Meridian
marketing mix modeling bayesiano para retail
Un MMM bayesiano en producción, construido sobre Meridian de Google y ajustado sobre 137 semanas de venta real de punto de venta.
- Marcas convergidas
- 8/8
- R² en la marca más grande
- 0,98
- Semanas de venta real
- 137
El problema
Sin medición causal, el presupuesto de medios se reparte por historia y por instinto. Los dashboards de plataformas se atribuyen ventas a sí mismos, y nadie sabe cuánto de la venta era incremental.
Cómo funciona
Un pipeline por marca: SAP S/4HANA y Google Ads fluyen a BigQuery, se transforman a series semanales de inversión, venta y controles, y alimentan ocho modelos bayesianos independientes — uno por marca — sobre 12 canales de medios y 16 regiones de Chile. Los ocho convergieron, y se reentrenan cada semana en GPU.
Qué hace
- 01
Un modelo por marca
Ocho modelos independientes en vez de un promedio del grupo: cada marca responde distinto a cada canal.
- 02
Venta real, no proxies
Ajustado sobre 137 semanas de venta de punto de venta desde SAP — no sobre conversiones de plataforma.
- 03
Reentrenamiento semanal
Los modelos se reentrenan cada semana en GPU, para que la respuesta a la pauta nunca sea del trimestre pasado.
Proyectos relacionados
- Andreasimulación de consumidores con IA para marketing
- Delphineforecasting de demanda de calzado con ML
- Cerebrointeligencia competitiva de precios para retail
Última actualización: agosto de 2026
¿Operas retail y esto te suena a un problema tuyo? El lado advisory de este trabajo vive en Menlo & Oak — y siempre puedes escribirme directo.