top of page
Tres canales de marketing alimentan un medidor de barras que se divide en dos caminos; una mujer y un robot lo observan

Meridian en Google Analytics 360: ¿necesitas un modelo de mezcla de marketing?

hace 1 día
4 min de lectura

Una pregunta incómoda: si mañana apagas la inversión de un canal, ¿sabes cuánto venderías de menos? Muchos equipos responden con el reporte de atribución que tienen a la mano. Mi lectura es que ese reporte reparte el crédito de las ventas entre los canales que dejaron huella. Estimar qué pasaría si apagas uno requiere otro método.


Tres canales de marketing alimentan un medidor de barras que se divide en dos caminos; una mujer y un robot lo observan

Para esa duda existe el modelo de mezcla de marketing. El 20 de mayo de 2026, Google anunció que integrará Meridian, su modelo de mezcla de marketing de código abierto, en Google Analytics 360. Antes de pedirlo, conviene saber qué es, qué datos exige y para quién tiene sentido. Spoiler: para muchas empresas pequeñas la respuesta honesta es ‘todavía no’.


Una nota de disponibilidad. El blog de Google dice ‘pronto podrás’, sin fecha. No pude confirmar cuándo llega a las cuentas ni si llega igual a México. Lo que sigue describe lo que Google anunció. Es posible que hoy no lo encuentres en tu cuenta de Analytics 360.


Qué es un modelo de mezcla de marketing y qué promete Google


Un modelo de mezcla de marketing (MMM, por sus siglas en inglés) estima cuánto aporta cada canal a un resultado de negocio, como las ventas, usando datos históricos agregados. Según la documentación de Meridian, el modelo busca responder tres preguntas:


  • Cuál fue el retorno de inversión y la contribución histórica de cada canal.

  • Cuál es la curva de respuesta de cada canal: cómo cambia el efecto cuando cambia el gasto.

  • Cómo repartir el presupuesto futuro para obtener el mejor resultado.


Esa misma documentación describe a Meridian como un MMM de código abierto creado por Google, de uso gratuito y con el código visible. Puedes conocerlo hoy, sin esperar a Analytics 360.


Según Google, al integrarlo en Analytics 360 podrás:


  • Unificar tus análisis, reuniendo datos propios, datos multicanal y señales en un solo lugar.

  • Identificar qué funciona, midiendo el rendimiento causal.

  • Pronosticar resultados con escenarios predictivos.


Google suma las Qualified Future Conversions (QFC). Las define como señales en Google Ads, con tecnología de Gemini, que vinculan la inversión publicitaria de hoy con ventas futuras a partir de señales como las búsquedas de marca. Según Google, esas señales se integrarán ‘finalmente’ con Meridian. Expansión resume las QFC como una función para medir lo que ocurre mucho después de que alguien ve un anuncio por primera vez. Ese resumen es de Expansión y no una definición de Google.


Lo que pide el modelo antes de darte respuestas


El anuncio habla de decisiones. La documentación habla de datos. Según la guía de Meridian, necesitas como mínimo:


  • Una métrica de resultado que se pueda sumar, como ingresos o unidades vendidas.

  • El gasto y la exposición de cada canal, por periodo.

  • Variables de control: lo que también influye en tus ventas y en cómo decides invertir.


Los datos deben venir completos. Si un canal estuvo apagado una semana, se rellena con cero. Si falta tu métrica de ventas, hay que estimar ese hueco con técnicas de imputación y evitar los ceros. El modelo trabaja por canal. Google lo dice así: el MMM es una herramienta macro y funciona bien a nivel de canal.


Después viene la pregunta de cuántos datos son suficientes. Google aclara que su guía es aproximada y direccional, y da un ejemplo hipotético de modelo nacional: 12 canales, 6 variables de control y 8 parámetros de tiempo suman 26 parámetros. Con dos años de datos semanales (104 puntos), tocan 4 datos por parámetro. Según Google, eso es muy poco para estimar con fiabilidad.


Su salida es reducir el alcance. Con 3 canales, menos parámetros de tiempo y una variable de control menos, más tres años de datos semanales (156 puntos para 10 parámetros), salen unos 15 datos por parámetro. Ahí, dice Google, ‘quizá’ se pueda obtener información direccional.


Mi lectura: sin dos o tres años de datos semanales ordenados por canal, el modelo tiene poco de qué aprender. Esto vale para cualquier MMM, Meridian incluido.


Cuándo sí y cuándo no


Esta parte es opinión mía, apoyada en los requisitos que acabas de leer.


  • Inviertes en varios canales a la vez y necesitas decidir cómo repartir el presupuesto.

  • Tienes años de gasto y ventas por semana, limpios y por canal.

  • Alguien en tu equipo puede cuestionar el resultado, porque un modelo bayesiano con intervalos de credibilidad exige interpretación y criterio.

  • Inviertes en uno o dos canales. Una prueba simple te dirá más. Google ofrece Meridian GeoX para hacer experimentos geográficos y calibrar el modelo, y el principio sirve aunque no uses esa herramienta: sube o baja la inversión en una región y compara.

  • Tus datos tienen huecos, canales que cambian de nombre cada trimestre o ventas en un sistema que nadie cruza con marketing.

  • Quieres saber qué campaña específica funcionó. Para eso la propia documentación recomienda atribución multitoque basada en datos para los canales digitales.


Un buen test antes de pedir nada: ¿puedes decir cuánto gastaste por canal en cada semana de los últimos dos años? Si la respuesta es no, ese es tu primer proyecto, y no necesita un modelo.


Fuentes:


Comentarios


​

  • Youtube
  • X
  • LinkedIn

©2026 por Víctor Garnica.

bottom of page