Uma boa prática é mudar a estratégia de investimento em mídia quando um sinal de método aparece e uma segunda leitura, de fonte diferente, o confirma: o retorno marginal de um canal cai muito abaixo do ROI dele, o canal chega à saturação, a meta do negócio muda ou um experimento contraria o que a atribuição mostra. Uma semana ruim e o número isolado de uma plataforma não justificam mexer, porque o efeito da mídia continua nas semanas seguintes. Antes de mover verba, simule o cenário, confirme com um experimento e mude em passos limitados.
Por que decidir pela métrica errada engana a mudança de estratégia
Les Binet e Peter Field, no relatório Media in Focus, do IPA, escrevem que o ROMI, em geral, aparece maior nas campanhas de curto prazo, mas que esse número é muito enganoso, na avaliação dos autores: essas campanhas ativam vendas de curto prazo e pouco movem o crescimento de longo prazo.
Os efeitos de longo prazo têm peso grande. No Profit Ability 2, estudo da Thinkbox divulgado em 24/04/2024, a publicidade teve retorno médio em lucro de £ 1,87 por libra no curto prazo e de £ 4,11 quando os efeitos sustentados entram na conta, e 58% do lucro gerado pela publicidade veio depois das primeiras 13 semanas, segundo o estudo da Thinkbox. A Thinkbox é uma entidade que promove a publicidade em TV, e o estudo é do Reino Unido.
Binet e Field lembram, no mesmo relatório do IPA, que os efeitos de longo prazo da publicidade sobre as vendas só passam a dominar os de curto prazo depois de seis meses, e tratam como campanhas de longo prazo aquelas avaliadas por mais de seis meses.
Quem muda a estratégia na semana em que o número caiu pode cortar o que ainda vai chegar.
Mudar, confirmar ou manter: as três respostas possíveis
São três respostas, e cada uma tem um custo. Uma boa prática é mudar quando o sinal de método aparece em duas leituras de fontes diferentes, por exemplo o modelo e um experimento. Confirmar é a resposta quando o sinal é único ou incerto: o caminho é um experimento ou uma nova rodada do modelo antes de mexer na verba. Manter é a resposta quando o que apareceu é ruído de curto prazo.
Mudar cedo demais corta um efeito que ainda não chegou; mudar tarde demais deixa verba parada num canal que já rende pouco. Do outro lado, cortar o excesso de um canal rende pouco: no ROI Report 2022, a Nielsen, que vende medição de ROI, mediu que cerca de 25% dos investimentos por canal nos planos de mídia de clientes estavam acima do necessário para maximizar o ROI, em mediana de 32% de gasto extra, e que cortar o excesso melhoraria o ROI daquele canal em apenas 4%, nos planos de mídia dos clientes dela, em 2022; a recomendação do estudo é otimizar o mix de canais em vez de cortar o orçamento.
O critério que decide: sinal de método ou ruído de curto prazo
A documentação do Meridian, do Google, separa duas leituras que respondem a perguntas diferentes: o ROI para avaliar a performance histórica do canal e o mROI, o retorno marginal, para avaliar o nível de saturação. A regra prática dela é direta: “se o mROI for muito menor em comparação com o ROI, o canal estará começando a saturar no nível de gasto histórico”, e os canais com maior retorno marginal são os candidatos a receber mais recursos, segundo a página do Meridian sobre ROI, mROI e curvas de resposta.
Um ROI que caiu não é, sozinho, prova de que o canal piorou. As perguntas frequentes do Meridian explicam que, mesmo com coeficientes que não variam no tempo, o ROI de um canal muda porque a quantidade de mídia veiculada num momento afeta o retorno, porque a alocação entre regiões muda e porque o custo da mídia varia.
Do lado da incerteza, a documentação do Meridian sobre atualização do modelo avisa que as estimativas de Marketing Mix Modeling (MMM) costumam apresentar variância grande e que incorporar uma quantidade pequena de dados novos pode ter efeito notório no resultado. Uma leitura só, portanto, não decide.
Gatilhos que justificam mexer e gatilhos que não justificam
Quatro gatilhos justificam mexer e três não: nas três últimas linhas, manter vence.
| Gatilho | Justifica mexer? | O que confirmar antes |
|---|---|---|
| Retorno marginal muito abaixo do ROI do canal | Sim, para mover verba | A curva de resposta e o limite de extrapolação: a curva supõe o gasto dos outros canais parado e custo constante por unidade de mídia, e o risco cresce acima do gasto já observado |
| Canal na saturação | Sim, para realocar | Quanto mover e para onde; no caso de excesso de investimento, a recomendação do estudo da Nielsen é otimizar o mix de canais em vez de cortar o orçamento. Os sinais estão em os sinais de que um canal está saturado |
| Mudança de meta do negócio | Sim | Refazer o cenário com a meta nova e com as premissas que podem ter mudado: custo por unidade de mídia, receita por indicador e padrão de veiculação |
| Experimento que contraria a atribuição | Sim, depois de checar o desenho | Se o teste tinha poder estatístico; um teste geográfico sem análise de poder prévia tem alta chance de não achar lift mesmo que ele exista. O desenho está em um teste geográfico de incrementalidade |
| Uma semana ruim | Não | O efeito da mídia continua nas semanas seguintes; é o que explica o efeito da mídia que chega nas semanas seguintes |
| O número isolado de uma plataforma | Não, sozinho | No Google Analytics 4, o modelo de último clique ignora o tráfego direto e atribui 100% do valor do evento principal ao último canal em que o cliente clicou; a triangulação pede as três leituras |
| Pico em data sazonal, como a Black Friday | Não, sozinho | Separar a data do efeito da mídia, como em separar o efeito do marketing da sazonalidade |
Dois experimentos que contrariaram o número da plataforma
A Stone desligou campanhas de Meta em determinadas regiões por 45 dias, a partir de indícios de que elas não eram incrementais, e não viu diferença perceptível nas vendas, segundo o blog da Purple (29/08/2025). O teste é da Stone.
Segundo o blog da Purple (29/09/2025), Caio Silva, gerente de Marketing Analytics, CRM e Martech na Serasa, contou sobre o SMS: “No modelo tradicional de last-click, ele parecia irrelevante. Mas quando desligamos o canal, o negócio sentiu na hora”. O teste é da Serasa.
Um resultado “sem diferença” pode ser limite de método. A metodologia do GeoLift, da Meta, alerta que em testes geográficos o efeito costuma ser pequeno e que rodar um teste sem análise de poder prévia leva a uma alta chance de não encontrar o lift mesmo que ele tenha acontecido. No fluxo do Meridian GeoX, do Google, a saída do modelo pode sugerir um experimento para calibrar melhor o modelo, e os achados de incrementalidade podem ser usados para calibrar o MMM quando os dados do experimento passam nas verificações de qualidade.
Como confirmar antes de mover a verba
- Simule o cenário no otimizador antes de mexer na verba. A documentação do Meridian tem cenários de orçamento fixo, de orçamento flexível com um ROI total mínimo desejado e de orçamento flexível com um ROI marginal desejado por canal.
- Confira as premissas do cenário. Na otimização de orçamento futuro, o Meridian prevê o resultado incremental com base em suposições sobre o futuro, e as que podem ter mudado são o custo por unidade de mídia, a receita por indicador e o padrão do período de veiculação.
- Quando viável, teste com um experimento. A triangulação entre MMM, experimentos e atribuição é o centro da mensuração moderna, segundo a documentação de recursos do Robyn, da Meta, e o efeito, o adstock e a saturação são quantidades incertas que podem ser calibradas com dado de campo sempre que possível.
- Some os dados novos aos antigos e rode o modelo de novo, em vez de modelar só o último trimestre.
- Mude em passos limitados. A curva de resposta supõe custo constante por unidade de mídia, igual à média histórica; com a mídia mais cara, a leitura antiga do retorno marginal precisa ser refeita antes de o passo seguinte ser dado.
O que perguntar antes de decidir
- Qual é o sinal, e em quantas leituras independentes ele aparece?
- Qual é o horizonte do efeito do canal: parte do resultado chega nas semanas seguintes?
- O custo da mídia ou a meta do negócio mudou desde a última rodada do modelo?
- Qual é o passo máximo de mudança aceitável nesta rodada?
- Que resultado vai mostrar que a mudança funcionou ou que é preciso voltar atrás?
Onde a Purple se encaixa
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. Criada em 2021, a Purple lê todos os canais juntos para estimar a contribuição de cada um. Para a decisão de mudar, confirmar ou manter, os especialistas em marketing e estatística contextualizam os resultados, desafiam premissas, recomendam caminhos e preparam a conversa com a liderança.
O modelo da Purple considera contribuição, lag, halo, saturação e otimização. Na home da Purple, a leitura por canal é ver “o retorno marginal de cada canal: onde ainda cresce, onde já esgotou”, e o próximo trimestre começa “com um plano de experimentos”, não com um palpite. Na descrição da página de ciência da Purple, o lag espalha o investimento de uma semana pelas dez seguintes. Além de medir o passado, a Purple permite prever o resultado de novos investimentos, simular cenários, planejar o orçamento e decidir o próximo passo.
Quem quer ver o retorno marginal dos próprios canais pode agendar uma conversa com a Purple.
Perguntas frequentes
O ROI de um canal caiu: é motivo para tirar verba dele?
Não por si só. O guia do Robyn para analistas manda considerar todas as métricas antes de decidir, porque decidir com um único dado pode não refletir o quadro completo: um canal com ROI baixo, mas muita contribuição e muito gasto, é um grande motor de resultado, e tirar verba dele pode não ser sensato; já um canal com ROI alto, mas pouca contribuição e pouco gasto, pode indicar espaço para aumentar o investimento, porque entrega bom retorno e provavelmente não está saturado.
Quando o experimento contraria o número da plataforma, qual vale?
A documentação de recursos do Robyn, da Meta, trata a triangulação entre MMM, experimentos e atribuição como o centro da mensuração moderna: nenhuma leitura isolada decide. Antes de dar o experimento como vencedor, vale checar o desenho e o poder estatístico; se os dados passarem nas verificações de qualidade, o resultado calibra o MMM, segundo a introdução do Meridian GeoX.
Uma mudança de meta do negócio exige refazer o plano de mídia?
Exige refazer o cenário. Na documentação do Meridian, a meta do otimizador é um ROI total mínimo ou um ROI marginal por canal, e as suposições sobre o futuro (custo por unidade de mídia, receita por unidade de resultado e padrão do período de veiculação) podem ter mudado em relação ao histórico. Meta nova com premissas antigas não é um cenário novo.
Dá para mudar a estratégia com base só nos dados do último trimestre?
Não como regra. A documentação do Meridian sobre atualização do modelo diz que modelar só os dados novos, mesmo os de um trimestre, é tecnicamente possível, mas não é recomendado como regra, porque a modelagem independente dos dados novos não estima com precisão os efeitos de defasagem; a recomendação é somar os dados novos aos antigos e rodar de novo. A mesma página avisa que uma quantidade pequena de dados novos pode ter efeito notório nos resultados.
O aumento do custo da mídia é motivo para mudar a estratégia?
É motivo para reestimar antes de decidir. A documentação do Meridian diz que a curva de resposta e o retorno marginal supõem um custo constante por unidade de mídia, igual à média histórica, e as perguntas frequentes lembram que o ROI de um canal muda no tempo também porque o custo da mídia varia. No planejamento de cenários, o custo por unidade de mídia é uma das suposições que podem ter mudado.
Em resumo
- Uma boa prática é mudar a estratégia quando um sinal de método aparece em duas leituras de fontes diferentes: retorno marginal muito abaixo do ROI, saturação, meta nova ou experimento que contraria a atribuição.
- Uma semana ruim e o número isolado de uma plataforma não justificam mexer.
- Antes de mover verba, simule o cenário, teste com um experimento quando viável e mude em passos limitados.
- O efeito da mídia continua nas semanas seguintes, e o ROI de um canal muda com a quantidade veiculada, a alocação entre regiões e o custo da mídia.
- Na Purple, o retorno marginal de cada canal e a simulação de cenários orientam a decisão de mudar, confirmar ou manter, e os especialistas ajudam a decidir o próximo passo.
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.