El Marketing Mix Modeling nació en una era donde los medios offline ocupaban entre el 70% y el 90% del presupuesto. Las variables eran pocas, los efectos eran lentos, la atribución era prácticamente imposible — y por eso el MMM funcionaba: era el único marco capaz de estimar contribución a través de canales muy distintos sin tracking individual.

Hoy, en LATAM, muchos clientes están del otro lado del umbral: 70% o más del presupuesto está en digital. Y ahí el MMM clásico empieza a romperse.

Tres síntomas claros de un modelo desactualizado.

1. La saturación digital se subestima sistemáticamente. Los modelos típicos asumen curvas de respuesta cóncavas suaves. En digital, sobre todo en Meta y Google, la saturación es mucho más abrupta — sobre cierto umbral, un dólar adicional vale literalmente la mitad que el anterior. Si el modelo no captura esto, el plan recomendado va a sobreinvertir en los canales saturados.

2. El efecto cross-canal entre digital es enorme y casi nunca está bien modelado. Una campaña de awareness en YouTube influye en search brand. Una campaña de retargeting en Meta influye en conversión directa de TikTok. Si esos efectos no se incorporan, el modelo cree que esos canales operan independientes — y los acaba subestimando.

3. La latencia de respuesta cambió. Antes una campaña de TV tardaba 4 semanas en hacer pico de efecto en ventas. Una campaña de Meta hoy hace pico en 48 horas. Si el modelo trata todos los canales con la misma estructura temporal, va a confundir señal con ruido.

Lo que ajustamos en estos 18 meses.

Pasamos de modelos lineales con adstock simple a modelos jerárquicos bayesianos con priors específicos por canal. No es sólo un cambio técnico — es un cambio de filosofía: en vez de tratar todos los canales igual y dejar que los datos hablen, le decimos al modelo lo que sabemos del comportamiento de cada plataforma y dejamos que ajuste los parámetros desde ahí.

Resultado promedio en las 14 cuentas que remodelamos: la recomendación de mix cambió entre 18% y 34% de inversión reasignada respecto al modelo anterior. En todos los casos, la simulación contrafactual a 3 meses mostró mejora de eficiencia entre 12 y 41 puntos.

Las tres preguntas que tenés que hacerle a tu modelo hoy.

Si tu cliente tiene más del 70% del presupuesto en digital, pediles al equipo de data estas tres respuestas: ¿el modelo modela saturación específica por plataforma o usa una curva global? ¿incluye interacciones digital-digital? ¿la ventana de latencia es la misma para todos los canales o está calibrada?

Si la respuesta a alguna de las tres es "no", probablemente el plan que estás ejecutando está dejando dinero arriba de la mesa.