A gente abriu uma conta de R$ 45 mil por mês, performance “ok”, e o gestor não sabia explicar quem convertia melhor. Sabia quanto custava o lead. Não sabia quais leads viravam dinheiro.
Esse é o sintoma. A causa é uma confusão sobre o que as plataformas fazem.
Provável e qualificado não são a mesma coisa
Meta, Google e TikTok otimizam para maior probabilidade de conversão. Não para maior qualificação.
- Mais provável: a pessoa que clica e preenche formulário rápido
- Mais qualificado: a pessoa que compra, fica e tem LTV alto, ou seja, deixa mais receita ao longo da relação
Esses dois perfis se sobrepõem bem menos do que parece. Quem preenche formulário com facilidade costuma preencher o de todo mundo. Quem decide uma compra de R$ 80 mil raramente responde ao primeiro anúncio.
Enquanto o lead do decisor e o lead do curioso entram na plataforma valendo “1 conversão”, o algoritmo vai buscar o mais barato dos dois. E ele está certo em fazer isso: foi o que você pediu.
O algoritmo não está com defeito. Ele está perseguindo o objetivo que a sua conta declarou para ele, que é conversão ao menor custo possível. Corrigir isso passa por devolver ao algoritmo o que aconteceu com o lead depois do formulário.
Arqueologia de público: mapear por afinidade real
Antes de fazer segmentação de público em mídia paga, vale reconstruir quem é a pessoa fora do contexto de compra. A pergunta que abre o exercício: que tipo de gente compraria isso, e o que mais essa gente consome?
Cinco camadas ajudam a mapear:
- Hobbies e atividades: empresa de investimentos conversa com quem joga xadrez e lê jornal de negócios; suplemento conversa com quem corre maratona.
- Entretenimento: fintech tem afinidade com filme sobre mercado financeiro; consultoria, com série sobre corporação.
- Influenciadores: quem o seu cliente ideal acompanha, mesmo que discretamente.
- Mídia especializada: a publicação que a pessoa lê diz muito sobre o cargo dela.
- Demografia e contexto: combinações de estado civil, profissão e região que descrevem um perfil, não um estereótipo.
O contraintuitivo dos públicos semelhantes
A intuição diz que quanto mais estreito o público semelhante, melhor a qualidade. Num teste que a gente rodou em B2B, o lookalike de 3% a 5% converteu cerca de 40% melhor que o de 1%.
A regra prática: restringir a semente ajuda quando a semente é qualificada; atrapalha quando ela é apenas recente. Semelhante a partir de MQLs vale mais do que semelhante a partir de leads, mesmo que a lista de MQLs seja menor.
Vale a ressalva, porque o padrão inverso também aparece nas nossas contas: quando a semente é trocada por compradores ativos, o lookalike de 1% costuma entregar CPA menor que as faixas mais largas. Documentamos um caso de SaaS B2B que saiu de R$ 120 para R$ 52 em onde o lookalike ainda ganha da segmentação aberta. Os dois resultados não se anulam, porque a variável decisiva nunca foi o percentual: percentual estreito sobre base de compradores concentra sinal bom, percentual estreito sobre janela de 7 dias concentra sinal pobre. Esse é o mesmo eixo de quando segmentação aberta ganha do lookalike.
Como testar sem queimar verba
Teste de público só ensina alguma coisa se você isolar a variável:
- Um público novo por vez, com criativo já validado
- Orçamento igual entre os braços, para o resultado não refletir só diferença de investimento
- Duas a três semanas de leitura, porque abaixo disso você está medindo fase de aprendizado
- Comparação por custo por MQL, o lead que o comercial aceitou como oportunidade real, nunca por CPL, que é o custo do lead bruto
Esse último ponto é o que separa o teste útil do teste que confirma o erro: comparar CPL entre públicos sempre vai eleger o público mais raso, porque ele é mais barato por definição. É a mesma lógica de por que SQL caro lucra mais que MQL barato.
Quando deixar o algoritmo escolher sozinho
Há casos em que todo esse trabalho de mapeamento rende pouco, e vale dizer quais são.
Quando o produto tem público amplo e ticket homogêneo, a diferença de valor entre um lead e outro é pequena, e aí a segmentação manual só limita o alcance sem melhorar o resultado. Nesse cenário, público aberto com sinal de conversão limpo costuma bater qualquer segmentação elaborada.
E quando o volume de conversões é alto, o algoritmo já tem sinal comportamental em tempo real que você não tem acesso nenhum. Competir com ele na escolha de quem ver o anúncio é perder tempo. O trabalho passa a ser garantir que o evento que você manda represente lucro, não preenchimento de formulário.
Continue por aqui
Quer esse olhar aplicado na sua conta?
A conversa começa por um diagnóstico do que está travando a operação hoje. Leva menos de um minuto para preencher, e não tem pitch na primeira conversa.
Pedir diagnóstico →