A quantidade de cliques ou de conversões associadas a uma campanha não determina, sozinha, quanto o Marketing contribuiu para os resultados de uma empresa. Embora esses indicadores sejam úteis para acompanhar a operação, demonstrar impacto exige separar o crédito atribuído a um canal das vendas efetivamente provocadas pelo investimento. Ou seja, não basta reunir números se eles não ajudam a compreender como e por que determinado resultado aconteceu.
Para Caio Motta, cofundador da Elementar Digital, do Brivia_Group, cliques, conversões registradas pelas plataformas e modelos de último clique nunca foram suficientes quando analisados isoladamente. O último clique identifica apenas o ponto de contato rastreável mais próximo da compra. “Ele ignora tudo que aconteceu antes, superestima canais de captura de demanda, como busca de marca e retargeting, e subestima o que gera a demanda”, explica.
Além disso, as restrições impostas por navegadores e aplicativos, além da necessidade de consentimento para o uso de dados, tornaram uma parcela maior da jornada impossível de acompanhar individualmente. Porém, segundo Motta, não foi agora que o método se tornou limitado.
“O que mudou não foi a limitação, foi a nossa capacidade de fingir que ela não existia”, resume.
Por que os dados das plataformas não coincidem
Os dados apresentados por Google, Meta, TikTok e outras plataformas também precisam ser interpretados conforme as regras adotadas por cada ambiente. De acordo com Motta, isso inclui conhecer a janela de atribuição configurada, verificar se conversões após visualizações estão incluídas e entender quanto do resultado foi modelado, em vez de diretamente observado.
Como cada plataforma atribui crédito dentro do próprio ecossistema, a soma das conversões reportadas pelos canais frequentemente supera o total de pedidos ou leads registrado pela empresa. “Isso não é fraude, é sobreposição de crédito”, explica.
O contraponto, afirma o especialista, é manter uma fonte de verdade sob controle do anunciante, como o sistema de pedidos ou de leads, e compará-la aos relatórios dos canais. Nesse processo, a organização e a análise de dados próprios no Marketing ganham importância para reduzir a dependência das métricas fornecidas pelos ambientes de mídia.
Atribuição não comprova impacto
Atribuição, testes de incrementalidade e Marketing Mix Modeling procuram compreender a contribuição do Marketing para o negócio, mas respondem a perguntas diferentes.
A atribuição distribui o crédito de uma conversão entre os canais envolvidos na jornada. Por ser granular e atualizada rapidamente, serve à gestão cotidiana das campanhas, porém não estabelece que uma ação foi responsável por gerar determinado resultado. “É uma convenção, não uma medida causal”, diferencia Motta.
Como medir as vendas geradas pela campanha
Os testes de incrementalidade, por sua vez, buscam identificar quanto uma campanha acrescentou ao desempenho que já ocorreria sem ela. Para isso, explica o especialista, comparam um grupo exposto à ação de Marketing com outro que não recebeu aquele estímulo. A diferença entre os resultados permite estimar o efeito incremental e calcular quanto a empresa ganhou a mais em relação ao investimento realizado.
Algumas plataformas, como a Meta, oferecem testes com grupos de controle formados em nível de usuário, mas a aplicação depende de volume de investimento suficiente para produzir resultados estatisticamente relevantes.
Outra possibilidade é o Geo Lift, no qual o anunciante reduz, interrompe ou amplia a mídia em determinada região e compara o comportamento com localidades de controle. “É menos preciso que o teste em nível de usuário, mas não depende da plataforma e funciona para mídias offline também”, pontua.
Marketing Mix Modeling amplia a análise
Já o Marketing Mix Modeling (MMM) utiliza modelos estatísticos e dados agregados para estimar a contribuição dos diferentes investimentos. A abordagem se torna especialmente relevante quando a estratégia inclui construção de marca ou canais sem atribuição direta, como TV e Out of Home.
Além disso, afirma Motta, o modelo também pode incorporar fatores externos que interferem nas vendas, entre eles preço, promoções, concorrência, sazonalidade, distribuição e até condições climáticas.
A aplicação confiável do MMM, contudo, depende de histórico e diversidade de dados. “Na prática, dois anos de histórico semanal é o que costuma dar uma base razoável, abaixo disso o modelo tem mais dificuldade para estimar muitos parâmetros”, explica.
Também é necessário que os investimentos tenham variado ao longo do período: se a empresa aplicou valores semelhantes nos mesmos canais todos os meses, o modelo terá dificuldade para identificar o efeito específico de cada um.
“No fim, esses modelos ficam ainda mais relevantes quando há esforços de marca e canais sem atribuição direta de conversão”, destaca.
Mensuração de Marketing não produz um número definitivo
A maturidade da mensuração de Marketing não está em escolher um dos métodos como resposta definitiva, mas em combiná-los conforme a decisão que precisa ser tomada. “O erro é tentar fazer os três chegarem ao mesmo número. Eles não vão chegar, porque não estão medindo a mesma coisa. O que se busca não é convergência de números, é consistência de decisões”, argumenta Motta.
Na organização sugerida pelo especialista, o MMM orienta a distribuição de orçamento entre os canais em ciclos trimestrais ou semestrais, enquanto a atribuição apoia ajustes cotidianos dentro de cada plataforma.
Os testes de incrementalidade funcionam como referência para calibrar as demais análises, pois contam com grupo de controle. “Se o MMM diz que um canal tem um retorno e o teste mostra outro, o teste ganha e o modelo é ajustado”, pontua.
Ainda assim, se houver divergências muito grandes que não possam ser explicadas, o problema pode estar na coleta e no rastreamento dos dados. O básico bem feito também melhora a mensuração
O básico bem feito também melhora a mensuração
Para pequenas e médias empresas, destaca Motta, o avanço não precisa começar pelos modelos mais complexos. Registrar corretamente pedidos e leads, identificar suas origens no sistema de analytics e comparar esses dados com os relatórios das plataformas já permite encontrar inconsistências.
A partir disso, é possível testar modelos de atribuição nas Martechs utilizadas pela empresa, como o Google Analytics, e realizar experimentos simples, como interromper temporariamente um canal ou alterar o investimento em uma região. “Nada disso exige ciência de foguetes, só disciplina”, defende o especialista.
Mais do que produzir um indicador perfeito, uma estrutura madura permite que a empresa defina conscientemente o papel de cada canal na jornada e reveja suas escolhas quando surgirem novas evidências. Essa capacidade influencia a divisão do orçamento, a continuidade das campanhas e a avaliação dos meios que geram demanda, mesmo quando não aparecem no fim do caminho.
Para Motta, entretanto, qualquer evolução depende da qualidade das informações que alimentam os modelos: “Não adianta escolher um modelo de atribuição com critério se o dado que alimenta ele está errado. Por isso, vale revisar e acompanhar como o rastreamento das ações é feito, tanto nas ferramentas de análise quanto no que é enviado para os parceiros. O básico bem feito leva uma empresa muito longe”.
Caio Motta é cofundador da Elementar Digital, onde lidera projetos de tecnologia e Marketing Digital voltados à performance e à inteligência de negócios. Mestre pela Fundação Getulio Vargas de São Paulo (FGV-SP), também possui formação executiva em inovação e negócios pela Stanford Graduate School of Business, nos Estados Unidos, e pelo IESE Business School, na Espanha. Sua atuação envolve a integração entre mídia, dados e tecnologia para apoiar decisões de Marketing.
Para conhecer as tecnologias que apoiam estratégias como esta, acesse o Mapa de Martech da ColetivaTech, que reúne soluções brasileiras e referências internacionais organizadas por áreas de atuação.
