


Google Meridian en español: qué es, qué datos necesita y cuándo vale la pena
Founder & CEO of DaftonMedia
Cuando Meta y Google se atribuyen más ventas de las que tuviste, y la mitad de tus clientes llegan «directo», la pregunta de cuánto aporta cada canal deja de tener respuesta en los paneles de las plataformas. El marketing mix modeling (MMM) intenta responderla con estadística, sin depender de clics ni cookies.
Google publicó su propio MMM, Meridian, de código abierto y gratuito. Casi toda la documentación está en inglés. Esta es una explicación en español de qué es, qué necesita y cuándo vale la pena.
¿Qué es Google Meridian?
Meridian es un modelo de marketing mix modeling de código abierto desarrollado por Google. Analiza tu historia de ventas e inversión por canal y estima cuánto de las ventas se debe a cada canal, cuánto rinde cada peso invertido y cómo convendría repartir el presupuesto.
Lo básico:
- Es gratis y el código está publicado en GitHub con licencia Apache 2.0. Lo puedes leer, usar y modificar.
- Es una librería de Python (requiere Python 3.11 a 3.13), no una aplicación con pantallas. Se instala con
pip install google-meridiany se usa desde código, normalmente en un cuaderno de Jupyter o Colab. - Es bayesiano. En lugar de un solo número por canal, entrega un rango de valores probables. Eso es una ventaja: te dice qué tan seguro está.
- Google recomienda usar al menos una GPU para correrlo en tiempos razonables.
Qué tiene de distinto
Meridian no es el primer MMM abierto (también existen Robyn, de Meta, y PyMC-Marketing). Lo que lo distingue:
- Datos por región. Puede trabajar con ventas e inversión por región (estados o ciudades) en lugar de solo totales nacionales. Más regiones significan más información para el modelo, y eso suele dar resultados más precisos.
- Alcance y frecuencia. Para canales como YouTube, puede usar cuántas personas vieron el anuncio y cuántas veces, no solo cuánto gastaste.
- Conocimiento previo. Como es bayesiano, puedes darle lo que ya sabes antes de correrlo (los llamados priors). Por ejemplo, el resultado de un experimento en el que apagaste un canal en algunas regiones. Meridian tiene herramientas para convertir esos experimentos en información para el modelo.
- Volumen de búsquedas de Google. Puede incluir cuánta gente buscó tu marca como variable de control, para no confundir el interés que ya existía con el efecto de los anuncios.
- Optimizador de presupuesto. Con el modelo listo, genera un reporte con una recomendación de cómo repartir el presupuesto entre canales.
¿Qué datos necesita Meridian?
Esta es la parte que más se subestima.
- Tu resultado: ventas, pedidos o prospectos, por semana. Según la documentación, la métrica tiene que poder sumarse entre regiones y entre semanas.
- La inversión de cada canal, por semana (y por región, si la tienes): Google Ads, Meta, TikTok, radio, espectaculares, lo que uses. Opcionalmente, impresiones o alcance.
- Variables de control: lo que mueve las ventas y no es publicidad. Precio, promociones, temporadas, días festivos, lanzamientos, problemas de inventario.
- Sin huecos. Meridian necesita el conjunto completo, sin valores faltantes. Los huecos se tienen que rellenar antes de correrlo.
¿Cuántos datos son suficientes?
Google da una regla aproximada: cuenta cuántos datos tienes (regiones × semanas) y divídelo entre la cantidad de efectos que quieres medir. En su propio ejemplo, dos años de datos semanales a nivel nacional son 104 datos, y con muchos canales eso deja muy pocos datos por efecto: un escenario de muestra chica. La documentación describe un uso típico de 2 a 3 años de datos semanales y, si se puede, muchas regiones.
Si tienes pocos datos, Google sugiere reducir el alcance (medir menos canales), agregar más años o usar datos por región. La prueba final es correr el modelo y ver qué tan anchos salen los rangos: si son enormes, el modelo te está diciendo que no sabe.
Lo difícil no es instalarlo
Instalar Meridian toma minutos. Lo que toma semanas es todo lo demás:
- Juntar los datos. La inversión de cada plataforma en el mismo formato, semana por semana, con las mismas fechas y regiones. Las ventas desde el sistema que de verdad las registra, no desde lo que reportan las plataformas.
- Decidir qué entra. Qué canales se miden por separado y cuáles se agrupan, qué controles se incluyen, qué temporadas importan. Un control que falta puede hacer que el modelo le atribuya a un canal ventas que vinieron de una promoción.
- Elegir el conocimiento previo. Los priors ayudan, pero también pueden empujar al modelo hacia lo que tú ya creías. Hay que poder explicar cada uno.
- Revisar si el modelo es creíble. Comparar lo que predice con lo que pasó, revisar los rangos, ver si los resultados tienen sentido de negocio. Un modelo que dice que un canal pequeño causó la mitad de tus ventas probablemente está mal.
- Leerlo sin engañarte. El resultado es una estimación con incertidumbre, no una verdad. Se usa para decidir dónde probar, no para mover todo el presupuesto de un día para otro.
Cuándo no vale la pena un MMM
- Si inviertes en uno o dos canales, un MMM tiene poco que repartir. Un experimento sencillo (apagar el canal en algunas regiones unas semanas) suele dar una respuesta más clara.
- Si tienes menos de dos años de datos o tu negocio cambió mucho en ese tiempo (nuevo producto, nuevo precio, nueva plataforma), el modelo aprende de una historia que ya no aplica.
- Si la inversión casi no varía, el modelo no tiene con qué distinguir el efecto de cada canal. Necesita semanas con más y con menos inversión.
- Si nadie va a cambiar el presupuesto con el resultado, el esfuerzo no se justifica.
Lo que puedes hacer hoy
- Arma una hoja con tus ventas por semana de los últimos dos años, desde tu sistema de ventas.
- Agrega una columna por canal con la inversión semanal. Anota dónde te faltan datos.
- Anota las promociones, temporadas y cambios de precio de ese periodo. Si esa hoja se puede completar, tienes la base para un MMM, con Meridian o con cualquier otro modelo.
Nosotros no usamos Meridian: desarrollamos el modelo de cada cliente a la medida, con sus canales, temporadas y promociones. Pero el trabajo difícil es el mismo: datos limpios, controles bien elegidos y resultados leídos con honestidad. Si quieres saber cómo lo hacemos, está en Marketing mix modeling. Y si tus ventas se reparten entre tu tienda en Shopify y Mercado Libre, nuestro CRM, Trazo, las junta en un solo lugar: es el primer paso para esa hoja.