Meridian Scenario Planner: planowanie budżetu mediowego na podstawie MMM bez kodu

Czym jest Meridian Scenario Planner i dla kogo powstał

Scenario Planner to warstwa prezentacji i planowania nałożona na model Meridian. Jest przeznaczony dla osób, które decydują o budżecie, ale nie pracują w Pythonie: dyrektorów marketingu, kontrolerów finansowych, planerów mediów i zespołów agencji.

Bez tego narzędzia wyniki modelu MMM zwykle trafiają na slajdy, a każde pytanie „co, jeśli” wymaga ponownego uruchomienia kodu przez analityka. Scenario Planner odwraca ten proces: analityk przygotowuje model i raport, a planowanie odbywa się interaktywnie. Jeśli raport ma wcześniej przeliczoną siatkę optymalizacji, kolejne scenariusze liczą się w kilka sekund.

Narzędzie nie poprawia jakości samego modelu. Jeśli dane wejściowe są niekompletne albo model nie jest skalibrowany, raport pokaże błędne wnioski w bardzo przekonującej formie. Dlatego zanim go wygenerujesz, przejdź przez diagnostykę opisaną w praktycznym poradniku Google Meridian.

Co musisz przygotować przed wygenerowaniem raportu

Potrzebujesz wytrenowanego modelu z próbkami a posteriori, dostępu do Colab i Looker Studio oraz decyzji, jakie okresy analizy mają być dostępne w raporcie. Resztę konfiguruje się już w raporcie.

Domyślnie analizy dzielone są na cały okres modelu, lata, kwartały i miesiące. Jeśli planujesz kwartałami, sprawdź, czy ostatni pełny kwartał jest w danych – inaczej porównasz plan z niepełnym okresem. Najwięcej wartości daje model skalibrowany eksperymentami, o czym piszemy w tekście o testach geo i kalibracji MMM.

Jak wygenerować raport Meridian Scenario Planner krok po kroku

Raport powstaje w notatniku, a konfiguracja scenariuszy odbywa się w Looker Studio. Przy gotowym i zdiagnozowanym modelu to kilka kroków.

1. Udostępnij model. Zapisz wytrenowany model na Dysku Google lub w Cloud Storage. Jeśli chcesz najpierw przetestować narzędzie, Google udostępnia demonstracyjny notatnik Meridian z przykładowymi danymi.
2. Otwórz notatnik Scenario Planner w Colab i wskaż lokalizację modelu.
3. Zdefiniuj analizy. Generator przyjmuje specyfikacje dopasowania modelu, analizy marketingowej i optymalizacji budżetu. Analizy marketingowe i optymalizacyjne są automatycznie dzielone na okresy.
4. Przelicz siatkę optymalizacji (opcjonalnie, z GPU). Dzięki temu kolejne scenariusze liczą się w sekundach. Mimo nazwy „WeeklyOptimizationGrid” siatka ma taką granulację czasu jak dane wejściowe.
5. Wygeneruj raport i otwórz link do Looker Studio.
6. Wstrzymaj aktualizacje raportu w trybie edycji, zanim zaczniesz konfigurację. Unikniesz konfliktów i zbędnych przeliczeń.
7. Skonfiguruj optymalizację, przejrzyj tabelę konfiguracji, przełącz się do trybu wyświetlania i uruchom obliczenia przyciskiem w prawym dolnym rogu.
8. Zapisz raport opcją „Edytuj i zapisz”, jeśli ma powstać trwała wersja do dalszej pracy.

Każdy scenariusz opisz w krótkiej karcie, żeby po kwartale dało się porównać plan z rzeczywistością:

Scenariusz: Q1 2027 – ten sam budżet, nowy podział
Model: meridian_2026-10_v3 (dane do 2026-10-19, kalibracja: test geo Meta, wrzesień 2026)
Okres: 2027-01-05 – 2027-03-29
Budżet: 900 000 zł netto, typ: stały
Limity: Google 0,8–1,2 | Meta 0,8–1,3 | YouTube 0,7–1,5 | Allegro Ads 0,9–1,1
Wynik prognozy: przychód inkrementalny +4% (przedział z raportu), ROI 2,6
Decyzja: przesunięcie 60 000 zł z Google do YouTube w dwóch krokach
Weryfikacja: eksperyment w Google Ads, przegląd 2027-04-15

Co pokazują poszczególne strony raportu

Raport ma cztery obszary: ocenę dopasowania modelu, wkład kanałów, zwrot z inwestycji i interaktywną optymalizację budżetu. Pierwsze trzy opisują przeszłość, czwarty służy do planowania.

W części optymalizacyjnej znajdziesz cztery widoki. „Set up configurations” prowadzi przez ustawienia, „Optimization overview” porównuje budżet, ROI i wynik przed optymalizacją i po niej, „Optimized budget allocation” pokazuje zmianę wydatków i przyrost wyniku w każdym kanale, a „Optimization with response curves” – krzywe odpowiedzi z listą wyboru kanału oraz wykres zasięgu i częstotliwości, jeśli model ma takie dane.

Jeśli zespół korzysta już z innych raportów, porównanie dashboardów w GA4 i Looker Studio pomoże zdecydować, gdzie trzymać bieżące wskaźniki, a gdzie planowanie.

Jak ustawić scenariusz: budżet, typ ograniczenia i limity kanałów

Scenariusz to cztery decyzje: okres, budżet początkowy, typ ograniczenia budżetu i dopuszczalne zmiany w kanałach. Każdą z nich ustawiasz w widoku konfiguracji.

• Okres. Wybierasz go z przedziałów zdefiniowanych przy generowaniu raportu.
• Budżet. Wpisz kwotę albo zostaw pole puste – wtedy narzędzie użyje historycznego budżetu z wybranego okresu.
• Typ ograniczenia. „Fixed” oznacza stały budżet i szukanie podziału z najwyższym zwrotem. „Flexible” pozwala zmieniać łączną kwotę, a celem jest „Target Total ROI” albo „Target channel mROI” z wartością docelową.
• Limity kanałów. Dla każdego kanału ustawiasz dolną i górną granicę jako wielokrotność wydatków, w zakresie wyznaczonym przy generowaniu raportu.

Dokumentacja wymienia kilka pułapek. Przy budżecie stałym nie ustawiaj parametrów budżetu elastycznego, bo wywoła to błąd. W jednym polu nie mieszaj ułamków dziesiętnych i procentów. Niski budżet początkowy zostawia mniej miejsca na dolne limity, a wysoki – na górne. W trybie elastycznym ROI po optymalizacji może być niższe od docelowego, jeśli wcześniej zostanie osiągnięty limit wydatków.

Załóżmy, że sklep planuje kwartał z budżetem 900 000 zł netto: 450 000 zł w Google Ads, 270 000 zł w Meta Ads i po 90 000 zł na YouTube oraz Allegro Ads. Przy limitach od 0,8 do 1,2 (dla YouTube do 1,5) optymalizacja może zaproponować przesunięcie części środków z wyszukiwarki, która jest blisko nasycenia, do YouTube. Zanim przyjmiesz taki wynik, sprawdź na krzywej odpowiedzi, czy proponowane wydatki mieszczą się w zakresie, który kanał miał w historii.

Trzy scenariusze do policzenia przed planowaniem kwartału

Jeden scenariusz to za mało, żeby podjąć decyzję. Trzy poniższe warianty dają zarządowi obraz możliwości i ryzyka.

1. Ten sam budżet, lepszy podział. Typ stały, budżet historyczny, limity 0,8–1,2. Pokazuje, ile można zyskać bez zwiększania wydatków.
2. Ile można dołożyć. Typ elastyczny z celem „Target channel mROI” równym progowi rentowności. Przy marży 35% break-even ROAS wynosi ok. 2,86, więc każda kolejna złotówka powinna przynosić co najmniej tyle przychodu. Pamiętaj, że model liczy przychód inkrementalny, a nie ROAS z paneli reklamowych.
3. Cięcie o 20%. Typ stały z niższym budżetem. Pokazuje, z których kanałów można zrezygnować najmniejszym kosztem.

Wyniki scenariusza nr 2 przydają się szczególnie przed sezonem. Jak połączyć je z prognozą popytu i limitami wydatków, opisujemy w tekście o budżecie na Black Friday i czwarty kwartał.

Ograniczenia: kiedy nie ufać wynikom symulacji

Symulacja jest tak dobra jak model, na którym ją zbudowano. Największe ryzyko to scenariusze, które wychodzą poza zakres danych historycznych.

• Ekstrapolacja. Krzywa odpowiedzi jest szacowana na wydatkach, które faktycznie wystąpiły. Jeśli YouTube nigdy nie dostał więcej niż 40 000 zł miesięcznie, prognoza dla 120 000 zł jest przypuszczeniem.
• Dopasowanie to nie przyczynowość. Dokumentacja wprost zaznacza, że metryki dopasowania nie przesądzają o przydatności modelu do wnioskowania przyczynowego.
• Prognoza całkowitej sprzedaży. Porównania między scenariuszami są zwykle bardziej wiarygodne niż bezwzględna prognoza przychodu, bo ta zależy od bazy, na którą wpływa wiele czynników spoza mediów.
• Nieaktualny model. Raport z modelu sprzed pół roku nie uwzględnia zmian cen, asortymentu ani konkurencji.
• Udostępnianie. Link tymczasowy z Colab wymaga, by odbiorca zapisał raport i miał własny dostęp do danych. W zapisanym raporcie oglądający korzystają z uprawnień właściciela, dlatego dawaj dostęp do wyświetlania, a nie do edycji.

Dokumentacja wspomina też o znanym problemie: po błędzie systemowym wykresy mogą przestać reagować przy przejściu na inną stronę raportu. Pomaga odświeżenie.

Jak przełożyć scenariusz na plan w Google Ads i Meta

Wynik scenariusza wdrażaj stopniowo i od razu zaplanuj, jak sprawdzisz, czy prognoza się sprawdziła. Duże jednorazowe przesunięcie utrudnia ocenę efektu i obciąża algorytmy stawek.

Google potwierdził w październiku 2026 r., że zmiana celu i budżetu nie resetuje okresu nauki, ale strategie nadal potrzebują czasu, żeby dostosować się do nowego poziomu wydatków. Co resetuje naukę, a co nie, opisujemy w tekście o okresie nauki Smart Bidding. Przesunięcia rozłóż na 2–3 kroki co kilkanaście dni, a największą zmianę sprawdź w kontrolowanym teście, korzystając z eksperymentów w Google Ads i Meta Ads.

Po zakończeniu kwartału odśwież model nowymi danymi i porównaj prognozę z kartą scenariusza. Jeśli wybierasz dopiero narzędzie do modelowania, zajrzyj do porównania Robyn czy Meridian, a podstawy znajdziesz w tekście o tym, jak zacząć z MMM w średniej firmie. Pozostałe poradniki zebraliśmy w dziale Marketing Mix Modeling.