Conocimiento · Marketing B2B

Modelado de mezcla de medios · MMM

Media Mix Modeling / Marketing Mix Modeling

📂B2B marketing⏱Lectura de 2 min📊Avanzado🔗6 relacionados

¿Qué es el modelado de mix de medios?

Definición en una línea
Modelado de mezcla de medios (Media Mix Modeling, también llamado Marketing Mix Modeling) es un método que analiza estadísticamente los datos históricos de ventas y de ejecución de marketing para estimar cuánto contribuye cada canal a las ventas y para decidir la asignación del presupuesto.
¿Este tema, en capacitación interna?📚 Curso relacionado💬 Consulta de capacitación
⚡ Resumen en 3 líneas
  • Estimación de la contribución de cada canal a las ventas a partir de datos agregados
  • Funciona sin rastreo individual, por lo que resiste bien la falta de cookies
  • Estimación basada en correlación, por lo que requiere validación experimental

Al introducir el MMM, cambia la unidad de las preguntas que se hacen en la reunión de presupuesto. La pregunta «¿de qué anuncio vino este lead?» pasa a ser «¿qué parte de las ventas del último trimestre generó la publicidad?». El problema de que cada canal, con su panel, registrara sus propias conversiones y inflara la suma hasta dos o tres veces el número real de contratos también se corrige al conciliar todo con una sola serie temporal agregada. Sin embargo, en lugar de tablas de desempeño por responsable de canal, la discusión pasa a girar en torno a la distribución de una sola línea de ventas totales de la empresa, por eso ventas y marketing necesitan primero aceptar este número como referencia común.

Al armar el modelo, lo central son dos transformaciones. Una es el adstock, que estima con una tasa de decaimiento cuántas semanas después siguen haciendo efecto las campañas publicitarias de esta semana. La otra es la curva de saturación, que representa el tramo en el que, cuanto más se invierte en el mismo canal, menor es el efecto por cada unidad invertida. Como base, los datos deben ser semanales y abarcar 104 semanas o más, y si se quieren incluir más de ocho canales, lo seguro es contar con tres años de datos. Su uso es distinto al de la atribución, que sigue el recorrido de cada persona. El MMM responde sobre el monto total del presupuesto y su distribución entre canales, mientras que la atribución responde sobre la operación campaña por campaña, así que si se toman como alternativas entre sí, ambas pierden credibilidad. En B2B el cierre de un contrato toma de 6 a 9 meses, por eso conviene usar como variable dependiente el monto de pipeline generado en lugar de las ventas, ya que así es más fácil manejar el desfase temporal.

Un error muy común en la práctica es leer el porcentaje de contribución directamente como ROI. Una salida como «la búsqueda paga contribuye un 32%» es una estimación para el rango de montos invertidos hasta ahora; no significa que ese porcentaje se mantenga si el presupuesto se duplica. El modelo no sabe nada de los rangos que no ha observado. Otro caso es cuando el patrón de inversión se repite cada año. Si cada mes se reparte en la misma proporción, los coeficientes de los canales se confunden entre sí y los valores oscilan. En ese estado, quien concluye que la «feria tiene contribución cero» y corta el presupuesto puede enfrentar un problema real: el pipeline nuevo cae de forma marcada dos trimestres después. Conviene apagar y encender deliberadamente algunas regiones cada trimestre y sumar una validación externa al modelo.

Capacitaciones y temas de marketing en los que aparece este término
Cursos recomendados · Instructores recomendados · Mini cotización
🧮 Mini cotización · Criterio de honorarios
Aprox. KRW 1,200,000 (≈ US$900)Charla especial de 2 horas · hasta 20 personas · en coreano
Solicitar cotización formal con estas condiciones →
💡 Dicho de forma sencilla
Es como deducir qué ingrediente dio sabor a una sopa, revisando varios registros con distintas combinaciones de ingredientes y calculando hacia atrás.
Por qué es importante en la práctica
La desaparición de las cookies dejó huecos en la medición basada en clics. Para decidir el presupuesto con datos y no con intuición, se necesitan métodos que no dependan del rastreo individual.
Origen y fuentes

Surgió en la década de 1960, al aplicar técnicas de regresión de la econometría a la asignación del presupuesto de marketing, y las grandes empresas de bienes de consumo lo han usado durante mucho tiempo para separar el efecto de la publicidad en TV y en prensa. En la década de 2020 volvió a cobrar protagonismo por las restricciones de privacidad y la limitación de las cookies.

Fuente · Genealogía del modelado econométrico de marketing (desde la década de 1960)
Entender con un caso

La fabricante de sensores industriales A, con 210 colaboradores y ventas anuales de KRW 48,000,000,000, (≈ US$35,926,500) destina KRW 2,400,000,000 (≈ US$1,796,300) a marketing. Lo reparte entre búsqueda paga, ferias, medios sectoriales y seminarios en línea, pero al sumar las conversiones reportadas por cada canal, el total fue tres veces el número real de nuevos contratos. Ante la preparación del presupuesto del próximo año, el CMO planteó que «con estas cifras no se puede saber dónde recortar». (Ejemplo hipotético)

  1. Kim, subgerente del equipo de Planificación de Marketing, reunió en una sola tabla 156 semanas (3 años) de datos. Al monto semanal de pipeline generado del CRM sumó la inversión por canal, el calendario de ferias y el índice de precios de materias primas.
  2. Tras ejecutar el modelo con un analista externo, el efecto de las ferias alcanzó su punto máximo 4 semanas después de la inversión, y en la búsqueda paga se identificó que, al superar KRW 60,000,000 (≈ US$44,900) al mes, aparece un tramo en el que el efecto de cada KRW 1 (≈ US$1) adicional se reduce a la mitad.
  3. Ante la propuesta del director comercial de «si la feria aporta solo un 8%, el año que viene la quitamos», Kim, subgerente del área de Marketing, señaló que el dato estaba subestimado por el desfase de 7 meses hasta el cierre del contrato y pidió reestimar el modelo incluyendo un término de desfase temporal.
  4. Para verificarlo, durante 8 semanas se apagó por completo la búsqueda paga en 3 áreas comerciales de la región de Yeongnam, mientras que el área metropolitana de Seúl se mantuvo igual. La caída real de consultas quedó dentro de un margen de error de 11% respecto de la predicción del modelo, lo que llevó a aceptar la estimación.
  5. De un presupuesto de KRW 2,400,000,000, (≈ US$1,796,300) se trasladaron KRW 400,000,000 (≈ US$299,400) de la búsqueda paga hacia ferias y medios sectoriales. Al año siguiente, la generación de nuevo pipeline aumentó un 18% y el costo por lead bajó de KRW 340,000 (≈ US$255) a KRW 270,000 (≈ US$200).
Términos relacionados
Capacitaciones relacionadas con este término
📚Taller de diseño de estrategia de marketingCapacitación corporativa de Nanum Consultoría · presencial y en líneaVer curso →
¿Necesita capacitación interna sobre este tema?
Reciba de inmediato un currículo y una cotización personalizados para su equipo.
Consultar sobre capacitación
Última modificación 2026-09-13 · Revisado por John Kim

Preguntas frecuentes

La atribución sigue la ruta de clics de cada persona y reparte el mérito entre los puntos de contacto, mientras que el MMM estima la contribución de todo el canal con datos agregados. La atribución es detallada, pero se limita a los puntos de contacto online que se pueden rastrear; el MMM es más grueso, pero incluye lo offline y las actividades de marca.
Necesita suficiente historial de datos y variación en la ejecución, por lo que es poco confiable en campañas pequeñas. En cambio, los experimentos incrementales, que apagan y encienden un canal a la vez, son una alternativa más práctica.
Como es una estimación, debe leerse junto con su intervalo de confianza. En particular, si el patrón de inversión es siempre parecido, los efectos de los canales pueden mezclarse y llevar a conclusiones erróneas, por lo que se recomienda validar con experimentos.
Como los ciclos de contratación son largos, el modelo debe reflejar el desfase considerable entre la inversión publicitaria y las ventas. En la práctica también se usa un enfoque que toma como variable dependiente el valor del pipeline generado, en lugar de las ventas.