Forecast de marketing: modelos práticos

Por que forecast de marketing erra (e por que isso é menos importante do que parece)

Toda operação de marketing sabe que forecast erra. O que poucas operações reconhecem é que essa imprecisão é parte do método — o objetivo do forecast não é estar certo, é dar um ponto de partida que pode ser corrigido sistematicamente conforme a realidade contradiz a previsão. Forecast é ferramenta de gestão, não de adivinhação.

Operações maduras transformam erro em aprendizado: medem o erro percentual médio (em inglês Mean Absolute Percentage Error, MAPE), identificam viés (otimismo crônico de um canal, pessimismo de outro), corrigem premissas no próximo ciclo. Operações imaturas tratam erro como falha pessoal de quem fez o forecast, desencorajam previsões e voltam ao "não sei prever, vou esperar acontecer". O custo de não prever é grande: sem forecast, decisões de orçamento, contratação e contratação de fornecedores ficam reativas, sempre atrasadas em relação à demanda real.

Este artigo cobre dois modelos práticos que se complementam — de baixo para cima por canal e de cima para baixo a partir da meta — e mostra como combiná-los, como medir acurácia e como tornar o forecast um documento vivo de gestão.

Modelo de baixo para cima: somar capacidade por canal

O modelo de baixo para cima (bottom-up) parte da capacidade declarada de cada canal e multiplica pelas taxas de conversão de cada estágio do funil até chegar em receita prevista. É o modelo mais transparente e auditável, recomendado como primeira camada do forecast.

Passo 1 — listar canais e capacidade. Para cada canal de aquisição (mídia paga em Google e Meta, SEO orgânico, indicações de cliente, marketing de conteúdo, eventos, marketing de atração e prospecção ativa), defina capacidade do período: quantos visitantes únicos, quantos contatos qualificados (em inglês marketing qualified leads, MQL), ou quantas oportunidades cada canal vai gerar. A capacidade vem da combinação entre investimento previsto e produtividade histórica do canal.

Passo 2 — aplicar taxas de conversão por estágio. Cada estágio do funil tem uma taxa histórica de conversão para o próximo. Exemplo típico em B2B: visitante ? contato qualificado por marketing (MQL) com 2-4% de conversão; MQL ? contato qualificado por vendas (SQL) com 25-40%; SQL ? oportunidade com 50-70%; oportunidade ? contrato com 20-30%. As taxas vêm do histórico dos últimos doze meses, com ajuste sazonal.

Passo 3 — multiplicar pelo ticket médio. Para chegar em receita, multiplique o número previsto de contratos pelo ticket médio do canal (alguns canais entregam contratos maiores que outros).

Passo 4 — somar canais. A soma de todos os canais é a previsão total de pipeline e receita para o período.

Exemplo prático. Mídia paga em Google: R$ 50.000 de investimento × 1.000 cliques por R$ 50 cada × 3% de conversão para MQL = 30 MQL; 30 × 35% para SQL = 10 SQL; 10 × 60% para oportunidade = 6 oportunidades; 6 × 25% para contrato = 1,5 contrato; × ticket médio de R$ 18.000 = R$ 27.000 de receita prevista do canal Google. Repete para todos os canais e soma. Total: receita prevista do período.

Modelo de cima para baixo: partir da meta e quebrar para trás

O modelo de cima para baixo (top-down) parte da meta de receita do período definida pela diretoria e calcula, de trás para frente, quantas oportunidades, contatos qualificados e visitantes são necessários para bater essa meta. É o modelo que conecta marketing à estratégia corporativa.

Passo 1 — meta de receita. Recebida da diretoria, baseada em orçamento anual, expectativa de mercado e crescimento desejado.

Passo 2 — quebrar em contratos. Meta de receita ÷ ticket médio = número de contratos necessários no período.

Passo 3 — subir o funil. Aplique as taxas de conversão históricas de forma inversa. Se a meta é dez contratos, e a taxa de oportunidade ? contrato é 25%, são necessárias quarenta oportunidades. Se a taxa SQL ? oportunidade é 60%, são necessários sessenta e seis SQLs. Continue subindo até chegar no número total de visitantes ou contatos qualificados que o marketing precisa entregar no topo do funil.

Passo 4 — comparar com a capacidade. A demanda calculada (quanto o funil exige) é comparada com a capacidade declarada por canal (quanto o funil consegue entregar). Se a capacidade fica abaixo da demanda, há lacuna — e a operação precisa investir mais (mais mídia, mais SDR, mais conteúdo) ou ajustar a meta com a diretoria.

Reconciliação. Comparar resultados do modelo de baixo para cima e do de cima para baixo expõe lacunas e premissas otimistas. Se o de baixo para cima dá R$ 800 mil e o de cima para baixo exige R$ 1,2 milhão, há diferença de R$ 400 mil para fechar — seja com mais investimento, seja com revisão da meta, seja com aumento das taxas de conversão (otimização do funil).

Sazonalidade: o ajuste que separa forecast amador de profissional

Volume de busca, comportamento de compra e fechamento variam significativamente por mês, dia da semana e até hora do dia. Forecast que ignora sazonalidade erra sistematicamente — superestima janeiro (mês fraco em B2B, com retorno de férias e planejamento), subestima março ou setembro (meses fortes em muitos setores), distribui receita de forma irreal ao longo do ano.

Como modelar:

Passo 1 — calcular índice sazonal por mês. Para cada um dos últimos doze a vinte e quatro meses, compare receita do mês com a média anual. Janeiro tipicamente fica em 0,7-0,8 (30% abaixo da média), enquanto março, junho, setembro e novembro ficam em 1,1-1,3 (10-30% acima). Dezembro varia muito por segmento — fraco em B2B, forte em varejo B2C.

Passo 2 — aplicar índice no forecast mensal. Se a receita prevista anual é R$ 12 milhões (R$ 1 milhão de média mensal), e o índice de março é 1,2, a previsão de março é R$ 1,2 milhão; se o de janeiro é 0,7, R$ 700 mil.

Passo 3 — ajustar para tendência. Se a empresa cresce 30% ano a ano, o forecast por mês é sazonal × tendência. Janeiro do próximo ano = R$ 700 mil × 1,3 = R$ 910 mil.

Sem sazonalidade, o forecast vira média aritmética da meta anual — produzindo cobrança e ansiedade injustificadas nos meses de fundo de sazonalidade.

Cadência: forecast mensal com revisão semanal

Forecast não é documento anual que vai para a gaveta. É documento vivo, revisado em duas cadências:

Revisão mensal completa. Última semana do mês ou primeira do seguinte. Compara previsto vs. realizado por canal, identifica desvios, atualiza premissas (taxa de conversão real, ticket médio real, custo por canal real), gera previsão para os próximos três a doze meses considerando os novos números. Participa: head de marketing, head de vendas, marketing operations, finanças (em empresas maiores).

Revisão semanal pontual. Acompanhamento do funil em andamento. Olha pipeline gerado vs. pipeline esperado para o mês corrente, identifica desvios cedo, dispara ações corretivas (aumento de investimento em canal abaixo da curva, push de campanha pendente). Participa: gerente de marketing, líder de canal, gerente de vendas.

Cadência muito baixa (revisão trimestral) deixa o forecast desatualizado e perde a chance de correção. Cadência muito alta (revisão diária do forecast) consome tempo de análise sem trazer informação nova — ruído domina sinal.

Medindo acurácia: MAPE e viés

Não dá para melhorar forecast sem medir o erro. Duas métricas básicas:

MAPE (Mean Absolute Percentage Error). Erro percentual médio absoluto. Calcula |previsto - realizado| ÷ realizado, em valor absoluto, mês a mês, e tira a média do período. Bom forecast de marketing em empresa madura tem MAPE de 10-20%. MAPE de 30-50% é típico em operação inicial. MAPE acima de 50% mostra modelo quebrado ou premissas radicalmente erradas.

Viés direcional. Os erros são distribuídos (às vezes prevê para mais, às vezes para menos) ou são sistemáticos (sempre otimista, sempre pessimista)? Some os erros sinalizados (sem valor absoluto). Se o resultado é positivo persistente, há viés otimista crônico (prevê mais do que entrega). Se é negativo persistente, há viés pessimista. Viés direcional é mais grave que MAPE alto: indica que o modelo está sistematicamente errado e que premissas precisam ser corrigidas.

Reportar acurácia abertamente — em painel ou em reunião mensal — é a melhor maneira de tornar o forecast crível ao longo do tempo. Time que apresenta acurácia melhora; time que esconde acurácia repete os mesmos erros.

Conexão com forecast de vendas: o handoff

Forecast de marketing termina onde forecast de vendas começa — na passagem do contato qualificado para a equipe comercial. As duas previsões precisam estar conectadas para fazer sentido. Sem essa conexão, marketing prevê 100 contatos qualificados e vendas prevê 200 contratos fechados como se um número não dependesse do outro.

Como conectar:

Definição compartilhada de SQL. Marketing e vendas precisam concordar no critério que faz um contato qualificado virar contato qualificado por vendas. Sem isso, há discrepância sistemática (marketing acha que entregou 100, vendas reconhece só 60).

Acordo de nível de serviço (SLA) explícito. Marketing se compromete a entregar X SQLs por mês; vendas se compromete a trabalhar Y% deles em até Z dias. Esse acordo formaliza o handoff.

Reunião de previsão integrada. Reunião mensal conjunta entre marketing e vendas em que o forecast é apresentado de ponta a ponta — visitantes ? contatos qualificados ? oportunidades ? contratos. Cada parte assume responsabilidade pelo seu pedaço e desafia premissas do outro.

Indicador conjunto. Tanto o marketing quanto a área de vendas devem ter parte da meta vinculada ao número final (receita ou contratos fechados), não apenas ao indicador próprio. Sem isso, marketing entrega contatos qualificados ruins e culpa vendas; vendas trabalha mal os contatos qualificados e culpa marketing.

Erros comuns que destroem o forecast

Viés otimista crônico. O time enche o forecast com premissas otimistas porque "queremos bater meta". Resultado: forecast sistematicamente acima da realidade, decisões de investimento erradas, frustração mensal. Antídoto: medir viés e corrigir premissas com base no histórico real, não no desejo.

Forecast sem revisão. Time monta forecast em janeiro e não revisita até dezembro. Resultado: forecast obsoleto desde fevereiro, decisões tomadas em outras bases informais. Antídoto: revisão mensal com cadência fixa, na agenda.

Sazonalidade ignorada. Forecast linear (1/12 da meta anual por mês) ignora padrões sazonais e gera ansiedade em meses fracos e complacência em meses fortes. Antídoto: índice sazonal calculado a partir do histórico.

Forecast desconectado de vendas. Marketing prevê seu pedaço sem alinhamento com vendas. Resultado: os números não fecham, e o handoff é tema de conflito permanente. Antídoto: forecast integrado e indicador conjunto.

Cada canal forecast diferente sem agregação. Cada gerente de canal faz seu próprio forecast em sua própria planilha. Não há visão consolidada. Antídoto: marketing operations centraliza o modelo e agrega.

Nenhuma métrica de acurácia. Ninguém mede se o forecast acerta. Sem isso, não há melhoria. Antídoto: MAPE e viés reportados mensalmente.