Suba seu CSV de mídia. Um modelo Bayesiano entrega ROAS real, adstock e saturação por canal — com relatório executivo em segundos.
o problema
Last-click mente. Feeling é arriscado. Marketing Mix Modeling entrega atribuição real — baseada em estatística, não na convenção das plataformas.
Quanto cada canal gera de verdade?
Isola a contribuição incremental de cada mídia — sem double-counting, sem viés de atribuição das próprias plataformas.
Onde estou desperdiçando budget?
Identifica canais saturados onde aumentar o investimento já não traz retorno proporcional.
Qual o melhor mix de verba?
Simula realocações entre canais e projeta o impacto na receita antes de você executar qualquer mudança.
Qual o efeito da mídia ao longo do tempo?
Modela o carryover — a mídia de hoje continua gerando resultado nas semanas seguintes. Isso muda tudo no cálculo de ROAS.
comece aqui
Arraste um arquivo CSV ou XLSX aqui
O arquivo precisa ter uma coluna date (semana), revenue (receita da semana em R$) e pelo menos um canal de mídia com sufixo _spend — como tv_spend ou search_spend.
Colunas necessárias no arquivo
dateData de cada semana — formato AAAA-MM-DD (ex: 2024-01-07)revenueReceita total gerada naquela semana, em R$tv_spendInvestimento por canal de mídia — sufixo _spend obrigatório (ex: tv_spend, search_spend, social_spend)Outras colunas (promoção, sazonalidade, preço) são detectadas automaticamente como variáveis de controle.
a tecnologia
Utilizamos o PyMC-Marketing — biblioteca open source mantida por dezenas de contribuidores e usada por times de dados de grandes anunciantes ao redor do mundo. A modelagem complexa está resolvida. Você foca nas decisões.
Estimativas com incerteza real
O modelo retorna intervalos de credibilidade — não um número fixo. Você sabe o que é confiável e o que é faixa de variação.
Efeito de tempo modelado
Adstock captura que a mídia de hoje impacta as semanas seguintes. Isso muda o ROAS real de canais como TV e Social.
Independente das plataformas
O modelo lê seus dados brutos — não os relatórios das próprias plataformas. Sem conflito de interesse na atribuição.
o que o modelo entrega
PyMC-Marketing com adstock geométrico e saturação logística. Estimativas com incerteza real — não atribuição de last-click.
LLaMA 3.3 70B via Groq lê seus resultados e escreve um relatório executivo com pontos de atenção e recomendações acionáveis.
Simule realocações de verba com um slider e veja o impacto projetado na receita. Descubra onde cada real rende mais.
dataset de exemplo
Não tem dados agora? Use o nosso.
Dataset sintético pronto para testar o M3-Mix do início ao fim — sem precisar preparar nada.
Pronto para medir o que funciona?
Suba seu CSV e tenha resultados em minutos — sem configuração.