3 de marzo, 2026 · 12 min de lectura · Por Christopher Müller
Google Meridian: el modelo de atribución que Google usa internamente y qué significa para el marketing en Chile
En 2024 Google publicó Meridian, su framework interno de Marketing Mix Modeling (MMM). Es el mismo modelo que usan sus propios equipos para medir el impacto real de la publicidad — y está disponible de forma gratuita. Aquí explicamos qué es, cómo funciona, y por qué la atribución por clic ya no es suficiente para tomar decisiones de presupuesto en el mercado chileno.
Puntos clave de este análisis
Google Meridian es un MMM bayesiano open source — el mismo que Google usa para sus anunciantes internos
La atribución por clic (GA4, Meta Pixel) subvalora canales de awareness y sobrevalora Search en hasta 30%
iOS 14+ hace que Meta Ads subreporte conversiones de iPhone (~35% del mercado chileno)
El MMM no depende de cookies ni pixels — es resistente a los cambios de privacidad
Requiere al menos 1-2 años de datos históricos de inversión + KPIs por canal
Meridian incluye optimizador de presupuesto: responde "¿cómo reasigno el mismo dinero para más conversiones?"
¿Qué es Google Meridian?
Google Meridian es un framework open source de Marketing Mix Modeling (MMM) publicado por Google en 2024 y disponible en github.com/google/meridian. Está construido en Python usando JAX — la librería de cómputo científico de Google — y aplica inferencia bayesiana para estimar la contribución causal de cada canal de marketing sobre las ventas u otros KPIs de negocio.
A diferencia de sus predecesores open source (incluido lightweight_mmm, el primer intento de Google en 2022), Meridian incluye herramientas integradas de optimización de presupuesto, mejor documentación, soporte nativo para modelos geográficos y calibración mejorada con señales de Google Ads.
Dato clave: Google usa internamente este mismo framework para ayudar a sus anunciantes premium a tomar decisiones de presupuesto. Al publicarlo como open source, cualquier agencia o empresa puede acceder a la misma metodología sin costo. Es el equivalente a que Google publique el código con el que opera sus propios equipos de media planning.
El problema con la atribución basada en clics en Chile
La mayoría de las empresas en Chile toman decisiones de presupuesto basándose en GA4, el Meta Pixel o reportes de plataforma. Estos sistemas tienen tres limitaciones estructurales que distorsionan la realidad:
Solo ven clics, no impacto
Un usuario que ve tu anuncio en Meta, luego busca tu marca en Google y convierte aparece como conversión de Google Search. El crédito va a Search aunque Meta inició la intención. La atribución last-click sobrevalora el canal de cierre y subvalora el canal de apertura — en hasta un 30% según estudios de Google.
iOS 14 rompió el pixel de Meta
Desde 2021, el 70%+ de usuarios iPhone optó por no ser rastreados (ATT prompt). En Chile, iPhone tiene ~35% de market share — más alto en segmentos ABC1, que son los que más compran online. Meta reporta las conversiones que puede ver, pero una parte significativa queda invisible. Meta Ads puede estar funcionando mejor de lo que muestra el reporte.
No miden canales offline ni efecto marca
Una empresa que invierte en LinkedIn, radio o sponsoring de eventos no puede medir ese impacto con píxeles. El brand building de Meta Ads — personas que ven tu anuncio, no hacen clic, pero te buscan 3 semanas después — tampoco queda registrado. El MMM captura todo esto desde los datos de ventas históricos.
Comparativa de modelos de atribución
| Modelo | Cómo funciona | Cookieless | Offline | Nivel |
|---|---|---|---|---|
| Last-click | Todo el crédito al último canal tocado antes de convertir | ❌ | ❌ | Básico |
| Data-driven (GA4) | ML de Google distribuye crédito entre touchpoints digitales | ❌ | ❌ | Intermedio |
| Marketing Mix Modeling | Regresión bayesiana sobre datos históricos agregados de todos los canales | ✅ | ✅ | Avanzado |
| Google Meridian (MMM) | MMM bayesiano con adstock, saturación y calibración con datos de Google Ads | ✅ | ✅ | Avanzado+ |
Cómo funciona Google Meridian: los 4 conceptos clave
Para entender qué hace Meridian diferente a una simple regresión, hay 4 conceptos técnicos que definen su funcionamiento:
Adstock
Los efectos de la publicidad no terminan cuando termina el anuncio. El adstock modela cuánto tiempo persiste el impacto de una campaña después de su fin — crucial para medir brand building.
Ejemplo: Una campaña de TV en noviembre puede seguir generando ventas en enero si el modelo adstock es correcto.
Saturación
El retorno de invertir más en un canal disminuye a medida que aumenta el gasto. Meridian modela la curva de saturación para identificar el punto de rendimiento óptimo.
Ejemplo: Duplicar el presupuesto de Google Ads no duplica los leads: la curva se aplana. Meridian indica dónde está ese punto de quiebre.
Causalidad bayesiana
A diferencia de regresión simple, el enfoque bayesiano incorpora priors (conocimiento previo) y genera distribuciones de probabilidad, no puntos únicos — lo que permite medir incertidumbre.
Ejemplo: El modelo dice: "Google Ads contribuye entre 28% y 36% de las conversiones con 90% de confianza", no solo "32%".
Parámetros geo-temporales
Meridian soporta modelos con variación por región y por período de tiempo, capturando que el impacto de un canal puede cambiar con la estacionalidad o entre mercados geográficos.
Ejemplo: Meta Ads puede tener mayor impacto en diciembre que en febrero, y más impacto en Santiago que en regiones — Meridian lo detecta.
Cómo se implementa un modelo MMM con Meridian
El proceso de implementación de un modelo MMM con Google Meridian sigue 6 etapas, desde la recolección de datos hasta la optimización de presupuesto:
Recolección de datos
Exportar inversión semanal por canal (Google Ads, Meta, LinkedIn, offline), KPIs de negocio (ventas, leads, ingresos) y variables de control (precios, competencia, estacionalidad) para al menos 52-104 semanas.
Preparación y limpieza
Alinear todas las series de tiempo en la misma granularidad (semanal o diaria), corregir anomalías, codificar estacionalidad con variables dummy (Black Friday, Cyber, Navidad, etc.).
Configuración del modelo
Definir la función de transformación de medios (adstock, hill function para saturación), establecer priors bayesianos para cada canal basándose en conocimiento del negocio.
Entrenamiento
Meridian usa MCMC (Monte Carlo vía cadenas de Markov) con JAX para muestrear la distribución posterior. El resultado es una distribución de contribuciones por canal, no un punto único.
Validación
Verificar que el modelo explique adecuadamente los datos históricos (R², MAPE), validar out-of-sample y hacer backtesting en períodos conocidos como peak estacional.
Optimización de presupuesto
Con el modelo entrenado, Meridian incluye herramientas de optimización que responden: ¿Cómo reasignar el presupuesto actual para maximizar conversiones manteniendo el mismo gasto total?
Las 4 preguntas que responde el MMM (y que GA4 no puede)
¿Qué % de las ventas viene de cada canal?
"Google Search genera el 38% de las conversiones, Meta el 22%, LinkedIn el 15%, y el 25% restante viene de efectos base (tráfico orgánico, marca, seasonal)."
¿Cuánto adicional genera cada peso invertido?
"El marginal ROI de Google Ads es $4.2 por cada $1 invertido. El de Meta es $3.1. El de LinkedIn es $5.8 para este tipo de negocio."
¿Qué pasa si reasigno el presupuesto?
"Moviendo $500k/mes de Meta a LinkedIn, el modelo proyecta un aumento de 12% en conversiones B2B manteniendo el mismo presupuesto total."
¿Cuánto duran los efectos de cada canal?
"El adstock de TV tiene decaimiento de 8 semanas. El de Search es instantáneo. El de brand campaigns en Meta persiste ~3 semanas después de terminar la campaña."
Limitaciones del MMM — lo que Meridian no puede hacer
El MMM es poderoso, pero no es una bala de plata. Es importante conocer sus limitaciones para usarlo correctamente:
Cómo aplica Muller y Pérez los principios de MMM en Chile
En M&P no esperamos a que el cliente tenga 2 años de datos limpios para empezar a aplicar pensamiento MMM. Desde el primer mes de gestión aplicamos los principios de adstock, saturación y atribución multicanal para diseñar la estructura de campañas y distribuir el presupuesto:
Estructura de campañas por función en el funnel
Principio de adstockSeparamos inversión en awareness (Meta broad, YouTube) de conversión (Search, Meta retargeting) porque tienen adstock diferente. Esto nos permite optimizar cada nivel sin contaminar las métricas del otro.
Techo de inversión por canal según tamaño de audiencia
Principio de saturaciónAntes de escalar un canal, calculamos la audiencia disponible (tamaño del mercado en Chile para ese rubro) y el punto de saturación estimado. No tiene sentido escalar más allá del punto donde el ROAS marginal cae bajo el umbral de rentabilidad.
Benchmarks por industria como priors del modelo
Priors bayesianosNuestro estudio de benchmarks (CPL, ROAS, CPC por industria) funciona como prior bayesiano: al iniciar una campaña, tenemos expectativas calibradas de qué resultados son razonables para ese rubro en Chile, acortando el período de aprendizaje del algoritmo.
Análisis de contribución por canal cada trimestre
Contribución multicanalPara clientes con inversión en 3 o más canales durante más de 6 meses, aplicamos análisis de contribución inspirado en MMM para identificar si algún canal está siendo sobre o subestimado por la atribución de plataforma.
Preguntas frecuentes sobre Google Meridian y Marketing Mix Modeling
¿Qué es Google Meridian?
Google Meridian es un framework open source de Marketing Mix Modeling (MMM) desarrollado por Google y publicado en 2024. Usa inferencia bayesiana con JAX para estimar el impacto causal de cada canal de marketing sobre ventas u otros KPIs. Está disponible gratuitamente en github.com/google/meridian y es el mismo modelo que Google usa internamente para sus anunciantes premium.
¿Qué diferencia hay entre Marketing Mix Modeling y atribución last-click?
La atribución last-click asigna el 100% del crédito al último canal antes de la conversión, ignorando todos los canales que contribuyeron al inicio del viaje. El MMM usa regresión estadística sobre datos históricos para distribuir el crédito entre todos los canales — incluyendo offline, brand y canales de awareness — y no depende de cookies ni píxeles.
¿Es Google Meridian open source y gratuito?
Sí. Google Meridian está disponible bajo licencia Apache 2.0 en github.com/google/meridian. Requiere Python, JAX y NumPy. No tiene costo de licencia, aunque su implementación requiere conocimientos técnicos de estadística bayesiana y programación en Python.
¿Qué diferencia hay entre Google Meridian y lightweight_mmm?
Ambos son MMM bayesianos de Google. lightweight_mmm (2022) fue el primero y usa NumPyro. Meridian (2024) es su sucesor con mejor documentación, interfaz más amigable, herramientas de optimización de presupuesto integradas y soporte geográfico mejorado. Para proyectos nuevos, Google recomienda Meridian.
¿Cómo afecta iOS 14 a la medición de marketing digital en Chile?
iOS 14 y el ATT prompt (2021) hicieron que el 70%+ de usuarios iPhone optara por no ser rastreados. En Chile, iPhone tiene ~35% de market share. Esto significa que Meta Ads subreporta conversiones de usuarios iOS y la atribución basada en píxeles es incompleta. El MMM resuelve esto porque mide impacto sobre KPIs agregados sin depender de tracking individual.
¿Cuándo vale la pena implementar Marketing Mix Modeling en Chile?
El MMM es más valioso cuando tienes: al menos 1-2 años de datos históricos limpios, inversión en 3 o más canales simultáneamente, presupuesto mensual superior a $5M CLP, y necesitas justificar reasignación de presupuesto con evidencia estadística. Para inversiones menores con 1-2 canales, la atribución digital estándar puede ser suficiente.
¿Qué agencias en Chile usan Marketing Mix Modeling?
El MMM está emergiendo en Chile principalmente en agencias de performance con foco analítico y en grandes anunciantes. Muller y Pérez aplica los principios de MMM — adstock, saturación, atribución multicanal — en la gestión de campañas para clientes con inversión en múltiples canales, usando los benchmarks propios de +200 campañas como base de calibración.
¿Qué datos necesita Meridian para funcionar?
Google Meridian requiere: datos semanales de inversión por canal durante al menos 52-104 semanas, KPI de negocio en el mismo período (ventas, leads, ingresos), y variables de control opcionales como precios, estacionalidad y competencia. Más canales y más historia producen estimaciones más precisas.
Conclusión
Google Meridian representa el estado del arte en medición de marketing — y es gratuito. La barrera ya no es el costo sino la capacidad técnica y los datos.
La atribución por clic tiene una fecha de vencimiento acelerada: iOS, privacidad y cookies third-party obligan a adoptar metodologías más robustas.
El mercado chileno tiene condiciones favorables para MMM: datos relativamente limpios, estacionalidades claras y una concentración geográfica que simplifica el modelado.
Las agencias que incorporen pensamiento MMM en su gestión — aunque no implementen un modelo completo — tomarán mejores decisiones de distribución de presupuesto.
El siguiente paso lógico tras el MMM es el análisis de incrementalidad con experimentos (geo holdout, conversion lift) — el futuro de la medición en performance marketing.
¿Cómo está distribuido tu presupuesto publicitario hoy?
Si inviertes en más de un canal digital, probablemente estés sobre o subestimando alguno. Conversemos sobre cómo aplicar pensamiento MMM a tu mix de medios.