*Daniel Guinezi

Desde que as primeiras normas regulatórias sobre o uso de dados pessoais começaram a circular, em meados de 2016, as plataformas de mídia vêm se preparando para uma realidade na qual o acesso a esses dados não é mais tão facilitado. Paralelamente, profissionais de marketing e publicidade travam uma batalha antiga contra os modelos tradicionais de mensuração e segmentação de estratégias de mídia, galgados em cima das facilidades que essas plataformas vêm oferecendo até então.

Por um lado sendo pressionados a se adaptar a um mundo ainda incerto e, por outro, buscando inovar constantemente à medida que novas soluções prometem retornos sobre ativos (ROAs) cada vez mais agressivos, um fantasma paira sobre as big techs e seus anunciantes, que podem se ver lidando com bloqueios de third-party cookies no futuro: como mensurar e otimizar investimentos em mídia com o menor risco possível e de forma cada vez mais independente?

Nos últimos anos, as gigantes do setor de tecnologia Google e Meta, responsáveis pelas principais plataformas de anúncio utilizadas hoje no marketing digital, têm feito investimentos significativos em frameworks de marketing mix modeling (MMM). O Google se prepara para lançar ao grande público sua própria solução para integração e mensuração de mídia na forma do Google Meridian, em resposta à Meta, que saiu na frente com o projeto Robyn.

O Google Meridian é um framework avançado de MMM que utiliza uma combinação de técnicas de análise de dados e algoritmos de machine learning para fornecer insights profundos sobre o desempenho de campanhas de marketing, enriquecendo suas análises com fatores exógenos de venda, sazonalidade e eventos específicos de cada setor.

Já o Meta Robyn busca cruzar e analisar dados de engajamento e comportamento do usuário nas plataformas sob o guarda-chuva da Meta, como Facebook e Instagram, e vincular esses dados aos resultados de negócios das empresas. Além disso, o Meta Robyn utiliza algoritmos avançados de IA para identificar padrões de comportamento dos usuários e prever o desempenho futuro das campanhas de marketing em sua plataforma de anúncios, possibilitando análises preditivas mais detalhadas.

Em ambos os casos, a integração de dados permite uma análise abrangente do mix de marketing e uma compreensão mais completa do impacto de cada variável no lucro da empresa.

Embora esteja em alta agora, o MMM não é novidade e nem exclusividade das big techs. A ferramenta remonta às raízes da economia e da econometria, tendo sido originalmente desenvolvida para analisar o impacto das diferentes variáveis de marketing nas vendas no final do século XIX e início do século XX, quando economistas e estatísticos começaram a explorar maneiras de quantificar o impacto das variáveis de marketing nas vendas e nos resultados comerciais das empresas.

Foi durante os anos 1960 e 1970 que o MMM começou a ganhar destaque como uma técnica econometricamente sólida para analisar o mix de marketing. Com o avanço de tecnologias que favoreceram a análise de dados, o MMM evoluiu para se tornar uma solução capaz de processar um grande volume de dados com diversas variáveis e fornecer insights rápidos e precisos. Atualmente, algoritmos avançados de IA, quando acoplados a esses frameworks, podem identificar padrões complexos com uma análise mais granular e em tempo real, permitindo que as empresas otimizem suas estratégias de forma ainda mais ágil e eficiente.

Com o fim iminente dos cookies de terceiros e a implementação de leis de privacidade mais severas, como a GDPR na União Europeia, a CCPA na Califórnia e a LGPD no Brasil, as empresas que investem amplamente em publicidade online enfrentam desafios significativos na hora de trackear o comportamento dos consumidores e personalizar suas estratégias de marketing de maneira eficaz.

Isso inclui um aumento da dependência de canais proprietários, maiores lacunas de atribuição e necessidade potencial de exploração de tecnologias como single sign on e contextual targeting, além da adoção de abordagens baseadas em consentimento e transparência no uso e tratamento de dados dos usuários.

O MMM ressurge como uma solução viável para superar muitos desses obstáculos, oferecendo uma abordagem baseada em dados que não depende do rastreamento individual do usuário. A solução também visa diminuir saltos hipotéticos que, no contexto de investimentos milionários em mídia, podem, muitas vezes, comprometer tomadas de decisão altamente estratégicas devido à incerteza sobre a assertividade dos KPIs do negócio.

Nesse contexto, o marketing mix modeling emerge novamente como uma ferramenta essencial para as empresas permanecerem competitivas em suas estratégias de marketing. Com o apoio de investimentos das big techs e avanços contínuos em IA e machine learning, a ferramenta está se adaptando às demandas do mundo moderno, oferecendo uma abordagem baseada em dados que respeita a privacidade do usuário e proporciona mais segurança, objetividade e transparência nos investimentos em mídia.

*Daniel Guinezi – CEO da martech Uncover