Um canal chega à saturação quando cada real a mais rende cada vez menos resultado: a curva de resposta dele achata e o retorno marginal (ROI marginal, o quanto rende o próximo real) fica muito abaixo do ROI médio do canal. A leitura sai de um Marketing Mix Modeling (MMM) com curva de saturação por canal, e a documentação do Meridian, do Google, usa esse sinal, retorno marginal muito menor que o ROI, para dizer que o canal começou a saturar no nível de gasto histórico. Não existe limite fixo: saturação é um termo geral, e o ponto muda com o canal, com o gasto dos outros canais e com o custo da mídia.
Por que a saturação muda a decisão de verba
O ROI médio de um canal conta a história do dinheiro que já foi gasto e não diz quanto rende o próximo real. A documentação do Meridian define o ROI como o resultado incremental no nível de gasto histórico dividido pelo gasto, e o retorno marginal como o resultado incremental do próximo real gasto acima desse orçamento histórico. Os dois medem resultado incremental, mas respondem a perguntas diferentes e usam cenários de comparação diferentes: o ROI compara o investimento realizado com a ausência desse investimento, e o mROI compara manter o investimento atual com aumentá-lo um pouco.
Um canal pode ter ROI alto e retorno marginal baixo ao mesmo tempo: o histórico é bom, mas a próxima fatia do orçamento compra resultado mais caro. Quem decide verba só pelo ROI médio corre o risco de pôr mais dinheiro onde ele rende menos.
Um exemplo hipotético mostra a diferença. Um canal gerou R$ 300 mil de resultado incremental com R$ 100 mil investidos, na métrica de retorno que o Meridian usa. Isso não significa que acrescentar R$ 10 mil vá gerar outros R$ 30 mil: se a estimativa para essa parcela adicional for R$ 8 mil, o retorno marginal é menor, embora o retorno médio anterior tenha sido bom. Nos dois números, o numerador é o resultado incremental no indicador escolhido, que neste exemplo é receita, e não o lucro, que também depende de margem e de custos.
O guia de MMM para analistas do Robyn, da Meta, recomenda comparar as curvas de resposta dos canais lado a lado para achar oportunidades de mover verba dos canais mais saturados para os menos saturados. A pergunta do time de marketing deixa de ser “quanto este canal devolveu” e passa a ser “onde o próximo real rende mais”.
A atribuição por clique registra quais conversões passaram por um anúncio, e o retorno marginal responde a outra pergunta: quanto rende o próximo real investido num canal. Segundo o post do blog da Purple Metrics sobre como superar o plateau de performance em mídia com MMM (23/02/2026), canais de mídia paga saturam, o que é normal, e o erro é continuar medindo com last-click, que mostra de onde veio a conversão, e não por que ela aconteceu. A diferença entre o MMM e o Multi-Touch Attribution (MTA), ou atribuição multitoque, está em MMM ou MTA para decidir a verba.
Um estudo econométrico usa a saturação como régua de decisão. No Profit Ability 2, estudo do Reino Unido divulgado em 24/04/2024 pela Thinkbox, entidade que promove a publicidade em TV, o ponto de saturação de um canal é o último ponto em que cada libra investida ainda gera pelo menos £ 1 de lucro. É a definição que um estudo escolheu, e não uma regra de mercado.
O que é saturação de mídia
Saturação é o nome que o MMM dá aos retornos decrescentes da mídia. A documentação de recursos do Robyn, da Meta, descreve a teoria assim: cada unidade adicional de investimento em publicidade aumenta a resposta a uma taxa decrescente.
A documentação do Meridian diz que o efeito da mídia no KPI é regido por dois mecanismos, o efeito defasado e a saturação. Nas palavras dela, “os efeitos de saturação se referem à diminuição dos retornos marginais com o aumento da execução de mídia”, e a arquitetura do Meridian captura esse efeito com uma função de Hill.
A função de Hill é a forma matemática da curva de resposta. O Robyn também a usa: a documentação dele explica que abordagens comuns transformam a variável de mídia com logaritmo, potência ou funções em forma de S, e que a função de Hill permite uma saturação em forma de S ou de L.
O glossário do Meridian acrescenta duas ideias. Mídia paga e orgânica têm retornos marginais decrescentes e um limite para o efeito em cada período, e, à medida que o gasto aumenta e o retorno marginal diminui, o canal passa a ser considerado saturado. E “saturação é um termo geral, e nenhum limite específico é definido”. O ponto de saturação de cada canal é uma estimativa do modelo, não um número de tabela.
Os 5 sinais de que um canal está saturado
Os sinais saem de um MMM, porque dependem do resultado incremental, e não das conversões atribuídas a cada anúncio. A documentação do Meridian resume o uso de cada métrica: o ROI avalia a performance histórica, as curvas de resposta ajudam a otimizar orçamentos futuros e o retorno marginal avalia o nível de saturação.
| Sinal | O que ele indica |
|---|---|
| O retorno marginal está muito abaixo do ROI do canal | Pela regra da documentação do Meridian, o canal está começando a saturar no nível de gasto histórico |
| A curva de resposta chega ao ponto de inflexão e fica plana | Segundo o guia do Robyn, quanto mais rápido a curva fica plana, mais depressa o canal satura a cada real extra |
| O gasto subiu e o resultado incremental não acompanhou | A verba nova comprou menos resultado que a anterior, mesmo com o ROI médio ainda saudável |
| A curva do canal é mais achatada que a dos outros canais | Na comparação lado a lado, o canal é candidato a ceder verba para canais menos saturados |
| O ROI do canal cai quando a quantidade veiculada sobe | As perguntas frequentes do Meridian explicam que, com retornos decrescentes, a quantidade de mídia num momento afeta o ROI |
Um sinal sozinho não fecha o diagnóstico. O resultado pode não acompanhar o gasto por sazonalidade, por mudança de preço ou porque parte do efeito ainda vai chegar. O diagnóstico fica firme quando o retorno marginal baixo aparece junto com a curva achatada e se repete na comparação com os outros canais.
Como medir a saturação de um canal
- Junte um histórico em que o gasto de cada canal tenha variado. O modelo só aprende a curva nos níveis de gasto que viu, por isso a base é um histórico com variação de gasto; a documentação do Meridian diz que dados por região mostram maior variação nos gastos de marketing, o que é crucial para estimar efeitos não lineares como a saturação.
- Modele cada canal com uma função de saturação e com o efeito defasado. No Meridian e no Robyn, a curva de resposta sai da função de Hill; o efeito defasado separa o resultado da semana do gasto do efeito da mídia que chega nas semanas seguintes, que sem essa separação seria lido como falta de resposta.
- Leia o ROI, o retorno marginal e a curva de resposta de cada canal, como descreve a página do Meridian sobre ROI, mROI e curvas de resposta, consultada em 2026-09-30; mROI é a sigla que o Meridian usa para o retorno marginal.
- Compare as curvas lado a lado. O guia do Robyn propõe, nessa comparação, mover verba dos canais mais saturados para os menos saturados.
- Simule a realocação dentro de limites. Por padrão, no orçamento fixo, o otimizador do Meridian limita o gasto de cada canal entre 70% e 130% do gasto de partida, e no orçamento flexível entre 0% e 200%, segundo a documentação de cenários de otimização do Meridian (consultada em 2026-09-30). Esses limites são configuração da ferramenta, não recomendação de quanto mover.
- Confirme com um experimento. Um aumento de verba só em algumas regiões, comparado com as regiões que seguiram no gasto normal, mede quanto rende o dinheiro a mais naquele canal; o desenho está em um teste geográfico de incrementalidade.
Leituras que fazem um canal parecer saturado (ou não)
- Extrapolar a curva para fora do gasto observado. A documentação do Meridian explica que os parâmetros da função de Hill são estimados dentro do intervalo de mídia observado; a curva pode ser estendida além dele, mas o resultado precisa ser interpretado com cautela. Um canal que nunca recebeu o dobro da verba não tem, no histórico, a resposta a esse dobro.
- Esquecer as suposições da curva. Pela mesma documentação, a curva de resposta de um canal supõe que o gasto de todos os outros canais fica igual, e a curva e o retorno marginal supõem custo por unidade de mídia constante, igual à média histórica. O risco de extrapolação cresce para pontos acima do gasto histórico, e, se o custo da mídia sobe, a curva desenhada com o custo médio histórico deixa de descrever o gasto novo.
- Tratar como exato o parâmetro mais difícil de estimar. No artigo de Jin e coautores (Google, 2017), uma curva de resposta linear não capta a saturação, e, na simulação dos autores, os parâmetros da forma da curva foram bem mais difíceis de estimar que os do adstock: com dois anos de dados semanais, tiveram alta variância e grande viés. O ponto de saturação vem com incerteza, e a leitura precisa dela.
Saturação no modelo da Purple
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. O modelo da Purple considera contribuição, lag, halo, saturação e otimização, com dados agregados e sem depender de rastreamento individual por cliques, UTMs ou cookies. Na home da Purple, a leitura de saturação aparece como ver “o retorno marginal de cada canal: onde ainda cresce, onde já esgotou” e, em seguida, simular o mix antes de comprometer a verba. Os especialistas em marketing e estatística contextualizam esses resultados, desafiam premissas e recomendam o que faz sentido para o negócio.
Na Purple, o efeito defasado se chama lag e, na descrição da página de ciência da Purple, espalha o investimento de uma semana pelas dez seguintes. A otimização aparece na home da Purple como “Optimize agêntico”, e Optimize é também o nome de uma tela do produto na documentação pública.
Quem quer ver a curva de resposta dos próprios canais pode agendar uma conversa com a Purple.
Perguntas frequentes
O que fazer quando aumentar o investimento em mídia não aumenta mais as vendas?
Primeiro, confirmar se é saturação: pela regra da documentação do Meridian, se o retorno marginal de um canal está muito abaixo do ROI dele, o canal começou a saturar no nível de gasto histórico. Nesse caso, o guia do Robyn sugere comparar as curvas de resposta dos canais lado a lado e mover verba dos mais saturados para os menos saturados. Antes de cortar, vale lembrar que parte do efeito da mídia aparece nas semanas seguintes.
Todo canal de mídia satura?
Na suposição do Meridian, sim: mídia paga e orgânica têm retornos marginais decrescentes e um limite para o efeito em cada período. O ponto em que cada canal satura é uma estimativa do modelo, não um número fixo.
Um canal saturado deve ser cortado?
Não necessariamente. Saturação quer dizer que o próximo real rende menos que os anteriores, e não que o canal deixou de dar retorno: pela documentação do Meridian, o ROI mede a performance histórica do canal, e o retorno marginal mostra quanto rende investir mais. A decisão é quanto mover, e para onde, comparando o retorno marginal entre os canais.
A saturação de um canal muda com o tempo?
Muda. As perguntas frequentes do Meridian explicam que, mesmo com coeficientes fixos no modelo, o ROI de um canal varia com o tempo porque a quantidade de mídia veiculada em cada momento afeta o retorno, e porque a alocação entre regiões e o custo da mídia também mudam.
Dá para testar a saturação de um canal com um experimento?
Dá. O Meridian GeoX, solução de código aberto do Google para testes geográficos, aceita desenhos de investimento em regiões específicas: aumentar o gasto só em algumas regiões e comparar com as demais mostra quanto o dinheiro a mais rende. Segundo a documentação do Meridian, um teste geográfico pode calcular o retorno de um canal específico, enquanto o MMM pode oferecer as curvas de resposta completas de cada canal.
Em resumo
- Um canal está saturado quando o próximo real rende menos que os anteriores, mesmo que o ROI médio do canal siga alto.
- O sinal central, pela documentação do Meridian, é o retorno marginal muito abaixo do ROI do canal.
- A leitura vem da curva de resposta de cada canal num MMM, comparada lado a lado, e se confirma com experimento de investimento extra em algumas regiões.
- A curva engana fora do gasto já observado e supõe os outros canais parados e o custo da mídia constante.
- Na Purple, a análise de saturação mostra o retorno marginal de cada canal e orienta a realocação: o efeito esperado ao mover verba de um canal com retorno marginal baixo para outro com retorno marginal maior é mais resultado incremental por real, como estimativa e dentro do gasto já observado, e a simulação de cenários testa a mudança antes de a verba sair do lugar.
Equipe Purple — conteúdo da Purple Metrics, parceira de Marketing Science que combina software de Marketing Mix Modeling (MMM), metodologia própria e especialistas. Atualizado em outubro de 2026.