Google rende l’MMM accessibile con Scenario Planner no-code.

Attraverso un’interfaccia no-code e un modello open source, Google promette di rendere accessibile la complessa analisi dei dati di marketing, ma l’iniziativa nasconde requisiti elevati e una strategia per il controllo della misurazione nell’era post-cookie.

Il marketing mix modeling (MMM) è da decenni lo strumento principe per capire quanto spendere in pubblicità e dove, ma il suo accesso è sempre stato custodito da un ristretto gruppo di iniziati: statistici, data scientist, consulenti specializzati.

Un processo lento, costoso e opaco, che spesso restituisce risposte quando le domande sul budget sono già state poste.

Ora, Google punta a scardinare questa fortezza con un’operazione che suona come una democratizzazione, ma che nasconde una mossa strategica molto più complessa.

L’azienda ha infatti lanciato Scenario Planner, un’interfaccia no-code per la sua piattaforma MMM open source chiamata Meridian, che promette di mettere la potenza della modellazione statistica direttamente nelle mani dei marketer, senza bisogno di team di data science.

L’obiettivo dichiarato è nobile: abbattere le barriere all’ingresso per una tecnologia potente.

Ma dietro l’interfaccia drag-and-drop si nascondono ancora requisiti di dati mastodontici, complessità statistiche ineliminabili e, soprattutto, la volontà di Google di posizionarsi come arbitro neutrale in un mondo dove la misurazione del marketing sta diventando un campo di battaglia.

La mossa arriva in un momento di crisi profonda per gli strumenti di attribuzione tradizionali.

La progressiva scomparsa dei cookie di terze parti e le restrizioni alla tracciabilità individuale imposte da normative come il GDPR e dall’App Tracking Transparency di Apple hanno reso sempre più fragile la catena di attribuzione click-by-click.

Il marketing mix modeling, che lavora su dati aggregati (spesso a livello geografico o temporale) invece che sul singolo utente, diventa così non solo un’alternativa, ma una necessità per chi deve giustificare investimenti pubblicitari multimilionari.

Google, con Meridian, ha scelto la via dell’open source, rilasciando pubblicamente il codice del modello statistico già nel 2025.

Questo garantisce trasparenza e permette una certa personalizzazione, ma fino a ieri per usarlo serviva comunque scrivere codice in Python o R.

Scenario Planner è il tentativo di rimuovere quest’ultimo ostacolo, aggiungendo un layer di business intelligence che consente di eseguire scenari di allocazione del budget senza bisogno di team di data science.

L’eleganza tecnica (e i limiti) di un modello aperto

Tecnicamente, Meridian non è un giocattolo.

È un modello bayesiano che applica l’inferenza causale per stimare l’impatto incrementale di ogni canale di marketing sulle vendite.

A differenza di molti modelli “black box”, il framework bayesiano propaga l’incertezza attraverso tutti i parametri, fornendo non una stima puntuale ma una distribuzione di probabilità, molto più informativa per prendere decisioni in condizioni di rischio.

Opera principalmente su dati aggregati a livello geografico, permettendo di analizzare le performance in regioni diverse e di sfruttare le variazioni locali per migliorare l’accuratezza delle stime.

Inoltre, integra nativamente dati proprietari di Google, come il volume delle query di ricerca (GQV) e le metriche di reach e frequency di YouTube, che la piattaforma dati MMM di Google mette a disposizione.

Questa integrazione è un vantaggio chiaro per chi già investe pesantemente sugli strumenti dell’azienda.

Tuttavia, la democratizzazione promessa dall’interfaccia no-code si scontra con la dura realtà dei prerequisiti.

Un modello MMM robusto ha fame di dati, e Meridian non fa eccezione.

La documentazione tecnica è chiara: servono almeno due anni di dati storici settimanali su vendite e spesa marketing.

Ma la sufficienza dei dati dipende dalla complessità del modello.

Un esempio calcolato da Google stesso mostra che con 12 canali media, 6 variabili di controllo e 8 “nodi” per una funzione, due anni di dati settimanali (104 punti) risultano in soli quattro punti dati per ogni effetto stimato, il che è insufficiente.

In pratica, solo le grandi aziende con volumi enormi e storie dati lunghe possono sperare di costruire modelli stabili.

Inoltre, Meridian accetta dati a livello geografico o nazionale in formati specifici e, cosa cruciale, si focalizza solo a livello di canale, non di campagna singola.

Questo significa che un marketer non potrà usarlo per ottimizzare una specifica campagna YouTube, ma solo per capire l’impatto complessivo dell’investimento in video.

La strategia dietro la “neutralità”

Qui emerge il vero gioco di Google.

Presentandosi con uno strumento open source e “piattaforma-agnostico”, Google cerca di ritagliarsi il ruolo di Svizzera della misurazione marketing, un attore neutrale in un ecosistema dove Meta, Amazon, TikTok e altri promuovono metriche e strumenti di attribuzione che favoriscono naturalmente i loro stessi canali.

La mossa è astuta: offrire uno strumento che, in teoria, può misurare oggettivamente l’impatto della TV, della radio, della stampa e dei competitor digitali.

Ma il punto di integrazione più naturale e immediato rimane il proprio ecosistema.

Scenario Planner promette infatti di modellare i dati di spesa di Google Ads a fianco di quelli di TV, radio e canali offline in un’unica interfaccia.

Per un brand che già spende decine di milioni su Search e YouTube, la tentazione di usare lo strumento che integra perfettamente quei dati sarà fortissima.

Google sta inoltre costruendo rapidamente un tessuto di partner per implementare Meridian, annunciando oltre 30 nuovi partner globali certificati per aiutare le aziende a distribuire le sue capacità.

Questo crea un effetto rete: più consulenti sono formati su Meridian, più diventerà lo standard de facto per le implementazioni MMM, specialmente per quelle aziende che non hanno al proprio interno le competenze per gestire la complessità statistica sottostante, nonostante l’interfaccia semplificata.

L’azienda afferma che lo strumento è stato testato da centinaia di brand a livello globale, un dato che, seppur vago, serve a legittimarne l’adozione su larga scala.

La reazione del mercato e le ombre sulla trasparenza

La mossa di Google non passerà inosservata nel competitivo mondo del marketing analytics.

Da un lato ci sono i giganti consolidati come Nielsen, dall’altro le startup specializzate in MMM moderno come Recast, e poi c’è Meta con il suo strumento Robyn, anch’esso open source ma ottimizzato per il social advertising.

La critica più prevedibile e potente che competitor e consulenti indipendenti muoveranno a Google riguarderà il conflitto di interesse.

Come può uno strumento creato da un’azienda il cui business principale è vendere pubblicità essere veramente neutrale nel consigliare dove allocare il budget?

Un consulente terzo, senza interessi diretti nella spesa media, potrebbe essere percepito come un arbitro più credibile.

C’è poi il rischio tecnico di un’eccessiva semplificazione.

Scenario Planner astrae la complessità, ma i modelli MMM sono per natura approssimazioni della realtà.

Le assunzioni sulla curva di adstock (quanto dura l’effetto di una pubblicità), sui rendimenti decrescenti e sulla forma della risposta al marketing sono scelte critiche che influenzano drammaticamente l’output.

Un marketer che usa un’interfaccia no-code potrebbe non avere gli strumenti per valutare la bontà del modello sottostante, rischiando di prendere decisioni multimilionarie basate su una “scatola nera” solo leggermente più trasparente perché open source.

La vera competenza non sta nel cliccare su uno scenario, ma nel sapere quali dati inserire, come prepararli, e come interpretare (e sfidare) le stime del modello.

Google, con Scenario Planner, sta quindi giocando una partita su più livelli: tecnologica, con la semplificazione di un modello avanzato; strategica, cercando di controllare lo standard di misurazione in un’era post-cookie; commerciale, creando un ponte naturale verso il suo ecosistema pubblicitario.

La promessa di democratizzazione è reale per le grandi aziende che hanno i dati ma non le competenze statistiche interne.

Ma per il vasto mondo delle PMI, i requisiti di dati e la complessità residua lasciano questo strumento saldamente nel campo degli “enterprise grade”.

La domanda finale allora non è solo se i marketer saranno in grado di usare questo strumento, ma se, affidandosi a Google per misurare l’efficacia di tutto il marketing, non finiranno inconsapevolmente per dare all’azienda di Mountain View un ruolo ancora più centrale nel decidere dove investire i loro soldi.

La trasparenza del codice open source basta a garantire una vera neutralità, o è solo l’involucro elegante di una strategia di lock-in molto più sofisticata?