全球 MMM 服务商全景图：谁在做营销混合建模，怎么选

为什么要了解 MMM 服务商格局

Marketing Mix Modeling 正在经历从"只有大品牌才用得起"到"中端品牌也能自助使用"的转变。这个转变意味着：过去 5 年里，MMM 服务商的数量和类型都在快速扩张。如果你正在考虑引入 MMM，面对的选择已经不是"要不要做"，而是"找谁做、用什么工具做"。

但问题在于，不同类型的供应商之间差异巨大——不只是价格差异，更是交付模式、数据控制权、持续迭代能力的根本不同。选错类型，比选错供应商的代价更大。

核心观点：MMM 不是一次性项目。如果你的供应商交付一份报告就结束合作，你得到的只是一个"时间快照"——而渠道效率每个季度都在变化。MMM 的价值在于持续运行和迭代，这正是不同类型供应商之间最大的分水岭。

三类服务商的根本区别

全球提供 MMM 能力的公司和工具，可以按"谁运行模型"和"谁拥有流程"分成三类：

一、传统咨询型：Nielsen / Kantar / GainTheory / Analytic Partners

这类公司是 MMM 行业的"老牌势力"。它们在 MMM 出现之前就做市场测量和消费者调研，MMM 是延伸出来的服务线。共同特点：人主导，工具辅助。

Nielsen

全球最大的测量与数据分析公司之一，MMM 是其营销 ROI 服务线的核心。

• 覆盖范围最广：100+ 国家有本地团队和数据来源，跨国品牌可以统一口径做全球对比
• 行业 benchmark 深度：几十年积累的跨行业 MMM 数据，可以告诉你"你的品类里 Google 的平均 ROI 是多少"
• 交付模式：项目制，3-6 个月交付，通常包含年度模型 + 季度刷新
• 价格区间：单次项目 $200K-$500K+，大型全球项目可达百万美元级
• 适合谁：年媒体花费 $5000 万+ 的全球品牌，需要全球标准化和行业对标

Kantar

WPP 集团旗下的市场研究巨头，MMM 通常和品牌追踪、消费者面板数据打包提供。

• 数据整合优势：拥有 Kantar Worldpanel 消费者面板数据，可以提供 MMM + 消费者洞察的联动分析
• 品牌层面建模：不只看渠道 ROI，还评估品牌资产对长期销售的贡献
• 价格区间：与 Nielsen 接近，$150K-$400K/项目

GainTheory

WPP 旗下的营销分析专业公司，更偏分析和建模而非市场研究。

• 定位：marketing effectiveness consulting，和 WPP 媒介代理商（GroupM 等）深度协作
• 价格区间：$100K-$300K/项目

Analytic Partners

独立的营销分析公司，主推"Mixed Marketing Model Engineering"，强调持续优化而非一次性交付。

• 差异化：提供 SaaS 化 dashboard 让客户自助查看结果，部分场景可做 scenario simulation
• 目标客户：中大型品牌（年花费 $2000 万-$1 亿）
• 价格区间：$80K-$250K/年（持续合作模式）

二、开源工具型：Meta Robyn / Google Meridian / PyMC-Marketing

2020-2024 年，全球最大的两个广告平台相继开源了自己的 MMM 工具。原因：隐私政策让 MTA 越来越不可靠，品牌需要 MMM 来做预算决策，广告平台希望品牌"留在生态里"继续花钱。

Meta Robyn

Meta 开源的 R 包，2021 年发布，是开源 MMM 工具中知名度最高的。

• 技术栈：R 语言，Ridge 回归 + 几何 Adstock + Hill 饱和函数
• 优势：Meta 背书，社区活跃（GitHub 4000+ stars），对 Meta 平台数据适配最好
• 局限：需要 R 环境 + 数据科学能力，没有 GUI，全靠命令行
• 隐性成本：Robyn 免费，但需要一个懂 R + 建模的人（年薪 $80K-$150K）

Google Meridian

Google 在 2024 年开源的 MMM 工具，是 LightweightMMM 的继任者。

• 技术栈：Python，JAX + NumPyro，贝叶斯框架
• 核心升级：支持先验知识注入、时变参数、多地理模型
• 优势：贝叶斯方法能给出置信区间，Google 官方维护
• 局限：发布时间短，生态不如 Robyn 成熟

PyMC-Marketing

PyMC 社区维护的营销分析包，最灵活但最"raw"。

• 特点：最可定制，适合研究和方法探索
• 局限：没有开箱即用的 pipeline，需要自己组装

三个开源工具的共同问题不是技术能力，而是使用门槛：需要专业人才、没有 GUI、运维成本高、没有商业支持。

关键洞察：开源工具让算法能力民主化，但"算法能力"和"品牌团队自助使用"之间还有巨大鸿沟。SaaS 平台型产品的本质，就是把开源工具的算法能力封装成品牌主可以直接使用的界面和流程。

三、SaaS 平台型：Sellforte / Rockerbox / Measured / Fospha

这是 MMM 领域增长最快的赛道。特点：工具主导，品牌团队自助使用，订阅制收费。

Sellforte

芬兰赫尔辛基的 MMM SaaS 创业公司，欧洲最知名的纯 MMM SaaS 产品。

• 定位：中端市场品牌，特别是北欧和欧洲市场
• 技术：贝叶斯方法，强调模型透明度和可解释性
• 定价：约 €500-€2000/月
• 局限：欧洲市场为主，亚太和北美覆盖弱；不支持多引擎对比

Rockerbox

美国纽约的营销测量平台，MMM 是其产品矩阵的一部分。

• 产品范围：不只是 MMM，还包括 MTA 和 incrementality testing
• 优势：多方法整合，可以交叉验证
• 局限：MMM 不是核心功能，建模深度不如纯 MMM 工具
• 定价：约 $1000-$5000/月

Measured

美国营销测量公司，主打 cross-channel measurement。

• 优势：在增量测量（incrementality）领域有较强积累
• 局限：偏重美国市场，交付仍偏咨询化

Fospha

英国伦敦的跨渠道测量平台。

• 优势：欧洲数据合规做得好，界面设计友好
• 局限：MMM 功能较新，成熟度不如 Sellforte

四、中国市场：本土玩家与格局差异

• 咨询市场被头部代理商主导：群邑、阳狮、宏盟等国际代理商国内团队提供 MMM 服务，交付模式类似传统咨询，$50-200 万/次
• 缺少成熟的本土 SaaS：和 Sellforte 同类定位的本土纯 MMM SaaS 产品极少
• 数据生态差异：微信、抖音、小红书的广告数据获取和 Google/Meta 完全不同，全球开源工具需要额外适配
• 隐私法规差异：PIPL 对数据出境管控比 GDPR 更严格，使用海外 SaaS 可能涉及合规问题

五、决策框架：你的品牌应该选哪个

年媒体花费 < $200 万

推荐：SaaS 平台型（SparkX Free / Pro、Sellforte 入门版）。2 分钟出报告的自助 SaaS 最匹配，年费 $1200-$2400。

年媒体花费 $200 万-$2000 万

推荐：SaaS 平台型（SparkX Pro / Enterprise、Sellforte Pro、Rockerbox）。渠道数量增加，需要精细建模和持续迭代。算上人力成本，SaaS 的 TCO 通常低于自建。

年媒体花费 $2000 万-$5000 万

推荐：SaaS + 咨询混合（SparkX Enterprise + Analytic Partners）。用咨询做年度基准，用 SaaS 做季度刷新和日常场景模拟。

年媒体花费 > $5000 万 / 多市场

推荐：传统咨询型（Nielsen / Kantar）+ 内部 MMM 能力。大型全球品牌需要全球标准化、行业 benchmark、跨市场对比。

总结对比表

最后一句：选 MMM 供应商，不要看"谁的技术最先进"，要看"你能不能持续使用它"。最好的 MMM 模型是那个你下个季度还会再跑一次的模型。