Nas Sextas Ímpares #142, mostrei diferentes formas de trabalhar os dados das campanhas com IA. Uma delas foi a exportação de um ficheiro para análise, outra foi ligar a conta de anúncios a um conector externo para que o modelo lesse a informação diretamente.
Confirma o conteúdo do ficheiro exportado
O erro mais comum é exportar só a vista que está aberta no gestor de anúncios e assumir que o ficheiro contém tudo. Na aula chamei a atenção para isto: o CSV exportava a vista que estava selecionada, nada mais. Se estás na vista de campanha, não tens dados de conjuntos nem de anúncios individuais.
Se queres perceber qual anúncio está a perder força, tens de abrir a vista ao nível de anúncio antes de exportar. Se precisas de dados diários, tens de selecionar essa discriminação antes do download, senão o ficheiro só traz totais agregados por período. Isto parece óbvio, mas é a causa mais frequente de conclusões erradas quando se pede à IA para analisar um CSV.
Antes de enviares o documento, abre-o numa folha de cálculo e vê o que realmente está lá. Confirma se o intervalo de datas coincide com o que queres estudar, se a moeda é a certa e se alguma coluna importante, como o custo por resultado, não ficou cortada ou deslocada por um problema de formatação.
Remove totais gerais e linhas que não são campanhas
Antes de enviares o ficheiro, verifica se há linhas de totais ou subtotais no fundo da tabela exportada. Se ficarem lá, o modelo pode somá-las às campanhas reais, distorcendo o investimento total e as médias. Isto não acontece sempre, mas é um risco real já observado.
Antes de carregar o CSV, apaga qualquer linha de resumo ou total da conta. Se houver campanhas arquivadas sem impressões nem gasto no período, também vale a pena removê-las, só para manter o ficheiro focado no que interessa. Um ficheiro mais limpo reduz a hipótese de o modelo somar coisas que não devia.
Repara também nos cabeçalhos das colunas. Se vierem com caracteres estranhos ou nomes truncados, renomeia para termos claros como "Gasto", "Impressões", "Cliques no Link" ou "Compras". Isto ajuda o modelo a associar corretamente cada coluna à métrica certa, e ajuda-te a ti também a rever o ficheiro antes de o enviares.
Escolhe o nível de exportação certo para a pergunta que tens
A estrutura do ficheiro tem de corresponder à profundidade da decisão que queres tomar. Se a pergunta é sobre distribuição de orçamento entre campanhas, bastam dados por campanha. Se a pergunta é sobre qual criativo está cansado, precisas de dados ao nível de anúncio, com o criativo identificado.
Imagina, como exemplo hipotético, que queres decidir se pausas um conjunto de anúncios ou só um criativo dentro dele. Se exportares apenas ao nível de campanha, a IA não tem como te dizer qual anúncio específico está a arrastar o custo para cima, porque essa linha nunca chegou ao ficheiro. Nesses casos, faz sentido exportar vários ficheiros, um por nível, ou incluir colunas com o identificador da campanha, do conjunto e do anúncio no mesmo ficheiro, para não misturares níveis sem indicação clara.
Se quiseres comparar posicionamentos, como feed contra stories, também precisas de pedir esse detalhe na exportação, porque por defeito ele pode não vir discriminado. Para quem está a estruturar este tipo de trabalho de forma mais ampla, pode ser útil olhar para o artigo sobre como usar a IA no negócio para além das perguntas ao chatbot.
Explica o que queres decidir antes de pedir conclusões
Uma pergunta como "o que achas destas campanhas?" deixa demasiado espaço para uma resposta genérica e pouco útil. É mais produtivo dizer exatamente que decisão tens pela frente e que critérios usas para a tomar, como o teu custo por aquisição alvo ou o limite de orçamento disponível.
Na aula mostrei sugestões de análise a partir dos dados das campanhas geradas com esse tipo de contexto. Uma sugestão da IA é um ponto de partida, não uma decisão pronta. Antes de a executares, confirma se os números que ela usou correspondem ao que vês na origem, porque já aconteceu modelos errarem contas simples.
Em vez de pedires uma revisão geral, pede algo restrito: lista os anúncios com custo por resultado acima da média, ou compara a taxa de cliques entre formato estático e vídeo num período específico. Quanto mais precisa a pergunta, mais executável é a resposta, e menos espaço há para a IA inventar um raciocínio vago só para preencher a resposta.
Relaciona os dados da plataforma com as vendas reais, com cuidado
O resultado que a plataforma de anúncios mostra não é sempre igual ao que entrou de facto na empresa. Um evento de "compra" registado no gestor pode incluir transações de valor zero, testes internos ou carrinhos que nunca foram pagos. Campanhas de captação de contacto exigem ainda validação comercial posterior para saberes se esses contactos se tornaram clientes.
Se queres que a IA avalie a rentabilidade real de uma campanha, tens de juntar o custo da plataforma com as vendas confirmadas no teu sistema de faturação, no mesmo intervalo de datas. Sem esse cruzamento, o risco é o modelo recomendar escalar um conjunto de anúncios que gera muitos contactos mas poucas vendas efetivas. Este equilíbrio entre captação e conversão final é também o tema central de como transformar mais leads em clientes num negócio de serviços.
Usa dados agregados sempre que estes forem suficientes para a análise. Normalmente, para comparar investimento com vendas, não precisas de incluir nomes, e-mails ou telefones de clientes no pedido à IA. Um total de vendas por campanha e por período já dá o suficiente para a comparação.
Protege dados sensíveis antes de enviar qualquer ficheiro
A análise de campanhas não precisa de dados pessoais de clientes para funcionar. Nomes, contactos telefónicos, e-mails ou notas de reuniões comerciais não ajudam a calcular custo de aquisição ou taxa de conversão, e a exposição desses dados a ferramentas externas cria um risco que é fácil evitar.
Antes de exportares um ficheiro cruzado com o teu sistema comercial, remove as colunas com identificadores pessoais. Se precisares de manter alguma referência, substitui por um número de encomenda ou código sequencial. Para calcular médias e taxas de fecho, a IA só precisa de totais agregados e identificadores genéricos.
Lista de verificação antes de enviar o ficheiro: 1. Nomes, e-mails e telefones removidos. 2. Linhas de totais ou resumos gerais eliminadas. 3. Intervalo de datas coerente em todas as colunas. 4. Moeda e escala de valores confirmadas. 5. Critério de conversão explicado no pedido inicial.Um ficheiro mais limpo também tende a ser mais rápido de processar e menos sujeito a erros de leitura provocados por formatação estranha.
Verifica os cálculos antes de mudar algo na campanha
Qualquer recomendação de uma IA deve ser tratada como uma hipótese a confirmar, não como um facto. Os modelos de linguagem já erraram contas simples, como percentagens de variação entre períodos, e isso não muda com um ficheiro mais bem preparado. A preparação dos dados reduz erros, não os elimina.
Escolhe uma das conclusões que recebes e refaz a conta na origem, na folha de cálculo. Se a IA disser que o custo por lead caiu 30%, confirma se as duas janelas de tempo comparadas têm o mesmo número de dias e a mesma base de cálculo. Se os números não coincidirem, ajusta o pedido e volta a pedir a análise.
Anota também o que o ficheiro não permite responder. Um ficheiro pode ser suficiente para uma pergunta e insuficiente para outra, como saber a frequência de exibição ou o tempo de carregamento da página de destino. Reconhecer esse limite evita decisões precipitadas sobre variáveis que simplesmente não estavam nos dados.
A via mais eficiente hoje: ligar os dados à IA por MCP
Hoje, para analisar campanhas de forma recorrente, recomendo a ligação por MCP como a via mais eficiente e eficaz, quando existe um conector fiável com acesso às métricas necessárias. Reduz o trabalho de exportar ficheiros e permite aprofundar a análise na mesma conversa, consultando os dados disponíveis na origem.
MCP significa Model Context Protocol. É um protocolo que permite ligar uma aplicação de IA a ferramentas e fontes de dados através de um servidor. Neste caso, um conector compatível pode dar acesso à conta de anúncios e devolver os dados pedidos, dentro das permissões que autorizaste. Essa ligação tem de existir e estar configurada; escrever o nome da plataforma numa conversa não lhe dá acesso à tua conta.
A vantagem torna-se clara quando surge uma segunda pergunta. Depois de comparar campanhas, podes pedir o detalhe por anúncio, mudar o período ou investigar um aumento do custo por resultado. Se o conector disponibilizar essas consultas, a IA pode ir buscar a informação adicional sem precisares de preparar e carregar outro CSV. Ganhas tempo na recolha e consegues dedicar mais atenção à decisão.
Um pedido concreto para começar seria:
Consulta os últimos 14 dias completos desta conta e compara com os 14 anteriores, no mesmo fuso horário. Mostra investimento, compras atribuídas e custo por compra, por campanha. Identifica os anúncios que mais contribuíram para as variações e apresenta os cálculos. Indica a janela de atribuição, eventuais dados em falta e a atualização disponível. Limita-te à análise, sem alterar campanhas ou orçamentos.
Os critérios deste artigo continuam a aplicar-se: período, moeda, nível de detalhe e definição de conversão têm de estar claros. O MCP facilita o acesso, mas a atualidade e a cobertura dos dados dependem da plataforma e do conector. Cruzar anúncios com vendas confirmadas exige também acesso ao sistema comercial e uma correspondência válida entre os registos.
Para este trabalho, escolhe um conector de confiança e configura permissões apenas de leitura, sempre que disponíveis. Confirma os totais no gestor de anúncios antes de agir. Um CSV continua a ser útil para uma análise pontual, para guardar um retrato do período ou quando falta uma ligação adequada; para acompanhamento frequente, começaria pela via MCP.
Se queres aprofundar este tipo de trabalho com dados e IA de forma mais estruturada, conhece a minha formação em IA e negócios online.