Numa aula recente sobre o papel do gestor de tráfego na era da IA, insisti num ponto que passa facilmente ao lado: a inteligência artificial pode operacionalizar e até otimizar campanhas com base em regras, mas o que chamo de "postmortem" das campanhas e das parcerias, ou seja, o que se aprende quando algo pausa ou quando uma relação com um cliente acaba, continua a ser trabalho humano, meu.
Porque é que a IA não substitui esta parte
Uma análise útil precisa de ligar os resultados às condições em que a campanha correu. Registo a oferta, o público, o objetivo e as mudanças feitas durante o teste. Assim, quando volto aos números, consigo distinguir o que observei das explicações que ainda preciso de confirmar.
A IA analisa mais rápido do que qualquer pessoa. Consegue olhar para milhares de linhas de um CSV e apontar padrões em segundos, coisa que a mim me levaria horas. A máquina só sabe o que é bom ou mau resultado porque eu defini esse critério antes; ela não vai buscar sozinha o contexto de negócio, do cliente, da oferta ou da conversa que aconteceu por trás dos números. Esse contexto sou eu que tenho de trazer, porque vivi a conversa com o cliente, sei porque a oferta foi ajustada a meio do caminho, sei o que já foi tentado antes e falhou.
Na aula descrevo o sistema de automação que montei para o Ad Summit: uma matriz com regras próprias, criada por mim com base na minha experiência e nos objetivos do evento, que corre sozinha de hora a hora sem chamar nenhum modelo de linguagem. É automação a executar regras que eu escrevi, não uma decisão inteligente tomada por conta própria. Quem decidiu os limites e o que fazer quando algo falha fui eu, e é esse trabalho de definir os limites que quero continuar a fazer eu mesmo.
O que vale a pena registar quando uma campanha pausa
O registo do teste deve incluir os limites definidos antes de começar e o motivo de cada alteração. Se pausei um conjunto de anúncios, quero perceber quanto gastou, que resultado trouxe e qual foi a regra aplicada. Essa informação ajuda a rever a decisão com contexto.
Quando um conjunto de anúncios pausa porque atingiu o teto definido sem gerar resultado, isso é um dado a guardar, não um episódio a esquecer. Na aula, mostrei regras concretas da minha matriz do AdSummit: nenhum conjunto de anúncios é pausado antes de gastar 60 euros, uma condição que defini para aquelas campanhas. Descrevo isto como uma fase de aceleração e validação, em que espalho investimento por muitos criativos até encontrar quais merecem escalar, e depois concentro o orçamento nesses.
O que interessa registar aqui vai além de "pausámos porque não deu". Registo que hipótese estava a ser testada, que limite defini antes de começar, e o que os números mostraram sobre essa hipótese. Podes, por exemplo, escrever antes de lançar um teste qual o custo de aquisição máximo aceitável e a que ponto decides parar; depois, quando pausas, confirmas se a decisão seguiu essa regra escrita à partida ou se foi uma reação a ruído momentâneo do dia.
O que espero de um gestor de tráfego na era da IA
Como transformar mais leads em clientes num negócio de serviços
Resultados de curto prazo escondem o que interessa
Para avaliar uma campanha, registo também o papel que aquela compra tinha no negócio. Um produto de entrada pode dar origem a compras posteriores, mas preciso de conseguir acompanhar esse percurso. Se olhar apenas para a primeira venda, fico sem uma parte importante da informação.
Um dos exemplos que partilho na aula é o de um curso vendido a 7 euros através de anúncios da Meta. As campanhas geraram mais de 50.000 euros em vendas do curso, com um investimento de cerca de 22 a 23 mil euros em anúncios. Isso dá uma diferença de cerca de 30.000 euros antes de outros custos, ao longo de dois ou três anos, um valor que isoladamente não paga contas do negócio. O que muda a leitura é que esses mesmos clientes, ao longo do tempo, geraram mais de meio milhão de euros em vendas subsequentes.
A lição prática que levo comigo é olhar para o valor de vida do cliente antes de fechar o veredicto sobre uma campanha de entrada. Julgar uma campanha só pelo retorno imediato no dashboard fica pela parte fácil da equação. Quando o cliente não sabe dizer de onde vêm as vendas de longo prazo, é aí que a análise pós-campanha precisa de começar: separar o que a campanha gerou em vendas diretas do que gerou em valor de vida do cliente ao longo dos meses seguintes.
Fatores fora do anúncio que também precisam de registo
Quando uma campanha traz resultados fracos, revejo a oferta, o mercado e o acompanhamento comercial em conjunto com os anúncios. Registar essas verificações ajuda-me a explicar onde é preciso intervir. Caso contrário, posso continuar a mudar criativos enquanto o contacto fica sem resposta ou a oferta continua pouco clara.
Sou direto sobre isto: o gargalo de uma campanha nem sempre está no anúncio. Pode estar na oferta, que não é sedutora ou está desajustada ao mercado. Pode estar no mercado, que simplesmente não tem procura suficiente. Pode estar no follow-up comercial, num lead que arrefeceu porque ninguém respondeu a tempo, ou na falta de um automatismo básico num e-commerce que devia ter avisado o cliente sobre o carrinho abandonado.
Um gestor de tráfego que só olha para a sua própria operação de anúncios, sem olhar para o funil como um todo, perde estas causas de vista. Vale a pena, ao fechar uma campanha, perguntar explicitamente: o problema esteve no anúncio, ou esteve noutro ponto do funil que não estava sob o meu controlo direto? Documentar essa distinção protege o histórico do projeto e evita cortar um canal de aquisição saudável por um problema que era, na verdade, comercial ou logístico.
Conclusões apressadas e o peso da autorresponsabilidade
A responsabilidade pela decisão continua a ser de quem gere a campanha. No registo, identifico quem definiu a regra, que informação tinha e o que decidiu fazer. Se os dados eram insuficientes, deixo essa limitação escrita para não transformar uma hipótese numa conclusão definitiva sobre o público.
Quem escolhe usar uma automação continua a ter de acompanhar as decisões e os resultados. Na aula insisti nessa responsabilidade. Quando os dados são escassos, quero que a conclusão diga também o que ainda não sabemos: pouco investimento e nenhuma conversão podem ser insuficientes para avaliar um criativo. Esses dois números, isoladamente, não dizem se a plataforma saiu da fase de aprendizagem nem demonstram que o anúncio falhou. O registo deve guardar a limitação para que a equipa não transforme uma suspeita numa certeza na campanha seguinte.
Eu quero perceber o que mudou e o que tenho de decidir, é a postura que fica implícita na forma como descrevo o processo: a matriz avisa, mas quem interpreta e decide sou eu. Dá-me os dados, explica-me a regra e mostra-me onde falhou é essencialmente o que peço à minha própria central de operação, que me envia atualizações horárias por WhatsApp sobre o que mudou e porquê, para eu poder agir com contexto e não às cegas.
Levar a aprendizagem para o cliente seguinte
Guardo também as condições que podem limitar a aplicação da aprendizagem a outra conta. O orçamento, o volume de dados, a oferta e o mercado mudam a forma de interpretar um teste. Uma decisão que funcionou num cliente merece ser novamente avaliada antes de ser repetida noutro.
Um ponto forte da aula é a distinção que faço entre gerir uma conta grande, com muito orçamento e dados abundantes, e gerir muitas contas pequenas e diferentes. Com mais dados, é mais fácil tomar decisões, quase ao ponto de a decisão se tornar automática a partir de uma matriz de resultados. É nas contas mais pequenas, com menos dados, que preciso de decidir sem ter tudo o que gostaria de ter, e é aí que sinto que se desenvolve a verdadeira sensibilidade estratégica de que falo tanto.
Geri tráfego para a área jurídica no Brasil durante três anos, chegando a gerar 1 milhão de leads por mês. Isso tornou-me especialista naquele nicho concreto. Comparo essa experiência com a de gerir dezenas de clientes pequenos e diferentes em contexto de agência, e ambos os caminhos me ensinaram coisas, só que de formas diferentes. Nenhum registo de fim de campanha é uma fórmula fixa que se aplica ao cliente seguinte sem ajuste; é uma hipótese revista à luz do que aconteceu, pronta a testar de novo com o próximo negócio parecido.
Fonte
Este artigo parte da aula Sextas Ímpares #151, sobre o papel do gestor de tráfego na era da IA. A partir de cerca dos 27 minutos falo sobre a diferença entre a IA operacionalizar e otimizar campanhas e a aprendizagem que fica de uma campanha pausada ou de uma parceria terminada. Perto dos 32-33 minutos mostro a matriz de regras que construí para o Ad Summit, e mais adiante, por volta dos 40 minutos, os relatórios automáticos que recebo por WhatsApp sobre o que mudou nas campanhas e porquê. Podes ver a aula completa aqui: https://www.youtube.com/watch?v=SYe0ebyVZ5c.