Meta ha spento Robyn senza dirlo a nessuno

La scelta tra Robyn, Meridian e PyMC-Marketing non è una questione di marchio ma di affidabilità dei dati e delle

Hai costruito il tuo modello di marketing mix modelling (MMM) su Robyn. Un giorno apri la repo e vedi che gli ultimi commit si diradano, le risposte alle issue si fanno vaghe. Non c’è nessun annuncio ufficiale. Solo l’impressione che Meta abbia già voltato pagina. L’impressione è corretta: Meta sta spegnendo Robyn dietro le quinte, mentre Google continua ad andare avanti con Meridian, legando persino i KPI di vendita all’adozione di Meridian. E il terreno su cui si gioca questa partita non è di nicchia: secondo Julian Runge, il motore principale è la privacy — GDPR, COPPA e la deprecazione dell’IDFA da parte di Apple hanno reso l’attribuzione inaffidabile e costretto chi pianifica a cercare qualcos’altro.

Il pioniere che non risponde più

La divergenza tra Meta e Google ha radici precise. Facebook ha rilasciato Robyn, il primo pacchetto open-source per l’MMM, nei primi anni 2020: era lo strumento che ha aperto la strada alla modellazione del marketing mix accessibile anche a chi non ha un team di data science dedicato. Di contro, Google ha reso disponibile a tutti Meridian già a gennaio 2025, il suo modello di marketing mix open-source pensato per marketer e data scientist. Due tempi diversi, due strategie.

Il punto non è quale repository tenere d’occhio, ma come restano in piedi le campagne. Chi ha costruito i propri modelli su Robyn deve chiedersi se il problema sia solo Meta o l’intero ecosistema open-source su cui sta scommettendo.

La rinascita ha un problema di credibilità

Mentre Meta fa un passo indietro, il resto del mercato avanza. Il report del Marketing Science Institute segnala che i modelli di marketing mix stanno vivendo una rinascita in risposta a fattori tra cui le nuove normative sulla privacy che limitano la capacità delle aziende di usare dati a livello individuale. Già a novembre 2022, PyMC Labs ha rilasciato PyMC-Marketing, un pacchetto focalizzato specificamente sull’analisi di marketing: un altro segnale che l’ecosistema si è allargato ben oltre i nomi storici.

Il boom però non è una strada dritta. I pacchetti open-source non sono tutti uguali, e la differenza tecnica ha ricadute operative immediate. Secondo Julian Runge, Robyn è il più semplice da usare: adotta un approccio di modellazione frequentista, basato sui dati osservati senza ipotesi a priori. Meridian e PyMC-Marketing usano invece un framework bayesiano gerarchico, che incorpora conoscenze pregresse e si aggiorna man mano che arrivano nuovi dati. PyMC-Marketing offre il grado più alto di personalizzazione, ma richiede anche il livello più elevato di competenza per essere usato correttamente.

È qui che si apre il paradosso. Molti degli inserzionisti che si avvicinano a questi strumenti sono piccole e medie imprese che dipendono fortemente dai canali digitali ma non hanno le risorse per commissionare modelli proprietari su misura. E il report del Marketing Science Institute avverte di un problema di credibilità nella rinascita dell’MMM: man mano che gli strumenti open-source rendono la modellazione accessibile a un pubblico più ampio, cresce il rischio di un uso non corretto. Se il problema è l’affidabilità, però, non basta scegliere il tool più popolare: serve un criterio di prestazione verificato. E qui arriva il dato che sposta il budget.

Il benchmark che sposta il budget

Il problema di credibilità non si risolve con la popolarità, ma con i numeri. E i numeri esistono. Già a settembre 2025, il confronto tra PyMC-Marketing e Google Meridian pubblicato da PyMC Labs ha mostrato che PyMC-Marketing offre stime di contribuzione dei canali più affidabili, con un tasso di errore dimezzato e una velocità di esecuzione da 2 a 20 volte superiore a seconda della dimensione del dataset.

Non significa che Meridian sia da scartare, né che PyMC-Marketing sia la risposta per ogni team: il punto è che la scelta dello strumento non dovrebbe seguire il marchio, ma le performance sui propri dati. Chi sta ancora su Robyn dovrebbe pianificare una migrazione; chi sta valutando Meridian farebbe bene a metterlo alla prova con PyMC-Marketing sullo stesso dataset.

L’open-source non è una garanzia: è un punto di partenza. Il lavoro vero resta quello di sempre — collegare il modello alle decisioni di budget, validare le stime sui dati interni, accettare che nessuno strumento automatizzato sostituisca il giudizio di chi conosce il mercato in cui opera.