21. Mai 2026 · digital opua
Marketing Mix Modeling ohne Python: Google Meridian für KMU
Bayesian MMM galt jahrzehntelang als Enterprise-Methode mit Studienkosten zwischen CHF 50'000 und CHF 150'000. Google Meridian hat das Open-Sourced — warum trotzdem so wenige KMU es nutzen.
Marketing Mix Modeling hat eine Hürde, die in Brand-Marketing-Kreisen selten offen ausgesprochen wird. Die Methodik existiert seit den 1960er-Jahren, Procter & Gamble und Unilever nutzen sie seit Jahrzehnten zur Budget-Allokation. Aber bis 2024 war jeder ernsthafte MMM-Aufbau ein Sechsstelliges-Projekt: Nielsen, Kantar, Analytic Partners, Marketing Evolution liefern fundierte Bayesian-Modelle, aber die Studie kostet je nach Komplexität CHF 50'000 bis CHF 150'000 und braucht sechs bis zwölf Wochen Setup-Zeit.
Im April 2024 hat Google das Spielfeld verändert. Google Meridian, intern jahrelang bei Google Marketing Platform-Kunden eingesetzt, wurde unter Apache-2.0-Lizenz als Open-Source-Projekt veröffentlicht. Innerhalb von zwölf Monaten ist Meridian zum De-facto-Standard für Bayesian Marketing Mix Modeling geworden — JPMorgan, Mondelez, Sainsbury's und Telstra nutzen es produktiv. Die Marketing-Mix-Modeling-Methodik, die jahrzehntelang Enterprise-Privileg war, ist auf einmal frei verfügbar.
Trotz dieser Demokratisierung haben nur wenige KMU 2025 ein eigenes MMM aufgebaut. Die Statistik aus dem DACH-Markt ist ernüchternd: Bei einer Befragung von 247 KMU-Marketing-Verantwortlichen im Februar 2026 hatten 83 Prozent von Marketing Mix Modeling gehört, aber nur 4 Prozent ein eigenes Modell aktiv im Einsatz. Die Gründe, die in den offenen Antworten am häufigsten genannt wurden: Es fehlt das Python-Wissen im Team. Die Setup-Komplexität wirkt prohibitiv. Es ist unklar, welche Daten überhaupt nötig sind. Niemand im Team versteht Bayesian-Inferenz gut genug, um die Ergebnisse zu verteidigen.
Diese Hürden sind real, aber lösbar. Meridian ist ein Python-Package mit etwa achthundert Seiten Dokumentation, einem Jupyter-Notebook-Tutorial und einer Lernkurve, die für einen Data-Scientist überschaubar ist — für ein KMU-Marketing-Team ohne dedizierte Data-Funktion aber jenseits dessen, was sich in zwei Wochen aufbauen lässt. Die Self-Service-GUI ist die Antwort. MMM-Wizard wickelt Meridian in einen geführten Workflow ein: CSV hochladen, Channels selektieren, Industrie-Priors aus einer kuratierten Bibliothek wählen, Modell-Run triggern. Die zugrundeliegende Bayesian-Mathematik bleibt identisch zu einem manuellen Python-Setup, aber der Pfad vom Daten-Upload zu den ersten Insights ist auf zehn Minuten verkürzt.
Der Workflow im Detail. Schritt eins ist der CSV-Upload. Typische Format-Erwartung: eine Zeile pro Woche, Spalten für Marketing-Spend pro Channel, Conversions oder Sales, optional Saisonalitäts- und Promotions-Variablen. Wer einen GA4-BigQuery-Export hat, kann den direkt verbinden. Schritt zwei ist die Channel-Konfiguration mit Adstock-Window und Saturation-Curve-Default pro Channel — wir liefern Industrie-Priors für E-Commerce, Travel, Telco, Finance und Non-Profit. Schritt drei ist der Modell-Run, der typisch fünf bis fünfzehn Minuten auf Vertex AI in Zürich läuft. Schritt vier sind die Insights: Response-Kurven, ROI pro Channel, Saturation-Punkte, Budget-Empfehlungen mit Konfidenzintervallen.
Eine berechtigte Frage: Wenn Meridian Open-Source ist, warum dann SaaS bezahlen? Die Antwort hat drei Komponenten. Erstens die Setup-Zeit — Meridian self-hosting braucht Python-Environment, Vertex-AI-Account, Service-Account-Credentials, BigQuery-Setup, Notebook-Infrastruktur. Wer dafür einen Engineer für drei Wochen vom Tagesgeschäft abzieht, kalkuliert intern leicht CHF 15'000 in Personalkosten. Zweitens die Wartung — Meridian ist ein lebendes Projekt mit monatlichen Releases, Breaking Changes und neuen Features. Drittens die Insights-Aufbereitung — ein Bayesian-Posterior ist mathematisch korrekt, aber für einen CMO nicht lesbar; die Übersetzung von Posterior-Verteilungen in 'Investiere 23 Prozent mehr in Social und 18 Prozent weniger in Display' ist eine eigene Disziplin.
Realistische Kosten-Kalkulation für ein KMU mit CHF 800'000 Jahres-Marketing-Budget. Klassisches Nielsen-Setup: CHF 80'000 Setup, CHF 15'000 pro Re-Fit, typisch zwei Re-Fits pro Jahr — also CHF 110'000 im ersten Jahr, CHF 30'000 in den Folgejahren. Self-Hosted-Meridian: CHF 15'000 interne Setup-Kosten, ein Tag pro Re-Fit, plus jährlich CHF 6'000 Vertex-AI-Compute — also CHF 21'000 im ersten Jahr, CHF 7'000 in den Folgejahren, vorausgesetzt der Engineer bleibt im Team. MMM-Wizard Pro-Tier: CHF 490 pro Monat, alle Re-Fits inkludiert, plus optional CHF 8'000 Readiness-Audit am Anfang — also CHF 13'880 im ersten Jahr, CHF 5'880 in den Folgejahren.
Für CMOs, die diese Kalkulation für den eigenen Kontext durchrechnen wollen, gibt es einen Pricing-Rechner auf marketing-mix-modeling.ch/pricing. Wer den Free-Tier zuerst ausprobieren möchte, kann ohne Verpflichtung einen Account anlegen und einen ersten MMM-Run mit synthetischen Daten oder einer GA4-Verbindung starten. Innerhalb der ersten Stunde sieht man, ob die Methodik zum eigenen Setup passt — und das ohne Setup-Investment, das später als Sunk Cost belastet.