A campanha terminou com ROAS alto. O relatório mostrou vendas e a próxima recomendação foi aumentar o orçamento.
Antes de aprovar, eu faria uma pergunta: quantas dessas compras aconteceriam mesmo sem aquela campanha?
Imagine alguém que já escolheu um tênis, voltou à loja para conferir o frete e recebeu um anúncio de remarketing antes de comprar. A plataforma pode atribuir a venda ao anúncio. Isso ajuda a entender o caminho registrado, mas ainda não responde quanto ele pesou na decisão.
O anúncio pode ter sido decisivo. Pode ter antecipado a compra. Ou pode ter aparecido quando a pessoa já estava pronta para comprar.
É essa diferença que quero discutir quando falo de medição: o que precisamos saber antes de colocar mais dinheiro em uma ação.
Receber o crédito e gerar a venda são perguntas diferentes
A atribuição distribui o crédito de uma conversão entre as interações que consegue observar, conforme as regras do modelo. Ela ajuda a organizar a leitura dos canais. O cuidado começa quando tratamos esse crédito como prova de que a campanha causou a compra.
Incrementalidade é a investigação do resultado adicional provocado por uma ação. A pergunta passa a ser quanto vendemos a mais em relação ao que provavelmente aconteceria sem ela.
A própria documentação do Google Ads distingue conversões atribuídas e incrementais. No primeiro caso, contam as regras de atribuição. No segundo, a comparação entre grupos de teste e controle procura estimar o efeito causal da campanha.
Essa distinção importa porque uma pessoa pode descobrir a marca em uma resposta de IA, procurar avaliações, visitar a loja e só depois clicar em um anúncio. O último contato observado ajuda a explicar a chegada da venda, mas não necessariamente explica a formação daquela escolha.
O ROAS ajuda. A decisão precisa de contexto.
ROAS é o retorno sobre o investimento em publicidade. Quando calculado com receita atribuída, divide essa receita pelo gasto em mídia. É uma leitura útil para acompanhar campanhas, desde que a definição do valor e a janela de medição estejam claras.
Eu continuaria olhando esse indicador. Só não deixaria que ele decidisse sozinho o orçamento. Um canal pode encontrar pessoas muito próximas da compra e apresentar um retorno alto. Outro pode participar da descoberta, bem antes da conversão, e receber menos crédito no relatório.
Isso não torna o primeiro dispensável nem prova que o segundo funciona. São hipóteses que precisam ser investigadas. Cortar um canal porque parece menos eficiente pode ser tão precipitado quanto ampliá-lo porque aparece bem no painel.
E receita ainda precisa pagar a conta. Desconto, frete subsidiado, devoluções e custo do produto mudam o resultado econômico. Mesmo uma campanha com vendas adicionais pode não compensar o investimento se a margem for insuficiente.
Antes de interpretar o número, confira a compra
A discussão sobre atribuição perde força se a base está errada. Uma compra registrada duas vezes ou um valor enviado na moeda incorreta já pode mudar a leitura de performance antes de qualquer debate sobre modelo.
Eu começaria pelo caminho de uma transação: o pedido na loja, o pagamento aprovado e o evento recebido pela ferramenta de análise. Eles representam a mesma coisa? O valor inclui frete? Uma compra cancelada continua aparecendo como receita?
No GA4 para web, por exemplo, um identificador de transação único ajuda a evitar compras duplicadas. É um detalhe de implementação com consequência direta sobre a decisão de investimento.
A meta dessa conferência não é fazer todos os sistemas mostrarem o mesmo total à força. Consentimento, cobertura de coleta, datas e critérios de contabilização podem produzir diferenças. O importante é saber o que cada número representa e quais divergências precisam de correção.
Em uma leitura regional, eu manteria esse cuidado por mercado. Comparar receita em moedas diferentes ou pedidos criados em um país com pagamentos aprovados em outro produz uma diferença que parece de performance, mas nasceu na definição.
Como investigar o que a mídia acrescentou
Uma forma de estimar esse efeito é separar aleatoriamente grupos comparáveis. Um fica elegível à campanha testada; o outro é mantido fora dela. A comparação precisa acontecer no mesmo período, com critérios de compra consistentes e controle sobre outras mudanças relevantes.
O planejamento de um estudo de Conversion Lift depende de condições como volume e duração. Não basta ligar uma campanha hoje e comparar as vendas com as da semana passada. Promoções, estoque e sazonalidade podem explicar a mudança.
Para visualizar a lógica, imagine dois grupos aleatórios com 10 mil pessoas cada. No mesmo período, o grupo elegível à campanha registra 120 compras e o controle registra 100.
| Grupo | Pessoas | Compras |
|---|---|---|
| Teste | 10.000 | 120 |
| Controle | 10.000 | 100 |
A diferença observada é de 20 compras, ou 20% sobre as 100 do controle. Isso ilustra a estimativa de resultado adicional. Não significa que todas as 120 compras foram causadas pela campanha.
Números fictícios, sem relação com clientes. A diferença isolada não comprova um efeito: a conclusão depende do desenho, da incerteza estatística e da execução do teste. Grupos de tamanhos diferentes exigem ajuste, não subtração direta dos totais.
Também não trataria um resultado inconclusivo como prova de que a mídia não funciona. Pode faltar volume para distinguir um efeito real da variação dos dados. A leitura precisa reconhecer esse limite antes de virar uma ordem de corte.
O que isso muda na próxima decisão
Eu começaria pela decisão que precisa ser tomada. Aumentar remarketing? Investir em descoberta? Corrigir o checkout? Cada pergunta pede uma investigação diferente.
Se as pessoas chegam à loja e param no pagamento, olharia para esse trecho antes de recomendar mais tráfego. Se o problema é saber quanto uma campanha acrescenta às vendas, procuraria um teste de incrementalidade viável. Se os pedidos não estão sendo registrados corretamente, a prioridade é recuperar a confiança na medição.
Essas frentes se encontram. Um problema de conversão pode aparecer como custo de mídia alto. Uma coleta duplicada pode parecer uma campanha excelente. Uma mudança na descoberta pode demorar a aparecer nas vendas atribuídas.
É por isso que medição atravessa o caminho inteiro. Ela ajuda a localizar o problema e a escolher o próximo passo, com o grau de confiança que os dados permitem.
- Use o ROAS sabendo qual receita e qual período entram na conta.
- Separe o crédito atribuído à campanha do resultado adicional que ela pode ter provocado.
- Confira a qualidade dos registros antes de discutir a distribuição do orçamento.
- Trate testes inconclusivos como limites de evidência, não como autorização automática para cortar.
- Leve para a reunião uma decisão, sua justificativa e o que ainda falta saber.
No próximo relatório, eu gostaria de sair sabendo mais do que qual canal ficou em primeiro. Quero entender o que merece mais investimento, o que precisa de correção e o que ainda exige teste.
Seu relatório ajuda a responder essas perguntas ou termina quando distribui o crédito pelas vendas?
Fontes e método
Análise editorial sobre método de medição. O exemplo numérico é hipotético. Não foram utilizados dados internos de clientes ou da agência.
- Google Ads: dados de medição do Conversion Lift. Diferença entre conversões atribuídas e incrementais.
- Google Analytics: IDs de transação e compras duplicadas. Cuidados com a coleta em fluxos da web.
- Google Ads: configurar Conversion Lift com base nos usuários. Planejamento e condições do estudo.