda sobre dados agregados, como os de nível de campanha, enquanto a MTA depende de sinais online.

Os dados precisam ser semanais ou dá para usar dados diários?

O guia do Robyn recomenda coletar no nível semanal como boa prática e diz que o dado diário também pode ser aceitável, mas exige validações extras. A documentação do Meridian recomenda dados semanais, que dão um equilíbrio vantajoso entre variação e ruído, principalmente em comparação com dados diários ou mensais.

Em resumo

Os dados mínimos que um MMM pede são o resultado que se quer explicar, o gasto por canal e período, uma métrica de exposição à mídia e as variáveis de controle.
As referências divergem na exposição: o Meridian aceita impressões, cliques ou gastos, o guia do Robyn prefere métricas de exposição e evita cliques, e o PyMC-Marketing deixa a escolha entre gasto e impressões com o analista.
Antes de contar semanas, o time confere se o gasto de cada canal variou, se há observações suficientes por variável e se o conjunto está sem valores ausentes.
O histórico tem recomendações por fonte: dois anos de dados semanais no guia do Robyn, e dois anos para modelos por região e três para nacionais na documentação do Meridian; o assunto está detalhado em quanto histórico de dados um MMM precisa.
A Purple começa pela meta de negócio, avalia a base e orienta o que falta; o modelo, segundo a Purple, precisa de dados históricos de investimento, exposição e resultado.

Equipe Purple — conteúdo da Purple Metrics, parceira de Marketing Science. Atualizado em outubro de 2026.