Marketing
Última Atualização:
Erick Silveira
A leitura comum é funcional: o objetivo descreve o que queres. Se queres mais gente a conhecer-te, escolhes Notoriedade. Se queres visitas, escolhes Tráfego. Parece óbvio e é aqui que começa o problema.
O que aquele campo faz não é descrever a tua intenção. É dizer ao sistema de entrega qual o acontecimento que ele deve tentar produzir ao menor custo possível. A plataforma não interpreta objetivos de negócio: otimiza uma variável que tu escolheste, e otimiza-a bem, mesmo quando essa variável não tem relação com o que queres.
A própria Meta explicou a lógica quando reorganizou o sistema. No comunicado técnico em que anunciou a mudança, descreveu a consolidação de 11 objetivos antigos em 6 orientados a resultados e identificou a razão sem rodeios: a confusão dos anunciantes quanto ao objetivo a selecionar era um problema reconhecido, não existia taxonomia clara sobre o que era um objetivo, havia opções redundantes para o mesmo fim, e isso resultava em configurações de campanha subótimas. Na mesma nota, a Meta assinalou que a mudança afetaria sobretudo quem usava Conversões, Mensagens e Visualizações de vídeo.
Os nomes internos que a interface esconde revelam a natureza da escolha. Na interface de programação, os valores são OUTCOME_AWARENESS, OUTCOME_TRAFFIC, OUTCOME_ENGAGEMENT, OUTCOME_LEADS, OUTCOME_APP_PROMOTION e OUTCOME_SALES. São resultados a comprar, não temas a abordar.
A pergunta certa não é o que queres alcançar, é que acontecimento concreto queres que o sistema aprenda a produzir. Se a resposta a essa segunda pergunta não coincidir com aquilo que faz a tua empresa ganhar dinheiro, a campanha vai funcionar impecavelmente e não vai servir para nada.
O que cada objetivo manda o sistema fazer
Antes de discutir erros, convém fixar o que cada opção realmente compra.
Objetivo | O que o sistema procura | O que reporta como resultado |
|---|---|---|
Notoriedade | Mostrar a tantas pessoas quanto possível, ou às mais propensas a recordar | Alcance, impressões, memorização estimada |
Tráfego | Pessoas propensas a clicar e a chegar ao destino | Cliques, visualizações da página de destino |
Interação | Reações, comentários, partilhas, mensagens iniciadas, visualizações de vídeo | Interações com a publicação ou conversas |
Contactos | Pessoas propensas a submeter um formulário ou iniciar contacto | Contactos gerados, custo por contacto |
Promoção de aplicações | Instalações e ações dentro da aplicação | Instalações, eventos na aplicação |
Vendas | Pessoas propensas a completar o evento de conversão definido | Compras, valor de conversão, retorno |
Repara numa coisa que a tabela deixa evidente: cada objetivo compra um comportamento diferente, e comportamentos diferentes correspondem a pessoas diferentes. Não é a mesma audiência a ser abordada com mensagens distintas. São populações distintas.
Esta distinção é mais funda do que parece e vale a pena ilustrá-la. Imagina o mesmo anúncio, com o mesmo texto e a mesma imagem, a correr em 2 campanhas simultâneas com orçamentos idênticos e o mesmo público definido, uma otimizada para cliques e outra para compras. Ao fim de uma semana, a sobreposição entre as pessoas que viram cada uma delas é muito menor do que se esperaria. O público que definiste é apenas o universo elegível; quem efetivamente vê o anúncio dentro desse universo é decidido pelo objetivo.
Daqui decorre uma consequência que muda a forma de gerir contas: comparar o desempenho de campanhas com objetivos diferentes é comparar coisas incomparáveis. Uma campanha de Tráfego com custo por clique de 0,12€ e uma de Vendas com custo por clique de 0,80€ não estão a dizer que a primeira é mais eficiente. Estão a dizer que compram pessoas diferentes a preços diferentes, e o único critério que as põe no mesmo plano é o custo por resultado que interessa ao negócio.
Chegamos ao ponto que justifica este artigo inteiro.
O raciocínio que leva ao erro é este: quero vender, mas as vendas são poucas e o sistema não tem dados suficientes, portanto vou correr Tráfego para levar gente ao site e as vendas virão. Soa razoável. Está errado, e há investigação publicada que explica exatamente porquê.
Num estudo publicado em Marketing Science em 2019, 4 investigadores, 2 da Kellogg School of Management e 2 da própria Meta, analisaram 15 experiências aleatorizadas de grande escala com 500 milhões de observações e 1,6 mil milhões de impressões. Ao descrever os mecanismos que enviesam a exposição, os autores identificam o que chamam endogeneidade induzida pela segmentação: à medida que a campanha avança, o sistema aprende que tipo de utilizadores cumpre o objetivo definido e passa gradualmente a favorecer a exibição a esses utilizadores.
E depois vem a frase que devia estar afixada em todos os departamentos de marketing. Os autores dão como exemplo de enviesamento em sentido contrário o caso em que a campanha está configurada para otimizar cliques mas o anunciante continua a medir compras: os utilizadores mais propensos a clicar num anúncio, a que os autores chamam clicky users, podem também ser menos propensos a comprar o produto.
Não é uma opinião de gestor de contas. É a descrição do mecanismo, feita por quem estudou o sistema por dentro, publicada numa revista com revisão por pares.
Uma campanha de Tráfego não te traz compradores mais baratos. Traz-te uma população selecionada pela propensão a clicar, que é uma característica diferente da propensão a comprar e por vezes negativamente correlacionada com ela. O sistema fez exatamente o que lhe pediste. Tu é que pediste a coisa errada.
Porque os relatórios parecem bons e a faturação não confirma
Há um segundo achado no mesmo estudo que muda a forma como se deve olhar para qualquer painel de resultados.
Os investigadores compararam os resultados das experiências aleatorizadas com os obtidos por métodos observacionais, aqueles que comparam quem viu o anúncio com quem não viu, que é essencialmente o que qualquer relatório de plataforma faz. A conclusão: os métodos observacionais falham frequentemente em reproduzir os resultados das experiências, mesmo depois de condicionar por variáveis demográficas e comportamentais extensas. Em metade dos estudos, o aumento percentual estimado nas compras estava errado por um fator de 3.
Os casos concretos são instrutivos. Num dos estudos, um retalhista com 25,5 milhões de utilizadores obteve um efeito incremental real de 73% na taxa de conversão. A comparação simples entre expostos e não expostos, sem grupo de controlo, dava 316%. Mais de 4 vezes o efeito verdadeiro.
Noutro estudo, o efeito real medido pela experiência foi de 2,4%. A comparação entre expostos e não expostos apontava para 4.074%. A estimativa observacional mais próxima que os autores conseguiram, com o conjunto completo de variáveis, ainda assim ficou nos 1.306%.
E há um dado que raramente aparece nas conversas sobre publicidade paga: dos 14 estudos que mediam compras, 6 não produziram um aumento estatisticamente significativo ao nível de 5%. Em quase metade das campanhas medidas com rigor experimental, o efeito incremental nas compras não se distinguiu de zero.
Isto não significa que a publicidade na Meta não funcione. Significa que o número que o painel te mostra não é o efeito da tua publicidade: é o efeito da publicidade somado ao facto de o sistema ter escolhido mostrar os anúncios precisamente às pessoas que já tinham maior probabilidade de comprar. Separar ambas exige um desenho experimental, não um relatório.
Este objetivo mostra o anúncio ao maior número de pessoas possível dentro do público definido, ou às que o sistema estima terem maior probabilidade de recordar o anúncio. Não existe otimização para nenhuma ação.
Faz sentido em 3 situações concretas: lançamento de marca ou de categoria sem histórico de conversão nenhum, campanhas de comunicação institucional com um resultado que não se mede em cliques, e construção deliberada de audiência para remarketing posterior a custo por mil impressões baixo.
Não faz sentido quando é escolhido porque as campanhas de conversão não estavam a funcionar. Trocar Vendas por Notoriedade para deixar de ver um custo por aquisição desconfortável não resolve o problema, esconde-o. Passas a comprar impressões, que são sempre baratas, e a reportar métricas que não têm de prestar contas a ninguém.
A decisão sobre quanto investir em construção de marca versus resposta direta é legítima e não se resolve dentro do Gestor de Anúncios. Resolve-se ao decidir que percentagem do orçamento serve para vender agora e que percentagem serve para tornar mais barato vender daqui a 18 meses, e é uma conversa sobre branding para PME e sobre posicionamento, não sobre configuração de campanhas.
Tráfego: o objetivo mais escolhido e o menos justificado
Este objetivo procura pessoas propensas a clicar. Ponto final. Não sabe o que acontece depois do clique e, o que é mais importante, não se importa.
Há um número pequeno de situações em que é a escolha certa:
Não tens forma de medir conversões no destino, porque o site não é teu ou porque não podes instalar rastreio.
O destino é conteúdo cuja leitura tem valor por si e não existe evento de conversão a valorizar.
Estás deliberadamente a alimentar uma audiência para remarketing e o clique é a definição operacional de interesse que escolheste.
Fora disto, escolher Tráfego quando existe um evento de conversão mensurável é comprar a métrica errada. E há um sintoma que confirma o diagnóstico com uma precisão quase cruel: se a taxa de cliques está boa, o custo por clique está baixo e as conversões não aparecem, não tens um problema de página de destino. Tens um problema de população.
Isso não quer dizer que a página não conte. A relação entre o anúncio e o que aparece a seguir determina que fração da população certa avança, e uma landing page desalinhada com a promessa do anúncio desperdiça tráfego que era bom. Mas nenhuma página converte quem não tinha intenção de comprar.
Há ainda a questão de fundo sobre quanto vale, em cada negócio, comprar visitas em vez de as construir, e a comparação entre tráfego orgânico e pago muda consoante a margem, o ciclo de compra e o valor de vida do cliente. Não há resposta universal, há uma conta.
Este objetivo compra reações, comentários, partilhas, visualizações de vídeo ou conversas iniciadas. Produz números grandes a custos baixos e é, provavelmente, o mais mal utilizado dos 6.
O problema é que a interação com uma publicação é o comportamento com correlação mais fraca com intenção comercial de toda a lista. Existe uma população considerável de utilizadores que interage com muito conteúdo por hábito de plataforma, e o sistema, cumprindo a instrução, vai encontrá-la e concentrar aí o orçamento.
Tem 2 utilizações defensáveis. A primeira é a otimização para conversas iniciadas quando o teu processo comercial funciona mesmo por mensagem e tens capacidade de resposta rápida e estruturada. A segunda é a construção intencional de audiências de visualizadores de vídeo para retargeting, quando a economia dessa audiência já foi verificada.
Fora destes casos, o teste é simples: consegues descrever o caminho concreto entre uma partilha e uma fatura emitida? Se a resposta exige 3 suposições encadeadas, estás a comprar métricas de vaidade com dinheiro real.
Contactos: o custo por contacto é a métrica mais enganadora que existe
Aqui o problema não é escolher mal o objetivo. Para a maioria das empresas de serviços, negócios B2B e ciclos de venda longos, Contactos é a escolha correta. O problema está no que se mede a seguir.
O sistema otimiza para submissões de formulário. Vai procurar pessoas com propensão a preencher formulários. E a fricção do formulário determina quem preenche: um formulário nativo com preenchimento automático produz contactos baratíssimos e uma taxa de comparência em reunião que costuma ser miserável.
O que se passa é aritmética de seleção. Baixar a barreira aumenta o número de submissões e altera a composição de quem submete, incluindo quem clicou por curiosidade e não voltou a pensar no assunto. O custo por contacto desce e o custo por cliente sobe.
Existem correções e todas passam por adicionar fricção deliberada. Formulários com intenção elevada em vez de volume. Perguntas de qualificação dentro do próprio formulário, como orçamento disponível ou dimensão da empresa. Envio para uma página própria em vez de formulário nativo quando a equipa comercial não consegue absorver volume. E, sobretudo, devolver ao sistema o sinal do que aconteceu depois, para que ele aprenda a procurar contactos que se tornam clientes e não contactos que preenchem formulários.
Nada disto funciona sem um critério escrito do que é um contacto aceitável, e é por isso que a discussão sobre qualificação de leads tem de acontecer antes de a campanha existir, não depois de chegarem 300 contactos que ninguém consegue trabalhar.
Vale ainda um lembrete sobre o que acontece a seguir. Um contacto que entra e fica 2 dias sem resposta vale uma fração do que valia no momento em que entrou, e a sequência automática que corre nos primeiros dias determina quanto do investimento sobrevive. Quem tem email marketing montado converte o mesmo volume de contactos em substancialmente mais reuniões do que quem trata cada um manualmente quando tem tempo.
Promoção de aplicações e o caso particular das mensagens
Faltam 2 casos que não encaixam na lógica geral e que merecem tratamento próprio.
A Promoção de aplicações é o único objetivo com uma barreira técnica de entrada real. Exige integração do kit de desenvolvimento da plataforma (SDK) na aplicação e configuração dos eventos que queres otimizar, e sem isso o sistema otimiza para instalações e não consegue distinguir uma instalação que gera receita de uma instalação que é apagada 2 dias depois. Para quem tem aplicação, a regra é a mesma dos outros objetivos, apenas mais exigente: o evento a comprar é aquele que corresponde a valor, tipicamente uma compra dentro da aplicação, um registo completo ou uma subscrição, e não a instalação em si.
O caso das mensagens é mais subtil e apanha muitas empresas de serviços. A otimização para conversas iniciadas vive dentro do objetivo Interação e produz um resultado que soa muito bem: pessoas a escrever para a empresa. A questão é que o sistema aprende a encontrar quem inicia conversas, e iniciar uma conversa custa a quem o faz praticamente nada.
Isto funciona bem em 2 cenários e mal em todos os outros. Funciona quando o produto é simples, o preço é conhecido e a conversa é literalmente o momento de venda. Funciona quando existe alguém a responder em minutos, com um guião definido e capacidade de qualificar rapidamente. Falha quando a empresa recebe 60 mensagens por semana, responde em horários irregulares, e descobre ao fim de um mês que a esmagadora maioria era gente a perguntar preços sem qualquer intenção de avançar.
A correção aqui não é técnica, é operacional. Antes de comprar conversas, verifica se tens quem as atenda com a velocidade que o canal exige, porque a economia deste objetivo depende inteiramente da taxa de resposta.
Vendas: a única regra que interessa é o volume de sinal
Este é o objetivo que a maior parte das empresas devia usar e evita usar por medo. O receio habitual: não tenho vendas suficientes para o sistema aprender.
O receio é legítimo e a resposta não é fugir para Tráfego. A Meta documenta que um conjunto de anúncios sai da fase de aprendizagem depois de acumular cerca de 50 acontecimentos de otimização numa janela de 7 dias, e que abaixo disso a entrega fica limitada e o desempenho instável. O acontecimento de otimização é aquele que tu escolheste: se escolheste compra, são 50 compras por semana, nesse conjunto de anúncios, não na conta inteira.
A conta que se deve fazer antes de lançar é esta, e leva um minuto:
Custo por aquisição alvo de 30€ multiplicado por 50 acontecimentos dá 1.500€ por semana, cerca de 215€ por dia, para um conjunto de anúncios.
Custo por aquisição alvo de 80€ dá 4.000€ por semana, cerca de 570€ por dia.
Se o teu orçamento diário é de 40€ e o custo por aquisição ronda os 60€, estás a comprar menos de 5 conversões por semana e nunca vais sair da aprendizagem.
Quando a matemática não fecha, há 3 saídas reais e nenhuma delas é mudar para Tráfego. Podes subir na cadeia de eventos e otimizar para um acontecimento mais frequente e ainda assim correlacionado com a compra, como o início do processo de checkout ou a adição ao carrinho. Podes consolidar conjuntos de anúncios para concentrar o sinal num só. Ou podes concentrar o orçamento num período mais curto em vez de o diluir ao longo do mês.
Otimizar para adição ao carrinho é uma escolha defensável. Otimizar para cliques não é, e a distância entre ambas é que a primeira ainda seleciona por intenção de compra, enquanto a segunda seleciona por propensão a clicar.
Quando o sinal é fraco, o objetivo certo não chega
Há um cenário que merece atenção separada, porque nele a escolha correta do objetivo produz resultados piores do que a escolha errada, e isso confunde muita gente.
O sistema só consegue otimizar para aquilo que consegue ver. Se as conversões que acontecem no teu site chegam à plataforma de forma incompleta, o modelo está a aprender com uma amostra enviesada: aprende a encontrar pessoas parecidas com as conversões que foram registadas, que não são necessariamente as pessoas parecidas com quem realmente comprou.
Os sintomas são reconhecíveis e costumam ser mal diagnosticados:
O número de conversões reportado pela plataforma é sistematicamente inferior ao que a tua contabilidade regista para a mesma origem.
Campanhas com bom desempenho aparente entram em queda sem alteração de configuração.
Conjuntos de anúncios ficam presos em entrega limitada apesar de o volume real de vendas ser suficiente.
O problema quase nunca está no objetivo escolhido, está na qualidade e na completude do sinal devolvido. Enviar as conversões também do lado do servidor, garantir que os eventos chegam com identificadores suficientes para serem associados a um utilizador, verificar que o evento dispara no momento certo e uma única vez, definir a prioridade dos eventos com clareza: nada disto é glamoroso e tudo isto vale mais do que qualquer ajuste de público.
Antes de mudar de objetivo porque os resultados são maus, verifica se o sistema está a receber o que aconteceu. Uma campanha de Vendas alimentada com metade das compras que ocorreram vai parecer sempre pior do que uma campanha de Tráfego alimentada com todos os cliques, porque os cliques são medidos dentro da plataforma e as compras não.
Há uma implicação estratégica desta assimetria que raramente se discute: as métricas mais fáceis de medir são as que a plataforma controla de ponta a ponta, e são precisamente as menos ligadas a receita. A facilidade de medição e a relevância comercial andam em sentidos opostos, e essa tensão explica boa parte das más escolhas de objetivo.
O erro estrutural que estraga campanhas bem configuradas
Existe um padrão que anula tudo o que ficou dito acima, e é o mais comum de todos: dividir o orçamento por muitos conjuntos de anúncios.
A intuição parece boa. Um conjunto por interesse, um por faixa etária, um por localização, um por tipo de público. Dá a sensação de controlo e produz relatórios com muitas linhas.
O efeito prático é que o limiar de aprendizagem se aplica a cada conjunto separadamente. Ter 10 conjuntos com 5 conversões semanais cada não são 50 conversões: são 10 conjuntos permanentemente presos na fase de aprendizagem, todos a operar com modelos mal calibrados e custos por resultado inflacionados. Um único conjunto com as mesmas 50 conversões sai da aprendizagem e passa a entregar de forma estável.
A regra que daqui resulta é contraintuitiva para quem vem de outras disciplinas de gestão: em contas com orçamento limitado, a consolidação vale mais do que a segmentação. Menos conjuntos, mais orçamento em cada um, públicos mais amplos.
Convém explicar porque é contraintuitiva, porque a resistência a esta ideia tem uma raiz legítima. Em quase todas as outras áreas da gestão, segmentar melhora resultados: conhecer melhor cada grupo de clientes permite servi-lo melhor. Aqui a lógica inverte-se, porque o sistema já faz a segmentação por ti, com muito mais informação do que tens, e o que tu fazes ao criar 10 conjuntos é impedi-lo de a fazer bem, fragmentando os dados de que ele precisa para aprender.
Há uma exceção que vale a pena registar. A separação faz sentido quando corresponde a economias genuinamente diferentes, não a curiosidades analíticas. Um conjunto para público frio e outro para remarketing separa 2 populações com custos por aquisição estruturalmente distintos e orçamentos que devem ser geridos com lógicas próprias. Separar por faixa etária dentro do mesmo público frio, sem que exista uma razão comercial para tratar essas faixas de forma diferente, é fragmentação sem contrapartida.
O teste para decidir é simples: se a separação existe porque queres poder controlar quanto se gasta em cada segmento, mantém-na. Se existe apenas porque queres ver os resultados separados, resolve isso com um relatório segmentado e deixa a campanha consolidada.
Escolher o evento de otimização importa mais do que escolher o objetivo
Há uma hierarquia de decisões que a interface esconde e que vale a pena tornar explícita, porque a maior parte das discussões sobre objetivos anda a olhar para o nível errado.
O objetivo define a família de resultados disponíveis. Dentro dele escolhes o local de conversão, que pode ser o site, a aplicação, mensagens ou o formulário nativo. E dentro disso escolhes o acontecimento de otimização concreto, que é o que efetivamente molda a entrega.
É por isso que dizer "estou a correr campanhas de Vendas" não descreve nada. Uma campanha de Vendas otimizada para visualizações de conteúdo e uma campanha de Vendas otimizada para compra são operações completamente distintas, com populações distintas e resultados distintos, apesar de partilharem o mesmo quadrado no primeiro ecrã.
Vale a mesma lógica para o criativo. Um anúncio construído para parar o scroll e gerar curiosidade seleciona pessoas diferentes de um anúncio que declara preço e condições logo no primeiro segundo, e o texto do anúncio tem de estar alinhado com o acontecimento que escolheste comprar. Criativo de topo de funil dentro de uma campanha otimizada para compra é uma contradição que se paga em custo por aquisição.
Como testar sem te enganares a ti próprio
Chegados aqui, a pergunta natural é como comparar objetivos ou criativos com honestidade. E há investigação recente que responde com números pouco confortáveis.
Um trabalho de 2025 assinado por investigadores da Boston University, da Kellogg School of Management e da própria Meta analisou 3.204 testes de incrementalidade e 181.890 testes A/B na plataforma, com cerca de 15,5 mil milhões e 27 mil milhões de observações respetivamente. O objetivo era medir aquilo a que chamam entrega divergente: o facto de o algoritmo entregar cada variante a audiências diferentes, mesmo dentro do mesmo teste.
Os resultados dividem-se com clareza:
Nos testes de incrementalidade, com grupo de controlo sem anúncios, não há desequilíbrio de audiência. Apenas 0,16% das diferenças padronizadas excedem o limiar convencional. A validade causal confirma-se.
Nos testes A/B, o desequilíbrio é generalizado. Em 25% dos casos as diferenças entre células são estatisticamente significativas, e 22% das diferenças padronizadas excedem o limiar.
O desequilíbrio varia muito com o objetivo. Fixando o objetivo de otimização, a percentagem de diferenças acima do limiar foi de 12,09% em Notoriedade, 16,77% em Conversão, 21,94% em Contactos, 24,48% em Interação e 26,32% em Tráfego.
Os autores explicam a razão: objetivos de funil inferior levam o algoritmo a priorizar quem tem maior probabilidade de executar a ação, e essa tentativa de antecipar comportamento é o que produz audiências diferentes em cada célula.
A implicação prática é dura. Quando comparas 2 criativos num teste A/B e um ganha, não sabes se ganhou porque é melhor ou porque foi entregue a pessoas diferentes. O resultado mistura conteúdo e segmentação, e isso não é uma falha do sistema, é o comportamento que ele foi desenhado para ter, porque reflete o que aconteceria numa campanha normal.
Os autores mostram que é possível mitigar o problema, mas o preço é alto: exige objetivo de alcance, orçamentos e estratégia de licitação idênticos, mesma audiência, mesmo calendário, colocações manuais em vez de automáticas, imagens estáticas e frequência de aproximadamente uma impressão por utilizador. Na amostra de quase 182 mil testes, apenas 3 cumpriam todos estes critérios.
Há ainda uma regra prática que qualquer anunciante pode aplicar, porque usa dados que a interface mostra. Os autores verificaram que, quando qualquer estatística de teste sobre género ou idade excede 1,5, a distribuição das diferenças nas características não visíveis começa a afastar-se do que seria esperado por acaso. Traduzindo: se o teste A/B mostrar composições de idade ou género visivelmente diferentes entre células, desconfia do resultado.
Para decisões que envolvem dinheiro a sério, a conclusão dos investigadores é explícita: os resultados de testes A/B devem ser tratados como um elemento dentro de um corpo de evidência mais amplo, não como prova definitiva. Os testes de incrementalidade, com grupo de controlo, são a ferramenta que responde à pergunta que interessa, que é quanto teria acontecido na mesma se não tivesses gasto o dinheiro.
O que não tocar depois de lançar
Escolher bem o objetivo e depois destruir a campanha com edições é um desfecho mais comum do que parece, e vale a pena fechar este ponto.
Alterações significativas a um conjunto de anúncios fazem-no reentrar na fase de aprendizagem, com o contador a recomeçar do zero. Mudar o evento de otimização, alterar a segmentação, trocar a estratégia de licitação, mexer no orçamento acima de uma margem estreita, adicionar ou substituir anúncios, retomar um conjunto que esteve pausado durante vários dias: tudo isto recalibra o modelo.
O padrão destrutivo é sempre o mesmo. A campanha arranca, os resultados dos primeiros 3 dias são maus porque a fase de aprendizagem é instável por natureza, o gestor entra em pânico e mexe. A campanha reentra em aprendizagem, os resultados voltam a ser maus, mexe outra vez. Ao fim de 2 semanas gastou o orçamento inteiro em exploração e nunca chegou a ver o sistema a funcionar estabilizado.
A disciplina que isto exige é a de não avaliar resultados antes de a aprendizagem terminar, e de decidir de antemão qual é o período mínimo sem intervenção. O prazo de 7 dias é o mínimo razoável quando o volume de conversões o permite; com volumes baixos, 14 dias é mais honesto.
Isto não significa imobilismo. Significa fazer as alterações em bloco e não em conta-gotas, e preferir duplicar um conjunto para testar uma hipótese em vez de editar o que já está a acumular sinal.
Uma sequência de decisão em vez de uma lista de boas práticas
Deixo o processo que substitui os 4 segundos iniciais. Demora 10 minutos e é a parte da campanha com maior retorno por minuto investido.
Nomeia o acontecimento que faz entrar dinheiro. Uma compra, uma reunião marcada, um orçamento pedido, uma consulta agendada. Um só, o mais próximo possível da receita.
Verifica se consegues medi-lo e devolvê-lo à plataforma. Se não conseguires medir, resolve isso primeiro. Otimizar para algo que não medes é impossível, e otimizar para um substituto porque é mais fácil é como se paga o desvio.
Faz a conta do volume. Custo por aquisição estimado multiplicado por 50 dá o orçamento semanal mínimo por conjunto de anúncios. Se não fecha, decide se sobes na cadeia de eventos, se consolidas conjuntos ou se concentras o investimento num período mais curto.
Escolhe o objetivo que contém esse acontecimento, e dentro dele o local de conversão e o evento concreto. É esta terceira escolha que molda a entrega.
Define o critério de sucesso antes de lançar, em euros e não em percentagens. Custo por reunião realizada, custo por cliente novo, margem por conversão.
Decide como vais medir incrementalidade se o investimento justificar. Um teste com grupo de controlo responde à pergunta certa; um teste A/B responde a outra pergunta.
Alinha o criativo com o evento que escolheste. Se compraste intenção de compra, comunica como quem quer vender.
Há 2 notas a fazer sobre o contexto desta sequência. A primeira é que ela pressupõe que já sabes quanto podes pagar por cliente, e essa é uma conta que se faz no plano de marketing e não dentro do Gestor de Anúncios. A segunda é que a decisão entre plataformas antecede tudo isto: há negócios cuja procura já existe e é pesquisada ativamente, e nesses a comparação entre Google Ads e Meta Ads resolve-se de forma diferente da de negócios cuja procura tem de ser criada.
Quem quiser a mecânica completa da configuração, desde estrutura de conta até públicos e formatos, encontra-a no material sobre publicidade no Facebook e Instagram. Este texto trata apenas da decisão que antecede tudo isso, porque é a que raramente se discute e a que mais dinheiro custa quando corre mal.
Para quem gere orçamentos que já pesam na conta de resultados, esta é exatamente a matéria da imersão CHECKMATE: Marketing Digital, onde a discussão deixa de ser sobre configurações e passa a ser sobre como ligar investimento em aquisição a margem, com números que aguentam escrutínio numa reunião de gestão.
O sistema de entrega da Meta é extremamente competente a fazer o que lhe pedes e completamente indiferente ao que pretendias pedir. Otimiza a variável que escolheste, encontra as pessoas certas para produzir essa variável, e apresenta-te um relatório onde essa variável tem bom aspeto. Quando o objetivo escolhido não corresponde ao acontecimento que faz entrar dinheiro na empresa, nada nisto falha tecnicamente: falha economicamente, de forma silenciosa, mês após mês, com painéis verdes. A correção não exige domínio técnico nem orçamento maior. Exige responder com precisão a uma pergunta antes de tocar na plataforma: qual é o acontecimento concreto, mensurável e ligado a receita que quero que este dinheiro produza. Quem responde bem a essa pergunta pode configurar mal muita coisa a jusante e ainda assim ter uma campanha rentável. Quem responde mal pode ter o melhor criativo do setor e estar apenas a comprar, com grande eficiência, exatamente aquilo que não precisa.
