Performance Max e Advantage+ não devem ser tratados como prova de resultado

Tese central

O texto sustenta que as campanhas automatizadas de mídia paga, como Performance Max (Google) e Advantage+ (Meta), não deveriam ser lidas como prova de resultado. O argumento é estrutural: a mesma empresa vende a mídia, opera a compra, conta as conversões e escreve o relatório. Segundo o autor, isso cria um conflito de interesse que está no produto, não nas pessoas.

Crescimento e opacidade

Em julho, a Meta informou a investidores que os produtos Advantage+ tinham atingido uma taxa de receita anual de US$ 75 bilhões, cerca de um terço do ritmo de receita da empresa naquele trimestre. No terceiro trimestre de 2023, a mesma linha estava em US$ 10 bilhões. O autor associa esse crescimento à transferência gradual de decisões de compra para a plataforma, campanha após campanha, porque o painel indicava bons resultados.

No Google, a Performance Max, lançada em novembro de 2021, distribui um único orçamento entre Search, Shopping, YouTube, Display, Discover, Gmail e Maps, com o sistema definindo a divisão. Por anos, o anunciante não viu essa divisão: o relatório por canal chegou em 2025, e os palavras-chave negativas em nível de campanha, em 2026.

O que o sistema aprende

Segundo o texto, o sistema não aprende com o livro de vendas da empresa, mas com eventos de pixel, eventos de servidor, conversões modeladas para cobrir lacunas de privacidade e janelas de atribuição definidas pela própria plataforma. Uma compra registrada uma vez pelo financeiro pode aparecer como conversão em duas plataformas, ou em nenhuma.

O autor cita que, após a mudança de rastreamento da Apple em abril de 2021, a Meta disse aos anunciantes, em setembro daquele ano, acreditar que subnotificava conversões de iOS na web em cerca de 15%, e preencheu a lacuna com modelagem estatística. Esses eventos modelados entram na mesma coluna dos observados e alimentam o retorno sobre o investimento apresentado na reunião de orçamento.

O texto também aponta que a margem de atuação do sistema é grande. A documentação do Google afirma que uma campanha pode gastar até duas vezes o orçamento médio diário em um dia, com teto mensal de 30,4 vezes o valor diário. Para o autor, essa regra trata de ritmo, mas não há regra comparável sobre o que o gasto pode comprar.

O que a pesquisa indica

Um estudo publicado na Marketing Science em 2019, por Brett Gordon, Florian Zettelmeyer, Neha Bhargava e Dan Chapsky, usou o sistema de experimentos do próprio Facebook. Com 15 grandes experimentos randomizados, tomados como referência, os métodos observacionais padrão frequentemente superestimaram as conversões incrementais em três vezes ou mais, às vezes as subestimaram, e não ofereciam forma confiável de prever a direção do erro. Um trabalho de 2023, com centenas de experimentos, chegou à mesma conclusão.

O argumento é que um sistema de lances otimizado para conversão seleciona justamente as pessoas mais próximas de comprar. Quanto melhor ele for nisso, menos suas próprias contagens provam que o anúncio causou a venda.

O que a compra automatizada revela

Em fevereiro de 2025, a Optmyzr analisou um mês de dados de 503 contas do Google Ads. Em 91% delas, a Performance Max veiculava em termos de busca que já tinham palavra-chave correspondente em campanhas de Search. Em outro recorte, com 511 contas, 97% mostraram sobreposição de termos entre os dois tipos de campanha, em 424.820 termos. Na época, o Google não informava custo para os termos da Performance Max, então não era possível comparar custo por aquisição ou retorno entre elas.

O texto recorre ao caso do eBay: em 2012, a empresa desligou a busca paga para sua própria marca em cerca de 30% dos mercados dos EUA, por 60 dias, e констатou que o canal gerava quase zero de vendas incrementais. O resultado foi publicado na Econometrica em 2015. Buscas de marca convertem bem porque a pessoa já decidiu comprar, e um sistema avaliado por conversões tende a encontrá-las primeiro, por serem as mais baratas.

A Adidas, segundo o autor, chegou a conclusão semelhante por outro caminho. Em 2019, Simon Peel, diretor global de mídia da empresa, contou ao EffWeek que quatro sistemas de atribuição, do Google, da Adobe e do Facebook, concordavam que o digital de funil inferior impulsionava os negócios. Quando a busca paga parou na América Latina por uma falha técnica em 2017, tráfego e receita quase não se moveram. Um modelo econométrico posterior mostrou que a marca, que recebia 23% do orçamento, respondia por 65% das vendas. A empresa passou de uma divisão de 77/23 em desempenho e marca para cerca de 60/40 no sentido oposto.

Controles e limites

Nas campanhas de vendas Advantage+, segundo o texto, é possível definir um limite de orçamento para clientes existentes, mas o sistema decide públicos, posicionamentos no Facebook, Instagram, Messenger e Audience Network, e combinações criativas. A Meta afirma que suas campanhas automatizadas entregam custo por compra menor que as manuais. O autor não duvida da comparação, mas observa que ela é medida pelas contagens, atribuição e relatórios da própria Meta. Ela mostra que a máquina supera pessoas no jogo que a plataforma pontua, não o valor desse jogo.

O autor afirma que nunca encontrou profissionais de medição das plataformas que considerasse mentirosos. O problema, para ele, está no arranjo: números fáceis de ver e estudos que exigem contato comercial convivem com a palavra "performance" sobre uma coluna de eventos modelados. Em maio de 2025, o Google reduziu o orçamento mínimo de um teste randomizado de incrementalidade no Google Ads de cerca de US$ 100 mil para US$ 5 mil. Para o autor, isso indica que a plataforma sabe que o relatório padrão não mede o efeito real.

Critérios de confiança

O autor classifica os números com quatro perguntas. Primeira: a atribuição foi randomizada, e por qual mecanismo? Segunda: quem controla o grupo de controle, e ele pode ser auditado? Terceira: o resultado pode ser conciliado, mesmo que de forma aproximada, com o financeiro? Quarta: o que a máquina de fato comprou, qual parte das conversões veio de termos de marca, de clientes existentes e de cada canal?

Somente números que passam por essas perguntas são tratados como evidência. O restante serve como telemetria, útil para acompanhar a operação diária, mas não para decidir se a campanha dá lucro.

Próximos passos

O autor afirma que os novos formatos de anúncios com IA oferecem ainda menos visibilidade. Na edição seguinte, prometida para a semana seguinte, ele pretende analisar o que Uber, JPMorgan Chase, Procter & Gamble e Airbnb aprenderam ao desligar essas máquinas, e como incorporar esse teste ao planejamento regular em vez de esperar uma crise.