Como fazer um teste geográfico de incrementalidade

O teste compara regiões que recebem uma mudança de mídia, o tratamento, com regiões parecidas que não a recebem, o controle, e mede a diferença de resultado entre os dois grupos: essa diferença é o efeito incremental, ou lift. O roteiro começa antes de a mídia mudar, com dados diários por região, análise de poder estatístico e pareamento das regiões, e segue com o desenho, uma duração de pelo menos um ciclo de compra e a leitura contra o cenário sem a mudança. O resultado sai como efeito incremental ou retorno sobre o gasto (ROAS) e pode calibrar um Marketing Mix Modeling (MMM).

O que é um teste geográfico de incrementalidade

Um teste geográfico (geo lift) é um experimento em que a unidade de comparação é a região, não a pessoa. No desenho descrito por Vaver e Koehler, pesquisadores do Google, em 2011, regiões que não se sobrepõem são sorteadas para controle ou para tratamento, e cada região recebe a sua condição por anúncio segmentado por geografia. Os autores descrevem o método como conceitualmente simples e com resultados fáceis de interpretar.

O efeito incremental é a diferença entre o resultado observado e o que teria acontecido sem a campanha, o chamado contrafactual. A metodologia do GeoLift, ferramenta de código aberto da Meta, monta esse contrafactual com um controle sintético, uma unidade construída para ficar o mais parecida possível com a região de teste. Antes da intervenção, as duas são quase idênticas; a diferença que aparece depois do início da campanha é a incrementalidade dela.

A Ajuda do Google Ads usa a mesma lógica: a diferença de conversões entre quem vê e quem não vê os anúncios é o lift, “o aumento nas conversões causado pela presença do anúncio”.

O que está em jogo quando o clique não mostra tudo

Estudos de lift feitos por pessoa dependem de sinais online. A metodologia do GeoLift lembra que testes aleatorizados como o Conversion Lift seguem como padrão-ouro, mas nem sempre são viáveis, por exemplo quando dependem do acesso a pixels, APIs e SDKs. Sem esse sinal, a região passa a ser a unidade de comparação.

A própria Meta recomenda o experimento por pessoas sempre que possível, porque ele tem poder estatístico maior, e indica o GeoLift para quando a medição por pessoas não é viável. Os dois desenhos têm mérito: o teste por pessoa tem mais poder estatístico e permite separar o resultado por perfil de público, e o geográfico funciona onde o sinal individual não existe.

A comparação citada na documentação do Robyn, da Meta, aponta que o experimento geográfico pode rodar offline, usar o mesmo teste para vários canais e estimar grupos de canais, como todo o digital. Na Ajuda do Google Ads, o Conversion Lift por geografia cria os grupos de teste a partir de dados geográficos agregados e aceita dados off-line. Para quem está decidindo entre MMM e Multi-Touch Attribution (MTA), ou atribuição multitoque, o teste geográfico é uma forma de conferir, com experimento, o efeito que o clique não mostra, e a comparação entre os dois métodos está em MMM ou MTA.

Três clientes da Purple descreveram, no blog da empresa, cortes ou pilotos por região, e os testes foram deles, não da Purple. No post de 29/08/2025, a Stone desligou campanhas de Meta em determinadas regiões por 45 dias, a partir de indícios de que não eram incrementais, e o resultado foi nenhuma diferença perceptível nas vendas (como o BBB levou a Stone a montar uma área de martech). No post de 29/09/2025, a Serasa acabou reduzindo as campanhas de Meta em algumas regiões, num caso que o texto chama de acidental, e o resultado foi nenhuma diferença nas vendas. No de 02/12/2025, a Localiza escolheu Londrina, no norte do Paraná, como primeira cidade de um piloto regional com TVs regionais e rádios.

Os 7 passos de um teste geográfico

Os passos vêm de três fontes: Vaver e Koehler (Google), o GeoLift (Meta) e o Meridian GeoX (Google). Cada número é recomendação ou achado da fonte que o diz, não regra do mercado.

1. Defina a pergunta e a métrica de resultado. O time decide o que quer saber, por exemplo quanto um canal adiciona em vendas, e qual métrica responde. Vaver e Koehler lembram que o gasto e a métrica de resposta precisam ser medidos no nível de cada região e que, em geral, não é viável usar regiões tão pequenas quanto um CEP.
2. Junte os dados diários por região e o histórico anterior ao teste. Todos os desenhos do Meridian GeoX, solução de código aberto do Google, exigem séries temporais diárias do KPI no nível geográfico. As boas práticas do GeoLift pedem dado diário e histórico estável antes da campanha.
3. Faça a análise de poder antes de gastar. No passo a passo do GeoLift, a análise de poder prospectiva indica o número de regiões de teste, a duração, os mercados de teste e de controle, o orçamento necessário e o efeito mínimo detectável para chegar a resultado significativo. O GeoLift é publicado no GitHub com licença MIT e usa calculadoras de poder estatístico para selecionar os mercados.
4. Escolha e pareie as regiões. As fontes trazem dois desenhos. No de Vaver e Koehler, as regiões são sorteadas para tratamento ou controle, e agrupá-las por tamanho antes do sorteio pode reduzir em 10% ou mais o intervalo de confiança do ROAS. No GeoLift, os mercados de teste e de controle são pareados pela mesma métrica de resultado, o que, segundo as boas práticas do GeoLift, pode eliminar viés entre mercados, e a comparação usa um controle sintético.
5. Escolha o desenho da mudança de mídia. O Meridian GeoX aceita três estratégias: retenção parcial, retirada de anúncios e investimento em regiões específicas. Reter ou retirar mostra quanto o canal adiciona hoje; investir mais em algumas regiões mostra o efeito da verba extra, uma forma de saber se um canal está saturado antes de expandir.
6. Defina a duração. A regra prática do passo a passo do GeoLift é que o período de teste contenha pelo menos um ciclo de compra completo, e as boas práticas pedem no mínimo 15 dias com dado diário ou 4 a 6 semanas com dado semanal. No desenho de Vaver e Koehler, o período de teste se estende além do fim da mudança de gasto, para captar as vendas incrementais que chegam com atraso, o efeito da mídia que chega depois.
7. Leia o resultado contra o contrafactual. A leitura compara o que aconteceu nas regiões de tratamento com o que teria acontecido sem a mudança. Em Vaver e Koehler, o resultado sai como ROAS incremental. O Meridian GeoX indica modelagem contrafactual, como a regressão baseada em tempo, com métodos de inferência sólidos para avaliar a significância do efeito. Com poucas regiões, esse é o método que Kerman, Wang e Vaver, do Google, propuseram em 2017.

O que o teste exige antes de começar

Estes requisitos são recomendações das boas práticas do GeoLift, da Meta, e da introdução ao Meridian GeoX, do Google, consultadas em 30/09/2026.

Requisito	O que a fonte recomenda
Granularidade do dado	Dado diário em vez de semanal, recomendação forte das boas práticas do GeoLift
Estabilidade do histórico	Pelo menos 4 a 5 vezes a duração do teste em dado estável anterior à campanha, segundo o GeoLift
Volume mínimo	No mínimo 25 períodos antes do tratamento, com 20 ou mais regiões, segundo o GeoLift
Janela de histórico	Em circunstâncias normais, as últimas 52 semanas, para considerar a sazonalidade das vendas, segundo o GeoLift
KPI por região	Série temporal diária do KPI no nível geográfico, exigida em todos os desenhos do Meridian GeoX
Pareamento	Mercados de teste e de controle pareados pela mesma métrica de resultado, segundo o GeoLift
Marketing local	Esforços locais constantes em teste e controle, e variações da mídia nacional, como TV, tratadas antes, segundo o GeoLift

Cinco falhas que invalidam um teste geográfico

Cada uma delas tira a validade da leitura, mesmo com o desenho certo no papel:

• Rodar sem análise de poder. Segundo a metodologia do GeoLift, a análise é especialmente importante em teste geográfico porque o efeito procurado pode ser pequeno, e rodar sem ela leva a alta chance de não encontrar lift mesmo quando ele aconteceu.
• Usar regiões pequenas demais. Vaver e Koehler dizem que, em geral, não é viável usar regiões tão pequenas quanto um CEP.
• Mudar o marketing local no meio do teste. As boas práticas do GeoLift pedem esforços locais constantes em todos os mercados e variações da mídia nacional tratadas antes do teste.
• Ignorar o vazamento entre regiões. A comparação citada na documentação do Robyn aponta que o experimento geográfico pode sofrer vazamento de efeito entre regiões e exige desenho cuidadoso para manter as regiões comparáveis.
• Subestimar o orçamento e o ruído. A Ajuda do Google Ads, ao comparar os tipos de Conversion Lift, diz que a divisão por região gera mais ruído, não quebra o resultado por dados demográficos e que a exigência de orçamento tende a ser maior que em estudos com base nos usuários.

Como o teste conversa com o MMM

O teste geográfico mede um período; o MMM lê anos de histórico. A documentação do Google Meridian aceita distribuições a priori (priors) sobre ROI, retorno marginal e contribuição vindas de experimentos de incrementalidade anteriores, como testes de lift ou geográficos. A mesma documentação avisa: “Não existe uma fórmula específica para transformar o resultado de um experimento em uma distribuição a priori.” Ela diz também que o contrafactual do MMM é gasto nulo, enquanto alguns experimentos medem contra gasto reduzido.

O guia de MMM para analistas do Robyn recomenda calibrar o modelo com estudos de incrementalidade por pessoas ou geográficos, e o repositório do Meridian GeoX descreve a ferramenta como medição sem cookies que gera dados de experimento para calibrar MMMs.

Criada em 2021, a Purple Metrics é uma parceira de Marketing Science que combina software de Marketing Mix Modeling (MMM), metodologia própria e especialistas para ajudar o marketing a entender o retorno dos investimentos em cada canal, prever resultados e tomar decisões que impactam o negócio. A Purple apoia o planejamento e a condução de testes geográficos, e os especialistas dela ajudam a avaliar quando usar mais de uma abordagem, como teste e modelo, e a interpretar as diferenças entre os resultados.

Enquanto um teste geográfico cobre algumas semanas e um recorte de regiões, o modelo lê o histórico da empresa. O teste e o modelo da Purple têm um ponto em comum: nenhum dos dois depende do sinal individual, e o modelo, que considera contribuição, lag, halo, saturação e otimização, trabalha com dados agregados, sem depender de rastreamento individual por cliques, UTMs ou cookies.

As vendas que chegam depois do fim da mudança de gasto também entram na conta do modelo: o lag espalha o investimento de uma semana pelas dez seguintes (página de ciência da Purple).

Quem quer planejar um teste geográfico, ou ver como o resultado dele entra no modelo, pode agendar uma conversa com a Purple.

Perguntas frequentes

Como testar uma mudança de orçamento numa região antes de expandir para o país?

Com um teste geográfico de investimento em regiões específicas: aumente o gasto só em algumas regiões, mantenha regiões parecidas como controle e compare o resultado dos dois grupos no período do teste. O Meridian GeoX, solução de código aberto do Google, aceita esse desenho, e a análise de poder feita antes diz quantas regiões, quanto investimento e quanto tempo o teste precisa para detectar o efeito.

Como escolher as cidades de teste e de controle num experimento geográfico?

Pela mesma métrica de resultado e pela análise de poder. As boas práticas do GeoLift, da Meta, pedem mercados de teste e de controle pareados pela mesma métrica, e a análise de poder indica quais regiões usar e quantas incluir. No desenho de Vaver e Koehler, do Google, agrupar as regiões por tamanho antes do sorteio pode reduzir em 10% ou mais o intervalo de confiança do ROAS.

Quanto tempo deve durar um teste geográfico?

Pelo menos um ciclo de compra do produto. As boas práticas do GeoLift pedem no mínimo 15 dias com dado diário ou 4 a 6 semanas com dado semanal, e no desenho de Vaver e Koehler o período de teste se estende além do fim da mudança de gasto, para captar as compras que chegam depois.

E quando há poucas regiões para testar?

Muda o método de análise. Kerman, Wang e Vaver, do Google, mostram que a regressão por região serve pouco quando há poucas unidades geográficas, como em países menores ou em testes de mercados pareados, e propõem a regressão baseada em tempo, que prevê a série do mercado sem a mudança e estima o efeito acumulado no fim do teste.

Teste geográfico serve para medir mídia offline?

Serve. A comparação citada na documentação do Robyn aponta que o experimento geográfico pode rodar offline, testar vários canais de uma vez e talvez servir até para TV endereçável e mídia exterior (OOH), com o cuidado de evitar vazamento de efeito entre regiões. Na Ajuda do Google Ads, o Conversion Lift por geografia aceita dados off-line. Para patrocínio e influenciador, o guia explica à parte como medir o resultado de um patrocínio.

Em resumo

• Um teste geográfico compara regiões de tratamento, que recebem a mudança de mídia, com regiões de controle parecidas; a diferença de resultado entre elas é o lift.
• Antes da mídia vêm os dados diários do KPI por região, a análise de poder e o pareamento das regiões pela mesma métrica, segundo o GeoLift e o Meridian GeoX.
• O período de teste se estende além do fim da mudança de gasto, para captar as vendas que chegam com atraso (Vaver e Koehler, Google, 2011).
• A leitura compara o observado com o contrafactual e sai como efeito incremental ou ROAS; com poucas regiões, o Google propõe a regressão baseada em tempo.
• O resultado do teste pode calibrar um MMM, e a Purple apoia o planejamento e a condução do teste geográfico.

Equipe Purple — conteúdo da Purple Metrics, parceira de Marketing Science. Atualizado em outubro de 2026.