Marketing Mix Modeling

Como medir resultados de marketing na era Bayesiana.

Thiago La Torre
May 13, 2025

Curiosidade da semana: Uma vaca pastando é mais interessante do que 50% dos anúncios em circulação hoje. ¹

NESTA EDIÇÃO.

Dados: Geração Z // Geração A
Novidades: Grandes plataformas divulgam novidades nas NewFronts.
Opinião: Felipe Collins fala sobre inovação no marketing.
Insight: Marketing Mix Modeling: a nova era de medir retorno no marketing.

AI MARKETING ROADMAP

A revolução da IA no marketing não é, essencialmente, só uma revolução tecnológica. Não se trata apenas de atualizar seu tech stack e adotar novas ferramentas, mas sim de uma verdadeira transformação organizacional — um reskilling na forma como trabalhamos. E para ajudar líderes de marketing nesta transição, criamos o AI Marketing Roadmap, um checklist prático, entrevistas, e dados provocativos sobre IA na nossa área.

🔗 Baixe aqui o AI Marketing Roadmap

DADOS.

◯ Existe diferenças no marketing para gerações?

Segundo um report da HubSpot¹, 73,5% do Marketing ainda é direcionado para os millenials. Isso deve mudar nos próximos anos e, nas últimas semanas, saíram dois estudos que mostram algumas preferências das gerações Z e Alpha:

1) A Geração Z, segundo a Meta ²

Insight	Dados
Compartilhar conteúdo é linguagem afetiva. A GenZ abraçou o Dark Social.	🔷 67% compartilham vídeos do Instagram com amigos e família, como forma de afeto. 🔷 75% preferem interagir com marcas por meio de DMs, em comparação com canais públicos.
Pra Gen Z não existe mais mainstream. Curam seus próprios feeds para criar suas bolhas de interesse e esperam o mesmo das marcas.	🔷 63% curam ativamente seus feeds. 🔷 81% usam o Instagram para desenvolvimento pessoal.
O protagonismo não está com os influenciadores de massa. Está com quem tem técnica, e ajuda o GenZ a avançar em seus interesses. Eles assistem até quem não seguem — desde que agregue algo.	🔷 94% gostam de criadores com habilidade avançada. 🔷 71% aceitam ver conteúdos de perfis que não seguem, se forem úteis.
Para a Gen Z, todo scroll é descoberta. Não espere um momento para intenção de compra.	🔷 78% descobrem marcas por vídeos nas redes sociais. 🔷 67% se interessam mais por marcas após ver anúncios repetidos.

2) Geração Alpha e a TikTokzação da cultura ⁴

Insights	Dados
Ainda existe um degrau até o marketing estar focado neles, mas apesar da pouca idade, já influenciam as compras da casa.	🔷 Nos EUA, 73% decidem com os pais o que vai para o carrinho.⁴ 🔷 No Brasil, esse número é ainda maior: 88%.³
Por enquanto, os hábitos são bem parecidos com das outras gerações. No entanto, essa é uma geração AI-native, ainda com baixo poder de compra.	🔷 80% usam serviços de streaming semanalmente.⁴ 🔷 68% jogam games com frequência.⁴ 🔷 Mais da metade dos brasileiros entre 10 e 13 anos já têm celular próprio.³

Story Time (onde um creator conta uma história pessoal), unboxing, reviews e rotinas como get ready with me estão entre os vídeos mais assistidos.

Nos EUA, marcas como Sephora, Temu e Amazon já figuram entre as mais pedidas ⁴ — ao lado de McDonald’s, Lego e Disney. Provando que anúncios repetidos com frequência nas redes sociais criam relevância de marca.

Comentário: No fundo, ainda não parece tão diferente fazer marketing entre as gerações: foco em vídeo, redes sociais e creators. Os relatórios não mencionam, mas parece que as novas gerações têm uma afinidade maior com o non-sense — como nos conteúdos slop. Concorda?

MARKETING VOICES.

Felipe Collins, CMO Company Hero

❝

Até recentemente, o mercado operava fortemente baseado em playbooks e estruturas em silos. Era o inbound do time de vendas, o playbook específico para B2C, outro para B2B. Mas estamos entrando em uma fase diferente: os canais de marketing estão saturados. Assim como o consumidor aprendeu a ignorar banners publicitários, também começa a se esquivar de estratégias repetidas — elas perdem efetividade.

Isso nos leva a uma nova era: onde as divisões rígidas entre áreas deixam de fazer sentido, as equipes precisam de integradação, e segmentos distintos começam a testar abordagens uns dos outros.

🎧︎ Nesta Quinta (15/05), o Collins é o entrevistado no Marketing Voices #M15. Siga-nos no Spotify e ouça a conversa completa — prática e direta ao ponto.

NOVIDADES.

Semana passada aconteceram os NewFronts, uma série de eventos organizados pela IAB nos EUA, onde as principais plataformas anunciaram suas novidades.

◯ Falando em “treinar o feed”, você já reparou que os anúncios muitas vezes aparecem fora de contexto? Você está vendo algo pessoal e recebe um anúncio de trabalho? As mídias sociais vão resolver isto, mas cobrando, claro:

TikTok apresentou novos recursos de contextualização de anúncios — quer aparecer ao lado de conteúdo relevante? Agora, só pagando.
Meta não ficou atrás e lançou a mesma funcionalidade, além de melhorias no Hub de Creators.
LinkedIn também entrou na onda: agora é possível pagar para ser o primeiro anúncio exibido em vídeo.

◯ Na semana passada o Zuck prometeu acabar com o mercado de publicidade ao automatizar tudo, mas quem está cumprindo a promessa é o Google.

Google lançou o AI Max para campanhas — um clique otimiza tudo, de palavras-chave a criativos.

◯ O Google está avançando mais com a bola da vez. Como fazer anúncios em diversos micro-canais, mas de forma integrada e programática:

CHARGE.

Já viu a edição sobre “M2M”?

BIG IDEIA.

Por Thiago la Torre

Marketing Mix Modelling Reinaissance

Desde sempre, o marketing tentou responder à pergunta que nunca cala: o que exatamente gerou qual resultado?

Se aumento o investimento num canal, isso me traz mais vendas?
Se troco de agência ou faço rebranding, isso muda o desempenho?
Se eu investir em um out-of-home, vai aumentar minhas vendas?
O que acontece se eu parar de fazer tal ação?

Essas perguntas não são novas. Foi pensando nisso que, lá nos anos 70, empresas como a Nielsen começaram a aplicar modelagem estatística para entender o impacto das ações de marketing nos resultados de negócio. E começamos a chamar isto de Marketing Mix Modeling, ou simplesmente MMM.

Marketing Mix Modeling (MMM) = Aplicação de modelagem estatística ao marketing.

No entanto, com o crescimento do marketing digital, os modelos de atribuição foram ficando mais democráticos e o MMM foi saindo do palco. Se você não sabe fazer MMM, não está sozinho. Fizemos uma enquete rápida no Círculo Secreto do #M15 e o resultado foi bem claro:

Apenas 15% dos líderes de marketing dizem entender ou saber aplicar o MMM → Ou seja, 85% ainda estão no escuro.

Mas antes de falar por que o MMM está voltando ao centro do palco, vale entender os principais modelos de atribuição de resultados :

Modelo	Onde usar	Como funciona	Para que usar
Atribuição Linear	Ferramentas nativas do Google, Meta e afins	Segue o caminho de cada usuário em um canal: viu, clicou, converteu	Otimização dentro de um canal. Usado pra medir efetividade de first click ou last click.
Multi-Touch	Ferramentas como GA4 e Adobe Analytics	Conecta interações do caminho de cada usuário em diferentes canais.	Otimizar a jornada digital como um todo. Usado para dar diferentes pesos aos touchpoints.

Por que o MMM está renascendo?

Existem alguns fatores que explicam o retorno desse modelo “vintage” ao centro da conversa no marketing:

Os canais hoje estão mais fragmentados → mesmo empresas pequenas atuam em múltiplos canais, com diferentes objetivos e formatos.
As plataformas não estavam provando seu valor → as grandes já admitem que a atribuição direta não mostra metade do resultado real.
O consumidor não é linear → ele descobre o produto no TikTok, lê review na revista, salva no Instagram e compra na loja física de um terceiro. Boa sorte tentando trackear isso.
Preocupações com privacidade → novas legislações e melhores práticas vão tornando o trackeamento mais complicado (alô Apple App Tracking Transparency, alô Google Cookies)

Um novo estudo mostra que hoje o MMM é usado principalmente por empresas com faturamento acima de U$100MI, mas isto deve mudar: 34% das empresas que não fazem MMM, gostariam de fazer.

Desmistificando o MMM.

De forma direta: O Marketing Mix Modelling correlaciona dados de resultado (vendas, clientes) com variáveis de marketing e externas — sem trackear os usuários. O objetivo é tomar decisões estratégicas sobre investimento de marketing.

Modelo	Onde usar	Como funciona	Para que usar
Marketing Mix Model	Pode ser feito com Excel, Python e Plataformas especializadas	Junta dados de resultado (vendas, clientes) com variáveis de marketing e externas	Tomar decisões estratégicas sobre investimento

Mesmo que você nunca tenha estudado estatística, é totalmente possível montar uma versão simples de MMM no Excel — e em um dia de trabalho.

Como somos do time que acredita que a gente só entende de verdade quando sabe, minimamente, fazer, partimos estudar e aqui estão os dois materiais gratuitos que mais ajudaram (somente em inglês):

🔷 Curso de 1h30 do Gabriele Franco → passo a passo
🔷 Modelo de planilha da Recast → pronto para adaptar com seus próprios dados (mas precisa entender os conceitos no curso antes)

De forma didática, o processo exige seis etapas principais:

Organize seus dados: Junte em uma tabela os resultados que você quer explicar (faturamento, vendas, ticket médio, novos clientes) e as variáveis que podem influenciar esses resultados (investimento por canal, promoções, rebranding, sazonalidade etc.).
Tenha volume de dados: Não há um número mágico, mas dizem que você precisa pelo menos de 100 pontos de medição, com variações.
Aplique correlação: Use fórmulas simples para entender como cada variável se relaciona com os resultados.
Verifique a confiabilidade: aplique outras formulas para validar modelo se sustenta estatisticamente.
Considere efeitos adicionais: Aprimore as fórmulas de cada canal para considerar Efeito persistente: o impacto de uma campanha continua mesmo depois de encerrada (ex: comerciais na TV) e Retorno decrescente: dobrar o investimento não significa dobrar o resultado. Há um ponto de saturação.
Simule cenários: O que acontece se eu cortar a verba de um canal? E se dobrar o investimento em outro?

O que antes era necessário matemáticos dedicados, agora existem cursos gratuitos, planilhas prontas, IAs mais acessíveis e APIs de código aberto tornam o MMM algo praticável até para pequenas empresas. Obviamentem cenários mais complexos, exigem modelos matemáticos bem mais sofisticados.

Qual sua relação com o MMM hoje?

Faça Login ou Inscrever-se para participar de pesquisas.

A Era Bayesiana

Uma pesquisa da área de ciência da computação¹, conduzida por uma das universidades mais prestigiadas da Suécia, comparou o desempenho de oito modelos estatísticos diferentes aplicados ao MMM. Três deles se destacaram com maior potencial: Regressão baseada no valor de Shapley, Modelo hierárquico bayesiano, Séries temporais estruturais lineares bayesianas.

Se o termo “Bayesiano” te soa familiar, não é por acaso — essa é uma das bases estatísticas por trás dos algoritmos que hoje decidem o que você vê no feed, qual anúncio aparece primeiro e até que música toca no seu fone.

Entramos, oficialmente, na era Bayesiana, e o MMM deve voltar a ficar no centro do palco.

Enquanto parte do mercado tenta justificar a dificuldade de lidar com o zeitgeist com bordões como “O funil morreu” e “Branding é resultado só de longo prazo”, você já entende que cada momento e função exige uma ferramenta, e pode sentar na mesa dos adultos que falam de dinheiro.

SUA VEZ.

O que achou da edição de hoje?

🔵 Muito boa | 🟢 Boa | ⚪ Mediana | 🟠 Precisa melhorar

Faça Login ou Inscrever-se para participar de pesquisas.

Gostou do conteúdo? Envie pelo WhatsApp para seus amigos do Marketing clicando aqui. Eles vão adorar.

Viu alguma informação que precisa ser corrigida? Notificar errata.

Quer ser uma marca parceira #M15? Só preencher aqui.