Cómo Rexona optimizó su inversión en Paid Media con Marketing Mix Modeling

En un ecosistema de medios cada vez más complejo, fragmentado y con crecientes desafíos de atribución, las marcas buscan respuestas más estratégicas para maximizar el rendimiento de sus inversiones publicitarias. Es por medio del partnership entre Meta y BunkerDB que Unilever se convierte en un caso de éxito destacado en la región.

El desafío: optimización de medios y maximización del ROAS

Rexona, Una de las principales marcas de Unilever en el mercado de Costa Rica, se propuso aumentar el impacto de su inversión en paid media. ¿El objetivo? Determinar con precisión cómo cada canal contribuía a las ventas y descubrir oportunidades para mejorar la eficiencia de su presupuesto publicitario.

La solución: un modelo de Marketing Mix Modeling con enfoque en resultados

Con el respaldo del equipo de Marketing Science de Meta y la experiencia analítica del equipo de data science de Bunker, se desarrolló un modelo de Marketing Mix Modeling (MMM) que permitió medir el aporte de cada canal a las ventas y descubrir oportunidades claras para optimizar la inversión en medios. Así, Rexona ganó confianza para destinar mayor inversión a formatos de Reels y Carruseles en Facebook e Instagram, lo que le permitió alcanzar una mayor eficiencia y potencial de crecimiento a largo plazo en todos los canales digitales.

Resultados del caso

Gracias a esta implementación conjunta:

• Rexona identificó una mejora potencial del 36% en el ROAS al redistribuir su inversión hacia medios digitales.
• Meta obtuvo un ROAS 2,9 veces superior al promedio de todos los canales.
• La marca ganó confianza para seguir invirtiendo en formatos de alto rendimiento como Reels y Carruseles.
• Se estableció una base sólida para mejorar la eficiencia y el crecimiento a largo plazo.

Este estudio fue reconocido y publicado por Meta como caso de éxito oficial, disponible aquí: Meta Business Case Study - Rexona.

¿Qué es el Marketing Mix Modeling (MMM)?

El MMM es un modelo econométrico que cuantifica cómo diferentes factores (medios pagos, promociones, estacionalidad, condiciones macroeconómicas, etc.) contribuyen a las ventas. A partir de estos modelos, es posible estimar el ROAS marginal de cada canal, optimizar la asignación de presupuestos y tomar decisiones más precisas sobre estrategias de medios.

En tiempos donde la atribución por usuario se debilita (por bloqueos de cookies y cambios regulatorios como GDPR o ATT), el MMM gana protagonismo porque:

• No depende de datos individuales, sino de información agregada y anonimizada.
• Permite tomar decisiones estratégicas a nivel macro (presupuestos anuales, planeación de campañas).
• Es robusto ante la fragmentación del customer journey y la aparición de nuevos canales.

¿Por qué este caso importa a otras marcas?

Los modelos de Marketing Mix Modeling permiten a las marcas:

• Cuantificar con precisión el impacto de cada canal.
• Reasignar presupuestos basándose en datos y no en suposiciones.
• Tomar mejores decisiones en su planificación de medios anual.
• Elevar el nivel de conversación del marketing hacia el negocio y sus resultados.

En palabras simples, es una herramienta para hacer más con menos y con mayor certeza.

Requisitos clave para implementar MMM:

• +18 meses de datos históricos (ventas, inversión en medios, datos de pricing, competencia, etc).
• Información contextual como promociones, actividades orgánicas y datos del mercado.

Conclusión: Marketing basado en ciencia y no en suposiciones

Este caso muestra cómo la combinación entre datos, tecnología y alianzas estratégicas puede impulsar decisiones más inteligentes y rentables. Bunker, Meta y Unilever demostraron que, incluso en contextos complejos, es posible tomar el control del rendimiento de los medios y transformar la analítica en crecimiento real.

¿Te gustaría saber cómo aplicar MMM en tu marca?