Mensuração em programática

Por que clique é métrica fraca em programática

A taxa de clique foi a primeira métrica do marketing digital e, durante anos, foi a métrica única de mídia. Faz sentido para resposta direta — alguém viu o anúncio, clicou, virou contato. O problema começa quando se aplica a mesma lógica a campanhas de display e vídeo cuja função primária não é gerar clique, mas construir reconhecimento e influenciar consideração.

Em display moderno, a taxa de clique média fica entre 0,05% e 0,2% — ou seja, menos de uma em mil impressões gera clique. Estudos comScore e Nielsen mostram que a maior parte do impacto de campanhas de display vem de quem foi exposto sem clicar: viu o anúncio, lembrou da marca, buscou depois, comprou semanas depois. Avaliar essa campanha pela taxa de clique é o equivalente a avaliar um outdoor pelo número de motoristas que pararam o carro.

Pior: otimizar para clique em programática frequentemente leva a piora do desempenho. Cliques baratos costumam vir de inventário de baixa qualidade, mobilidade acidental, ou bots — tráfego que infla a métrica de eficiência sem mover o resultado de negócio. A primeira lição da maturidade em programática é abandonar a taxa de clique como métrica principal e construir hierarquia de indicadores apropriada.

A hierarquia de indicadores em programática

Mensuração eficaz organiza indicadores em quatro camadas, do mais imediato ao mais estratégico. Cada camada responde a uma pergunta diferente, e nenhuma sozinha conta a história completa.

Camada 1 — qualidade da entrega. A pergunta: o anúncio chegou aonde deveria, foi visto por humanos, em ambiente apropriado? Indicadores principais: visibilidade (porcentagem de impressões que cumpriram o padrão do MRC — Media Rating Council), taxa de tráfego inválido (IVT, do inglês invalid traffic — fraude e bots), pontuação de proteção de marca (impressões em sites/conteúdos adequados ao anunciante). Sem essa camada, todo o resto é especulação — impressões em inventário fraudulento não geram resultado, por melhor que pareça o painel.

Camada 2 — engajamento. A pergunta: a audiência interagiu com o anúncio? Indicadores: taxa de clique (com ressalvas), taxa de conclusão de vídeo (quantos viram 25%, 50%, 75%, 100% do vídeo), tempo médio de permanência, interações ricas (mouse-over, expansão). Engajamento alto sem qualidade de entrega não vale nada; engajamento alto em entrega de qualidade é sinal de criativo eficaz.

Camada 3 — impacto em marca. A pergunta: quem foi exposto mudou de percepção? Indicadores: brand lift (incremento em reconhecimento, consideração, intenção, lembrança de propaganda), search lift (incremento em buscas pelo nome da marca após exposição), footfall (incremento em visitas físicas para campanhas locais). Medidos via estudos com grupos de exposição e controle, integrados nativamente nas grandes plataformas (Google, Meta, YouTube) ou via fornecedores especializados.

Camada 4 — conversão e receita. A pergunta: quem foi exposto comprou mais? Indicadores: conversões pós-clique, conversões por exposição (em inglês, view-through conversions), receita atribuída, retorno sobre investimento em mídia (ROAS), incrementalidade medida via grupo de controle. Essa é a camada mais cobrada e a mais difícil de medir corretamente — modelo de atribuição importa muito.

Visibilidade: o piso da mensuração

Visibilidade (em inglês, viewability) é o padrão do MRC para considerar uma impressão como vista: anúncio de display precisa ter 50% da área visível por pelo menos 1 segundo; vídeo precisa de 50% da área visível por 2 segundos. Impressões que não cumprem o padrão são pagas mas nunca tiveram chance de impactar — equivalente a pagar por outdoor que está atrás de uma árvore.

Padrão de mercado brasileiro, segundo dados do IAB Brasil, gira entre 60% e 75% de visibilidade em display, e entre 70% e 85% em vídeo. Acima de 80% em display e 90% em vídeo é considerado alto. Abaixo de 60%, há claro problema de qualidade do inventário comprado — vale auditar a fonte.

Aferição é feita por ferramentas especializadas: Integral Ad Science (IAS), DoubleVerify (DV), Moat. Essas ferramentas plantam etiqueta de aferição no criativo e reportam, com independência, a porcentagem de impressões visíveis. A diferença entre o que a plataforma de demanda reporta e o que a ferramenta de aferição reporta é fonte comum de discussão — em geral, a aferição independente é a referência confiável.

Tráfego inválido e proteção de marca

Tráfego inválido (IVT) cobre impressões geradas por bots, fraude organizada, ou comportamento não humano. Dois tipos: tráfego inválido geral (GIVT — facilmente detectável), e tráfego inválido sofisticado (SIVT — exige análise comportamental). Padrão saudável é abaixo de 2% de IVT total. Acima de 5%, há problema sério de qualidade de inventário.

Proteção de marca (em inglês, brand safety) é o controle sobre o tipo de conteúdo em que o anúncio aparece. Marca cuidadosa não quer aparecer ao lado de conteúdo de violência explícita, discurso de ódio, desinformação, ou conteúdo adulto. Ferramentas de proteção classificam o conteúdo de cada página em tempo real e bloqueiam impressões em ambientes inadequados.

Padrão evoluiu para incluir adequação de marca (em inglês, brand suitability) — não basta evitar conteúdo problemático, é preciso aparecer em ambientes alinhados ao posicionamento. Marca premium de luxo evita inventário de qualquer site noticioso popular, mesmo limpo; marca de produto infantil evita conteúdo de drama adulto, mesmo apropriado para adultos.

Métricas de engajamento: o que cada uma significa

Em display, taxa de clique baixa não é necessariamente ruim — pode indicar que o anúncio cumpriu a função de exposição sem precisar de clique. Indicadores complementares de engajamento dão sinal mais útil. Tempo médio de permanência na visualização indica se a audiência parou para olhar. Interações ricas (expansão de banner, mouse-over que ativa animação) sinalizam interesse genuíno.

Em vídeo programático, taxa de conclusão é o indicador central. Quatro pontos de controle: vídeo iniciado (impressão), 25% visto, 50% visto, 75% visto, 100% visto. Taxa de conclusão alta em vídeos de 15 segundos é razoável (60-80% em redes sociais, 70-90% em televisão conectada); em vídeos de 30 segundos cai significativamente (40-60%). Taxa de conclusão muito alta combinada com baixa visibilidade sugere reprodução automática sem audiência humana real — sinal de inventário ruim.

Custo por conclusão (CPCV — custo por visualização completa) é o indicador de eficiência de vídeo: quanto custou para entregar vídeo completo, descontando os abandonos. Em televisão conectada brasileira, padrão fica entre R$ 0,10 e R$ 0,40 por conclusão. Vídeo curto em redes sociais costuma ficar abaixo de R$ 0,05.

Brand lift: medindo o impacto invisível

Estudo de brand lift (incremento de marca) é a forma mais direta de medir impacto em métricas de marca. Funciona assim: durante a campanha, parte da audiência é exposta ao anúncio, outra parte (grupo de controle) não. Em momento próximo à exposição, ambos os grupos recebem pesquisa curta de uma a três perguntas — reconhecimento, lembrança de propaganda, consideração, intenção de compra. A diferença entre os grupos é o lift atribuível à exposição.

Grandes plataformas oferecem nativamente: Google Brand Lift, Meta Brand Lift, YouTube Brand Lift. Funcionam a partir de orçamento mínimo (geralmente R$ 30.000 a R$ 100.000 por estudo). Fornecedores independentes — Kantar, Nielsen, Latana — oferecem estudos mais sofisticados, com painéis próprios e quebras demográficas detalhadas, com custo entre R$ 50.000 e R$ 300.000 por onda.

Search lift é variação simplificada: comparar volume de buscas pelo nome da marca em região exposta contra região controle. Útil quando o orçamento não cobre brand lift formal. Dado vem do Google Trends ou de ferramentas de monitoramento de busca. Limitação: variações pequenas são difíceis de distinguir de ruído.

Atribuição: qual modelo usar

Modelo de atribuição decide como o crédito por uma conversão é distribuído entre os pontos de contato que o consumidor teve com a marca. Em jornadas complexas — consumidor vê display, depois recebe e-mail, depois busca a marca e compra — a escolha do modelo muda completamente a foto do desempenho.

Último clique. Modelo padrão e mais simples. Todo crédito vai para o último clique antes da conversão. Vantagem: fácil de entender e replicar. Desvantagem brutal: subestima sistematicamente campanhas de topo de funil (display, vídeo, redes sociais), que raramente são o último clique. Em programática, último clique é o pior modelo possível — aplique apenas como referência.

Linear. Crédito distribuído igualmente entre todos os pontos de contato. Justo para display, mas não diferencia o ponto que efetivamente moveu a decisão. Aceitável para diagnóstico geral, fraco para decisão de otimização.

Posição (em "U" ou em "W"). Mais peso no primeiro e no último ponto, peso menor nos intermediários. Reflete intuição de que primeiro contato (descoberta) e último (decisão) importam mais. Útil para jornadas curtas; falha em jornadas longas com muitos pontos.

Decaimento temporal. Pontos mais próximos da conversão recebem mais crédito. Razoável para categorias com decisão rápida; subestima campanhas de longo prazo.

Orientado por dados (data-driven). Modelo algorítmico oferecido por Google e Meta, calculado a partir do histórico de conversão real. Pondera cada ponto pela contribuição estatística inferida. Em programática moderna, é o melhor modelo automatizado disponível para a maioria dos anunciantes. Exige volume mínimo de conversão para funcionar bem.

Modelagem de mix de mídia (MMM). Modelo econométrico que estima a contribuição de cada canal a partir de variações temporais de investimento e resultado. Não depende de identificação do consumidor — opera com dados agregados. Padrão das grandes empresas para alocação anual de orçamento. Exige histórico de pelo menos 18 meses de dados, time analítico e investimento típico entre R$ 200.000 e R$ 1.000.000 por modelo.

Conversão pós-clique e por exposição

Conversão pós-clique (post-click) é a tradicional: alguém viu o anúncio, clicou, navegou e converteu. Atribuição simples, identificada via cookie ou identificador móvel. Janela típica: 30 dias.

Conversão por exposição (view-through) é a mais polêmica: alguém viu o anúncio sem clicar e converteu depois — em outra sessão, vindo de outro canal. A plataforma reivindica o crédito porque expôs a marca antes. Janela típica: 1 a 30 dias após exposição. Plataformas tendem a contar muito (cada exposição vira potencial crédito); aferição independente costuma cortar drasticamente esse volume.

A regra prática: trate conversão por exposição como sinal de tendência, não como receita atribuída. Use para entender se a campanha de topo de funil está empurrando consumidores para conversão posterior, não como base de cálculo de retorno sobre investimento.

Incrementalidade: o teste definitivo

Estudo de incrementalidade responde à pergunta mais importante: as conversões atribuídas à campanha aconteceriam mesmo sem a campanha? Atribuição mede correlação; incrementalidade mede causalidade.

Dois métodos principais. Primeiro, teste com grupo de controle (holdout): parte da audiência elegível é excluída da campanha; ao fim, comparam-se as taxas de conversão dos dois grupos. Diferença é o impacto incremental. Funciona melhor em públicos identificados (re-engajamento de base, audiências de CRM).

Segundo, teste geográfico (geo-test): a campanha roda em algumas regiões e fica suspensa em outras comparáveis. Diferença de receita entre regiões é o impacto incremental. Funciona melhor para campanhas de massa, em categorias com geografia clara. Empresas como Google, Meta e Wieden+Kennedy disponibilizam metodologias formais (Geo Experiments, CausalImpact).

Resultados costumam surpreender. Estudos de meta-análise — Nielsen, Analytic Partners — mostram que entre 30% e 50% das conversões atribuídas em modelos de último clique não são incrementais. Significa que parte do que é creditado à campanha aconteceria de qualquer forma. Empresas maduras usam incrementalidade para calibrar atribuição: aplicam fator de correção sobre a conversão reportada.

LGPD e mensuração com dados primários

A Lei Geral de Proteção de Dados (Lei 13.709/18) e movimentos paralelos no mundo (fim do cookie de terceiros, restrições do iOS) levaram a um redesenho de mensuração em programática. O modelo antigo, baseado em rastreamento sem consentimento via cookies de terceiros, dá lugar a modelo construído sobre dados primários (dados que o anunciante coleta com consentimento).

Implicações práticas para mensuração: rastreamento individual deve ter base legal clara (consentimento na maioria dos casos); identificadores universais (UID2, ID5) emergem como alternativa parcial; salas limpas de dados (data clean rooms — Google ADH, Meta CDH, AWS Clean Rooms) permitem cruzar dados com plataforma sem expor o consumidor; modelagem agregada (MMM) ganha relevância porque não depende de identificação individual.

A boa notícia é que essa transição empurra mensuração para métodos mais robustos. Atribuição multi-toque dependia de tracking quase invasivo; MMM e incrementalidade são metodológica e juridicamente mais sólidos. Empresas que investiram cedo em dados primários e em modelagem agregada estão melhor posicionadas.

Erros comuns que mantêm a mensuração imatura

Reportar apenas taxa de clique e custo por clique. Em display e vídeo, essas métricas dizem pouco. Ainda é a forma mais comum de reportar campanha programática no Brasil. Mude o painel ou seu programa de mídia segue cego.

Atribuição em último clique como verdade. Modelo subestima sistematicamente campanhas de topo de funil. Migrar para modelo orientado por dados (data-driven) é passo mínimo; investir em incrementalidade é passo maduro.

Sem estudo de incrementalidade nos últimos 12 meses. Sem comparação contra grupo de controle ou teste geográfico, não se sabe quanto da receita atribuída é realmente incremental. Decisões de orçamento ficam baseadas em correlação inflada.

Sem aferição independente de visibilidade e fraude. Quem mede sozinho a própria entrega tende a relatar bem. Aferição independente é o piso para qualquer programa de programática acima de R$ 50.000 por mês.

Brand lift como item de luxo. Em vídeo programático, brand lift é o melhor indicador de impacto. Tratar como acessório (e nunca rodar) deixa metade da história invisível.

Otimizar tudo pelo custo por aquisição. Pressiona a plataforma a comprar inventário barato — o que em programática significa baixa qualidade. Combine indicadores de eficiência (custo por aquisição) com indicadores de qualidade (visibilidade, brand lift) para evitar otimização para piora.