OnTradeMax LogoOnTradeMax
VerticalesBlogServiciosMetodología
Hablemos
Inicio/Blog/Marketing mix modeling: qué es y cómo medir online y offline

Performance · Guía

Marketing mix modeling: qué es y cómo medir online y offline

Marketing mix modeling (MMM): qué es, qué datos necesita y cómo medir inversión online y offline juntas, con ejemplo, límites y su aplicación en farma.

Publicado el 30 de octubre de 2026 · 8 min de lectura
Dashboard con la descomposición de ventas por canal obtenida con un marketing mix modeling

El marketing mix modeling estima cuánto aportó cada palanca comercial a la venta total, incluidas las que no dejan click: TV, radio, exhibición, mercaderistas, promociones y medios digitales. Esta guía explica qué es un MMM, qué datos necesita, cómo leer sus resultados y cuándo no vale la pena hacerlo, con un criterio simple: un modelo sirve si cambia una decisión de presupuesto.

La discusión que resuelve es conocida. La plataforma de medios reclama la venta, trade también, y la suma de los créditos da más que la venta real. El MMM parte del otro extremo: toma la venta total y la descompone, de modo que lo que le asigna a cada canal nunca puede superar lo que efectivamente se vendió.

Qué es un MMM y cómo funciona

Un MMM es una regresión sobre series temporales agregadas. La venta semanal es la variable a explicar, y la inversión por canal, el precio, la distribución, las promociones y los factores externos son las variables explicativas. No usa datos individuales, así que no depende de cookies ni de identificadores de usuario.

Dos ajustes lo separan de una regresión común:

  • Adstock (efecto arrastre). Una campaña sigue vendiendo después de terminar. El modelo reparte ese efecto en las semanas siguientes, con un decaimiento que varía por canal: suele ser más largo en TV que en búsqueda paga.
  • Saturación (rendimientos decrecientes). El primer tramo de inversión rinde más que el último. El modelo estima una curva por canal, y esa curva es lo más útil para decidir: muestra dónde el próximo peso todavía rinde y dónde ya no.

El resultado tiene tres partes: la venta base (lo que se vendería sin inversión), la contribución de cada palanca y una curva de respuesta por canal.

Qué datos necesita un modelo de mix de marketing

Bloque Variables típicas Error frecuente
Ventas Sell-out semanal en unidades, por canal o región Modelar sell-in y medir la carga del canal, no la demanda
Medios Inversión e impresiones o GRP por canal Registrar la fecha de la factura, no la de salida al aire
Trade Exhibiciones, visitas, promociones, material en PDV Dejarlo afuera porque está en planillas de cada región
Comercial Precio, distribución ponderada, quiebres de stock Atribuirle a un canal una caída causada por falta de producto
Externos Estacionalidad, inflación, precios de la competencia No separar el efecto de la categoría del de la marca

Como punto de partida, hacen falta dos a tres años de datos semanales. Pero la cantidad no alcanza: la inversión tiene que haber variado. Si dos canales siempre subieron y bajaron juntos, el modelo no puede separarlos, y el resultado va a parecer preciso sin serlo.

En Argentina hay un paso obligatorio: trabajar en unidades o deflactar con el IPC del INDEC. Una serie en pesos crece por inflación, y un modelo sin ese ajuste le puede atribuir ese crecimiento a la inversión. El mismo cuidado vale para el gasto en medios: comparar pesos de hace dos años con los de hoy distorsiona las curvas.

Medir inversión online y offline en el mismo modelo

Esta es la razón principal para hacer un MMM. El siguiente ejemplo es ilustrativo, para una marca con USD 10 millones de sell-out anual:

Palanca Contribución a la venta Venta atribuida Inversión Venta por dólar
Base 66% USD 6,6 M — —
Ejecución en PDV 12% USD 1,2 M USD 0,5 M 2,4
Precio y promociones 9% USD 0,9 M USD 0,6 M 1,5
TV y radio 7% USD 0,7 M USD 0,5 M 1,4
Digital 6% USD 0,6 M USD 0,2 M 3,0

La lectura apurada sería pasar plata de TV a digital, porque rinde el doble. Es un error frecuente: esa tabla muestra el retorno promedio, y la decisión depende del retorno marginal. Si digital ya está cerca de su punto de saturación, el próximo dólar puede rendir menos que uno en TV. Por eso la curva de respuesta vale más que el ranking.

Dos ajustes más antes de llevarlo a una reunión de presupuesto:

  1. Pasar de venta a margen. El sell-out está a precio al público, no es lo que factura la marca. La regla es la misma que usamos para medir ROAS en trade marketing: lo que paga la inversión es el margen incremental.
  2. Buscar efectos cruzados. Digital puede rendir más donde hay producto bien exhibido. Si el modelo trata cada canal por separado, reparte ese efecto conjunto de manera arbitraria. Es la tesis con la que trabajamos en OnTradeMax: la demanda sin ejecución no convierte y la ejecución sin demanda no escala.

MMM vs. atribución vs. incrementalidad

Las tres herramientas contestan preguntas distintas y no compiten:

Método Pregunta que contesta Horizonte Límite principal
Atribución ¿Qué contactos rastreados hubo antes de convertir? Días o semanas No ve lo que no deja rastro y no prueba causalidad
Incrementalidad ¿Esta acción causó venta extra? Por test Mide una acción por vez
MMM ¿Cómo conviene repartir el presupuesto? Trimestres o años Depende de los datos históricos y sus supuestos

La combinación que funciona es calibrar. Un MMM trabaja con correlaciones, por más sofisticado que sea, y un test de incrementalidad con grupo de control da una medición causal de un canal. Si el test y el modelo difieren mucho, hay que revisar el modelo. La atribución sigue siendo útil para el día a día: los modelos de atribución B2B explican esa lógica para ciclos largos.

Cómo se hace: herramientas y equipo

No hace falta arrancar con un software propietario. Meridian, de Google, y Robyn, de Meta, son dos marcos de código abierto muy usados. Bajan la barrera técnica, pero no reemplazan a alguien que sepa de estadística y entienda el negocio, y conviene recordar que los publican dos vendedores de medios.

La secuencia razonable:

  1. Definir la decisión. Por ejemplo: cómo repartir el presupuesto del año próximo entre TV, digital y PDV. Sin decisión concreta, el modelo termina en una presentación.
  2. Armar el dataset. Es el grueso del trabajo. Un primer modelo suele llevar entre dos y cuatro meses, y la mayor parte se va acá.
  3. Validar fuera de muestra. Probar si el modelo predice semanas que no vio. Un buen ajuste histórico no alcanza.
  4. Contrastar con el negocio. Si el resultado contradice lo que se sabe del mercado, hay que investigar antes de aceptarlo o descartarlo.
  5. Calibrar con tests. Diseñar experimentos para los canales con mayor incertidumbre.
  6. Actualizar. Las respuestas cambian con la competencia, los precios y los creativos. Una actualización trimestral o semestral suele alcanzar.

Una señal de alerta: los modelos admiten varias especificaciones con ajustes parecidos y conclusiones distintas. Si un proveedor entrega un número único, sin intervalos de incertidumbre ni detalle de supuestos, pedí ambas cosas.

Marketing mix modeling en farma

Farma exige más cuidado que consumo masivo, y OTC y productos bajo receta se modelan distinto.

En OTC, las palancas se parecen a las de consumo: publicidad al público, exhibición, capacitación de mostrador y promociones al canal. Cuatro particularidades:

  • Sell-out antes que sell-in. Entre laboratorio, droguería y farmacia hay stock intermedio que desplaza y mezcla la señal.
  • Estacionalidad fuerte. En antigripales, un invierno intenso puede confundirse con el efecto de la campaña si la pauta se concentra en los mismos meses. Hay que incluir clima o la evolución de la categoría.
  • Recomendación en mostrador. Pesa mucho en venta libre y es difícil de medir. Las capacitaciones y las visitas a farmacia son el proxy más accesible.
  • Promociones acotadas. Regulación y ética comercial limitan algunas mecánicas, así que los rangos de precio históricos pueden ser estrechos y su efecto, difícil de estimar.

En productos bajo receta no hay publicidad al público general: las variables son visita médica, congresos, muestras y cobertura de obras sociales. El modelo puede ordenar la inversión comercial, pero la lectura debe ajustarse a las reglas de ANMAT, y no reemplaza la revisión regulatoria del material.

Cómo integramos estos datos con la ejecución comercial en laboratorios está en nuestra propuesta de trade marketing farmacéutico.

Cuándo no conviene hacer un MMM

  • Menos de dos años de historia, o marca recién lanzada. No hay serie suficiente para separar base de inversión.
  • Un solo canal relevante. No hay reparto que decidir. Un test responde más rápido.
  • Inversión constante. Sin variación, el modelo no aprende. Primero conviene generar esa variación con pruebas planificadas.
  • B2B de pocas ventas y ciclo largo. Con pocas decenas de cierres por trimestre y meses entre contacto y venta, el vínculo semanal se diluye. Rinden más la atribución en CRM, la autoatribución y las pruebas de holdout.
  • Datos de ejecución en PDV inexistentes. Si trade no quedó registrado, sus efectos terminan asignados a la base o a otro canal.

El costo también cuenta: datos, tiempo del equipo y actualizaciones periódicas. Si el modelo no puede mover una parte del presupuesto que justifique ese esfuerzo, no conviene hacerlo.

En una línea

Un marketing mix modeling sirve para repartir el presupuesto entre canales online y offline, y es tan bueno como los datos, la variación histórica y los tests con que se lo calibra.

Si tenés inversión en medios y en punto de venta pero no sabés cómo medirlas juntas, escribinos por WhatsApp y vemos si tus datos alcanzan para un MMM o si conviene empezar por un test.

Preguntas frecuentes

¿Qué es el marketing mix modeling?+

Es un modelo estadístico que usa series históricas agregadas de ventas, inversión y factores externos para estimar cuánto aportó cada palanca a la venta total. A diferencia de la atribución, no sigue usuarios ni necesita cookies: trabaja con datos semanales por canal o región, y por eso puede medir juntos medios digitales, TV, radio, promociones y ejecución en punto de venta.

¿Qué diferencia hay entre MMM y atribución?+

La atribución reparte el crédito de cada conversión entre los contactos que se pudieron rastrear. El MMM estima la contribución de cada canal a partir de cómo se mueve la venta agregada cuando cambia la inversión. La atribución sirve para optimizar campañas día a día; el MMM, para decidir cómo repartir el presupuesto entre canales, incluidos los que no dejan click.

¿Cuántos datos necesita un marketing mix modeling?+

Como punto de partida, dos a tres años de datos semanales de ventas, inversión por canal, precio, distribución y promociones. También hace falta que la inversión haya variado: si un canal recibió casi lo mismo todas las semanas, el modelo no tiene de dónde estimar su efecto. Con datos por región o por cadena, la historia necesaria puede ser menor.

¿Cuánto tarda en hacerse un MMM?+

Un primer modelo suele llevar entre dos y cuatro meses, y la mayor parte de ese tiempo se va en reunir y limpiar datos que están repartidos entre marketing, trade, finanzas y las agencias. Las actualizaciones siguientes son más rápidas si el flujo de datos quedó ordenado.

¿El marketing mix modeling sirve para empresas chicas?+

Depende menos del tamaño que de los datos. Hacen falta suficiente volumen, varios canales con inversión relevante y variación a lo largo del tiempo. Una marca con un solo canal grande, o con historia corta, va a aprender más de un test de incrementalidad bien diseñado que de un modelo sin información suficiente.

¿Se puede aplicar marketing mix modeling en farma?+

Sí, sobre todo en OTC, donde conviven publicidad al consumidor, exhibición, capacitación de mostrador y promociones al canal. Hay que modelar sobre sell-out o dispensa, no sobre sell-in, y separar la estacionalidad de la categoría. En productos bajo receta la lógica cambia: no hay publicidad al público general y la variable comercial central es la visita médica.

OnTradeMax

¿Querés aplicar esto a tu marca?

Integramos trade marketing, lead generation y performance en una sola estrategia. Te armamos una propuesta concreta para tu caso.

Hablemos por WhatsApp

Seguí leyendo

  • Software para gestión de equipos de campo: cómo elegirlo

    Software para gestión de equipos de campo: funciones que importan, qué pedirle a una app para mercaderistas, costos y errores al implementarlo en el PDV.

  • Cómo negociar con el área de compras en B2B sin regalar margen

    Cómo negociar con el área de compras en B2B: qué mide el comprador, cómo defender el precio y qué concesiones intercambiar sin erosionar el margen.

  • Sitio web para empresas industriales: estructura y catálogo

    Sitio web para empresas industriales: qué páginas necesita un fabricante, cómo armar el catálogo y las fichas técnicas, y cuándo conviene un rediseño B2B.

OnTradeMaxOnTradeMax

© 2026 OnTradeMax. Todos los derechos reservados.

[email protected]+54 9 11 6263-2404