Google Meridian es el marketing mix modeling (MMM) open source de Google: un modelo bayesiano que estima cuánto aporta cada canal a las ventas a partir de datos agregados de inversión y resultados, sin ningún seguimiento a nivel de usuario. Es gratuito y está disponible para todos desde enero de 2025. La trampa está en todo lo que lo rodea: los datos que necesita, la estadística que presupone y la calibración que hace que su respuesta sea fiable.
En este post explico qué hace falta de verdad para ejecutar Meridian, y qué debería usar una marca en crecimiento en cada etapa, porque para la mayoría de marcas el primer paso correcto no es un MMM.
TL;DR
- Un MMM costaba entre 150.000€ y 500.000€. En 2026 los modelos son gratis: Meridian de Google y Robyn de Meta son open source.
- La herramienta nunca fue lo difícil. Ejecutar uno bien exige Python, estadística bayesiana y dos o tres años de datos de inversión variada.
- Lo que te habilita para un MMM es la madurez de tus datos, no tu facturación. Una marca de 3M€ que crece rápido no debería estar construyendo uno.
- La incrementalidad (tests de geo-lift y holdout) es la puerta de entrada para el mid-market, ahora que Google ha bajado el mínimo de sus tests de lift de unos 100.000 $ a 5.000 $.
- Ningún número es la verdad por sí solo. La atribución es direccional, la incrementalidad es causal, el MMM es estratégico. Usa los tres para que se controlen entre sí.
Qué es Google Meridian, y por qué «gratis» no es lo importante
Hacer un MMM significaba un proyecto de consultoría de seis cifras y un equipo de data science. Los proyectos clásicos costaban entre 150.000€ y 500.000€, duraban unos seis meses y solo los presupuestos de una Fortune 500 podían asumirlos.
Esa barrera ha desaparecido. En 2026 los modelos son gratis. Meridian de Google y Robyn de Meta son open source: Robyn desde 2021 y Meridian disponible para todos desde enero de 2025, con un Scenario Planner sin código añadido a principios de 2026.
Así que la herramienta ya no es lo que les falta a las marcas D2C del mid-market. Lo que les falta es alguien que sepa ejecutarla de verdad.
Esa diferencia lo es todo. La capa de base, el stack de seguimiento a medida de una startup, ya la expliqué en medición de nivel enterprise sin ser una enterprise. Este post trata de lo que ejecutas encima de ese stack, y cuándo. A continuación tienes la escalera, etapa por etapa, y por qué «gratis» no significa «fácil».
Por qué la medición ha vuelto a los modelos
El aviso de ATT de Apple y la lenta retirada de la cookie de terceros rompieron el seguimiento a nivel de usuario. Los métodos que han sobrevivido son los que nunca dependieron de él.
Tanto el MMM como la incrementalidad cruzan inversión agregada con resultados agregados. Sin cookies, sin IDs de dispositivo, sin coser recorridos individuales. Esa resistencia frente a la privacidad es la razón por la que han vuelto a estar de moda.
Los marketers se han dado cuenta. En una encuesta de eMarketer y TransUnion de julio de 2025 a 196 marketers de marcas y agencias de EE. UU., el MMM fue el método de medición más fiable para el 27,6 %, por delante de la atribución multitouch (19,4 %) y los enfoques unificados (18,9 %). Casi la mitad, el 46,9 %, planea invertir más en MMM durante el próximo año, y más de la mitad, el 52 %, ya hace tests de incrementalidad.
Un matiz honesto antes de que te emociones: la adopción va por delante de la confianza. TransUnion descubrió que la confianza de los marketers en su propia medición se ha estancado. Es un motivo para hacerlo bien, no para perseguir el titular.
«Gratis» no es «fácil»
Meridian es un modelo bayesiano. Pide Python, una GPU y un nivel de conocimientos estadísticos que la mayoría de equipos de marketing sencillamente no tiene. El modelo es gratis. La persona que sabe ejecutarlo, no.
Además, necesita muchos datos. Un modelo fiable necesita unos dos o tres años de datos semanales con variación real de inversión en cinco o más canales. La propia documentación de Meridian de Google lo dice sin rodeos: dos años de datos semanales (104 puntos) frente a unos 26 parámetros es «demasiado poco para estimar el modelo de forma fiable», y recomienda acercarse a 15 puntos de datos por parámetro, lo que equivale a unos tres años de histórico.
Así que dos años de inversión plana en los mismos dos canales no te dan un MMM. Te dan una respuesta pulida, segura y equivocada. Una hoja de cálculo con ROAS combinado no es un input para un modelo.
Esta es la corrección que casi todos los consejos de «monta un MMM y ya» pasan por alto. Lo que te habilita para un MMM es la madurez de tus datos, no tu facturación. Una marca de 3M€ que crece rápido no debería estar construyendo uno. Su punto de entrada está un peldaño más abajo.

Tres métodos que se controlan entre sí
El planteamiento honesto para una marca D2C en crecimiento no es una única fuente de verdad. Son tres que se mantienen honestas entre sí.
Atribución de plataforma. Diaria y en tiempo real, útil para optimizar, pero direccional, no palabra sagrada. Le regala a tu búsqueda de marca un ROAS de último clic precioso. Haz un holdout (grupo de control) bien hecho y normalmente descubres que entre el 70 y el 90 % de esas conversiones se habrían producido igualmente. En un ejemplo práctico habitual, el 85 % no eran incrementales. El dashboard no mentía a propósito. Simplemente no puede ver el contrafactual, lo que habría pasado sin esa inversión. Por eso Google Ads retiró sus modelos de atribución basados en reglas en favor de la atribución basada en datos, y por eso la atribución multitouch sigue sobreatribuyendo los clics que puede medir.

Incrementalidad, mediante tests de geo-lift y holdout. Es la verdad causal de referencia y la puerta de entrada accesible. Responde a la única pregunta que importa de verdad: qué habría pasado si no hubieras gastado ese dinero. Retiras la inversión a propósito en un grupo o una zona geográfica equivalente y comparas. No hace falta seguimiento a nivel de usuario.
MMM. La visión de cartera y de reparto de presupuesto, una vez que tus datos se lo han ganado. Estratégico y trimestral, y solo fiable con años de histórico variado detrás.
La atribución es direccional, la incrementalidad es causal, el MMM es estratégico. Ninguno es la verdad por sí solo. Son valiosos precisamente porque discrepan de forma útil y te obligan a reconciliarlos. Triangular los tres se ha convertido sin hacer ruido en la buena práctica de 2026, y es una disciplina, no una compra.
Qué usar de verdad en cada etapa
Si te quedas con una sola cosa de este post, que sea la escalera.

Etapa inicial, por debajo de 1 millón € de inversión en medios, en unos pocos canales. Olvídate del MMM y de la incrementalidad formal. Deja limpio el seguimiento de las plataformas: del lado del servidor, con valores de conversión reales volviendo a las plataformas, no eventos proxy. Después, lee la atribución con cierta distancia. En esta etapa ese es todo el trabajo, y la mayoría de marcas aquí no lo ha terminado. Es el trabajo que hay detrás de nuestro Growth Audit, y es donde se esconde sin hacer ruido la mayor parte de la inversión desperdiciada.
En crecimiento, aproximadamente de 3 a 30 millones €, invirtiendo en tres o más canales. La incrementalidad es tu puerta de entrada, y por fin es asequible. Google bajó el mínimo de sus tests de lift de unos 100.000 $ a 5.000 $ en 2025 con una metodología bayesiana, y Meta liberó GeoLift como open source, que mide a nivel de mercado sin seguimiento de usuarios. Dos a cuatro tests de holdout o geo bien diseñados al año, en tus canales más grandes o más inciertos, te enseñarán más que cualquier dashboard. Este es el punto óptimo del mid-market. No el MMM.
Con datos maduros, normalmente en la parte alta y con histórico real detrás. Ahora sí añades el MMM, cuando tienes dos o tres años de inversión variada en cinco o más canales y alguien que sabe ejecutar de verdad un modelo bayesiano. Valídalo con los tests de incrementalidad que ya estás haciendo. Si lo montas antes, se convierte en uno de los números menos fiables que tienes.
La idea de fondo
La «medición de nivel enterprise» nunca fue una cuestión de presupuesto. Es una disciplina: inputs limpios, tests causales en tus apuestas más arriesgadas y ningún dashboard tratado como la última palabra.
Esa disciplina es la que apliqué en GetYourGuide y Glovo, y es el hueco alrededor del cual construí Farvero. Una marca del mid-market que todavía no puede contratar un equipo de datos completo también merece una medición en la que pueda confiar, ajustada con honestidad a lo que su etapa puede sostener. Nivel enterprise, sin la estructura de una enterprise. Si quieres que alguien revise contigo por dónde debería empezar tu medición, hablo de ello encantado, sin venderte nada.
FAQ
¿Qué es Google Meridian?
Google Meridian es el modelo de marketing mix open source de Google. Es un modelo bayesiano, escrito en Python, que estima la contribución de cada canal a las ventas y al ROI a partir de datos semanales agregados de inversión y resultados, así que funciona sin cookies ni seguimiento a nivel de usuario. Es de uso gratuito y puede incorporar los resultados de tests de lift como priors (distribuciones a priori), que es la forma de mantener honestas sus estimaciones.
¿Google Meridian o Robyn: cuál debería usar?
Los dos son gratuitos y open source. Robyn es el MMM de Meta, hecho en R, con regresión ridge y búsqueda automatizada de hiperparámetros. Meridian es el de Google, hecho en Python y totalmente bayesiano, y está diseñado para incorporar resultados de experimentos como priors. La elección importa menos que los inputs: cualquiera de los dos necesita dos o tres años de datos de inversión variada y alguien que sepa validar el resultado con tests de incrementalidad.
¿Cuántos datos necesita realmente un MMM?
Unos dos o tres años de datos semanales con variación real de inversión en cinco o más canales. La documentación de Meridian de Google considera que dos años frente a unos 26 parámetros son demasiado pocos para estimar de forma fiable. Por debajo de eso, un MMM va escaso de datos y se convierte en uno de los números menos fiables que tienes.
¿El MMM es solo para grandes empresas?
Ya no, pero no por el motivo que la gente cree. Los modelos, Meridian y Robyn, son gratis. El filtro es la madurez de los datos y la capacidad estadística, no la facturación. Una marca puede facturar 3M€ y aun así estar a años de un MMM fiable, mientras que una marca con datos maduros e histórico de inversión variada está lista antes.
¿Por dónde debería empezar una marca del mid-market?
Por la incrementalidad, no por el MMM. El mínimo de los tests de lift de Google bajó de unos 100.000 $ a 5.000 $, y Meta liberó GeoLift como open source. Dos a cuatro tests de holdout o geo al año en tus canales más importantes son un programa sólido y asequible.
¿Los tests de incrementalidad necesitan seguimiento a nivel de usuario?
No. Los tests de geo-lift y holdout leen resultados agregados a nivel de mercado o de grupo. Por eso precisamente sobrevivieron a ATT y a la desaparición de las cookies, y por eso la medición ha vuelto hacia ellos.
¿Puedo fiarme de la atribución de plataforma?
Sí, como señal direccional para optimizar en tiempo real, no como la verdad. El último clic sobreatribuye de forma sistemática la búsqueda de marca: los holdouts suelen mostrar que entre el 70 y el 90 % de esas conversiones se habrían producido igualmente. Úsala a diario, pero deja que la incrementalidad resuelva las preguntas causales.
Puntos clave
- Los modelos son gratis; ejecutar uno bien no lo es. El presupuesto ya no es la barrera: lo son la capacidad y los datos.
- Decide si toca un MMM según la madurez de tus datos (dos o tres años de inversión variada), nunca según la facturación.
- Empieza la medición del mid-market con incrementalidad, ahora accesible desde 5.000 $ por test.
- Mantén la atribución de plataforma para la optimización diaria, pero trátala como direccional.
- Usa atribución, incrementalidad y MMM juntos para que se controlen entre sí. Ningún número es la verdad por sí solo.
Fuentes
- Google, Meridian is open to everyone
- Google, Meridian docs: amount of data needed
- Meta, Robyn (MMM open source)
- eMarketer, Marketers double down on MMM y nearly half plan to invest in MMM
- TransUnion, confidence in measurement has stalled
- PPC Land, Google cuts incrementality testing to $5,000 minimum
- Search Engine Land, Bayesian testing: Google’s $5,000 incrementality y MMM tools explained
- MarTech, why measurement needs triangulation y time to move on from MTA

