EN

Como tirar o máximo do Meta Advantage+ e do Google Performance Max: construa o ciclo externo

Por , Fundador e líder de crescimento

A Meta e o Google agora entregam o que antes era uma equipe de compra de mídia. Ligue o Advantage+ da Meta ou o Performance Max do Google e a plataforma decide quem vê o seu anúncio, onde ele roda, quanto oferecer no lance e em que ritmo gastar o orçamento. É um ciclo completo de otimização, que aprende com cada conversão e vem incluído no que você investe. Essa parte do marketing de performance virou um ganho gratuito. E nada disso é uma vantagem defensável, porque chega igual para todo mundo.

Fica a pergunta: se todo mundo recebe a mesma máquina, o que ainda separa as marcas que crescem com efeito composto das marcas que estacionam? A resposta não está dentro da conta de anúncios. Está no ciclo que a marca constrói em volta da conta: o que ela dá à máquina e o que ela tira de volta.

Resumo

  • A plataforma agora cuida da compra de rotina (segmentação, posicionamento, lance e ritmo de gasto), e esse ganho chega a todos os anunciantes.
  • A sua parte do contrato é a lista de insumos que as próprias plataformas publicam: estrutura, sinais, criativos e medição.
  • O gargalo de verdade é o volume de criativos, e não as configurações.
  • A única parte com efeito composto só para você é o seu próprio registro do que venceu e por quê: o ciclo externo.

A automação e os insumos

A proposta das plataformas é simples: elas cuidam da otimização do lado do leilão e você fornece os insumos. O pacote Advantage+ da Meta e o Performance Max do Google funcionam do mesmo jeito por baixo. Um modelo aprende com cada conversão que você envia e redistribui a entrega o tempo todo para o que está convertendo. As decisões de rotina que uma equipe de mídia paga tomava todo dia (qual público, qual posicionamento, qual lance) agora acontecem dentro desse ciclo. A velocidade e o nível de detalhe ali dentro passam longe do que uma reunião semanal de otimização consegue acompanhar.

E as duas plataformas dizem com uma clareza rara o que querem de você em troca. A Meta publica isso como um método com nome próprio, o Performance 5. Simplifique a estrutura da conta para o modelo ter dados suficientes para aprender. Apoie-se na automação do Advantage+ em vez de passar por cima dela. Diversifique os criativos. Envie os dados de conversão pela Conversions API, a conexão direta de dados entre a sua loja e a Meta, para o modelo ver as conversões que o navegador já não informa. E confirme os resultados com medição real. As orientações do Google para o Performance Max fazem os mesmos pedidos com outro vocabulário: criativos em volume (títulos, descrições, imagens, vídeo), sinais de público para o modelo começar perto do lugar certo e um rastreamento de conversões limpo para ele otimizar em direção ao resultado certo.

Lidos juntos, os dois documentos mostram algo útil: eles são uma descrição de cargo. Estrutura, sinais, criativos, medição. Nenhum item da lista é um botão dentro do leilão. Cada item é um insumo que a máquina não consegue gerar sozinha. As equipes que tiram mais da automação são as que levaram essa mudança de função a sério e apontaram para a lista de insumos as horas que a máquina liberou.

O gargalo de criativos

A fome da máquina por criativos novos passa à frente do ciclo de produção da maioria das marcas. É aí, e não nas configurações, que a maior parte das contas entrega menos do que poderia. A automação testa combinações o tempo todo, e o desgaste dos anúncios chega na velocidade da máquina. Variações reembaladas não contam como insumo novo. No Andromeda, o sistema de ranqueamento de entrega de anúncios que a Meta reformulou, criativos visualmente parecidos são agrupados numa única entidade, e anúncios quase idênticos competem como um só. Para o modelo, mudar o tamanho, a cor ou o título do mesmo conceito gera o mesmo anúncio. E essa fome tem número: a agência de DTC Pilothouse coloca a meta de produção da era Andromeda em 80–100 criativos diferentes por semana, feitos num sistema modular de produção, e não em peças avulsas de design.

Isso muda a conta da produção. Uma marca que entrega um lote de criativos por mês alimenta uma máquina que queria conceitos novos toda semana. O sintoma visível é o que todo líder de crescimento que roda essas campanhas já viu: primeiras semanas fortes, depois queda, depois um debate sobre se a automação "parou de funcionar". Em geral ela não parou. Ela ficou sem coisas de fato diferentes para testar. As equipes que se adaptaram refizeram o fluxo de produção de criativos para rodar na velocidade da máquina. Produzir variedade real nesse ritmo, sem o custo subir junto, é exatamente o problema de produção que os sistemas AI-native existem para resolver. (Mapeamos a outra metade dessa mudança, a da compra, com agentes comprando mídia por baixo das plataformas, no início deste ano. Esta série trata do trabalho no nível da conta.)

O aprendizado da plataforma

O ciclo de otimização da plataforma é fechado para você. Essa é a segunda assimetria, e nenhum painel a mostra. Os modelos aprendem com o seu orçamento, e cada conversão afina a leitura deles sobre quem compra de você. Mas você não consegue consultar esse aprendizado, ele não explica por que um anúncio vencedor venceu, e nada disso vai junto quando você pausa, troca de plataforma ou sai. Já escrevemos sobre o que uma marca guarda quando aluga inteligência. A automação de anúncios das plataformas é a versão mais extrema dessa troca. Você aluga o melhor comprador de mídia que já existiu, e o caderno de anotações dele fica no bolso dele.

Diana Hu, sócia da YC, defende que uma empresa que roda agentes que melhoram sozinhos deve ser construída como um ciclo fechado, e dá nome a três pilares: cobertura em ciclo fechado, dados que dá para consultar e uma camada de inteligência por cima. Em mídia paga, você não consegue construir o primeiro pilar dentro da plataforma, porque o ciclo dela já está fechado e não é seu. O que dá para fazer é montar o seu próprio ciclo em volta dele.

O ciclo externo é o sistema de aprendizado que uma marca roda em volta da automação de anúncios das plataformas: um registro consultável de quais anúncios rodaram e do que aconteceu, uma camada de inteligência que extrai por que os vencedores venceram (ângulo, gancho, oferta), um arquivo onde esses aprendizados ficam escritos e os criativos da semana seguinte gerados a partir desse arquivo. A plataforma otimiza a entrega dentro do ciclo dela. O ciclo externo deixa cada lote de insumos mais inteligente que o anterior. A linha entre automação e um sistema AI-native é um ciclo de feedback que se fecha sobre o que o próprio sistema produz. O ciclo externo é essa linha, traçada em volta de uma máquina que não é sua.

Uma volta no ciclo externo

Uma ressalva antes do passo a passo: o exemplo de anúncio abaixo é ilustrativo. A disciplina é real, e os números específicos, de propósito, não são.

Ler. Na segunda-feira, você puxa os resultados da semana no nível que a plataforma mostra: quais peças, quais conceitos. Suponha que a leitura indique que o gancho de preço ("a partir de $49, hoje") teve desempenho melhor que o gancho de destino ("seu fim de semana em Lisboa") na maioria dos posicionamentos. A plataforma informa o quê. Ela não vai dizer por quê. Esse é o trabalho da camada de inteligência, humana ou de IA: o conceito de preço está vencendo enquanto a promoção da temporada está no ar, então quem faz o trabalho é a oferta.

Escrever. Essa inferência entra no registro de aprendizados como uma regra datada, de uma linha, com a evidência junto: "Ganchos de preço superam ganchos de destino enquanto há desconto no ar. Candidata, uma semana de evidência." É a disciplina que aplicamos no nosso próprio sistema de conteúdo. Aqui vai uma linha real do nosso arquivo, para você ver o formato: abra o gancho com o que está em jogo para o leitor, nunca com o rótulo de um conceito. Numa amostra de 30 posts no LinkedIn de um fundador, os ganchos com rótulo de conceito tiveram engajamento de 0% a 2,3%, e os vencedores, de 4,9% a 8,3%. Essa regra entrou no registro como candidata, foi confirmada com mais um mês de posts e hoje é obrigatória em todo gancho que escrevemos. Ela sai do registro na semana em que deixar de ser verdade. A mecânica vale para mídia paga sem mudança nenhuma. E o registro é um arquivo seu, então ele sobrevive a cada mudança de plataforma, troca de ferramenta e passagem de bastão entre prestadores.

Gerar de novo. O briefing da semana seguinte começa pelo registro de aprendizados: cinco conceitos novos, cada um testando um ângulo diferente dentro da premissa de preço que o registro acabou de mostrar. Cada um é diferente o bastante, de propósito, para ganhar a própria vaga no leilão, em vez de ser agrupado com o lote anterior. A máquina recebe insumos mais novos que os do seu concorrente, e o lote seguinte já parte de um arquivo ainda mais afiado.

Esse é o ciclo inteiro: ler o que dá para ver, extrair o porquê, escrever e devolver à máquina. Nada disso interfere na máquina. Esse trabalho faz de você o anunciante para quem ela funciona melhor.

A rotina semanal

O ciclo externo roda em ciclos de uma semana. Um limite antes da lista: com investimento baixo, uma semana de resultados por anúncio é quase só ruído. Estique o intervalo até cada leitura ter conversões suficientes por trás para significar alguma coisa. O formato do ciclo se mantém, e o prazo de uma semana pode mudar. Esta é a versão de segunda-feira, com o sinal de saúde e o sinal de fome em cada passo:

  • ALIMENTAR: entregue conceitos de fato diferentes. Saudável: cada lote testa ângulos, formatos e ofertas distintos. Com fome: o lote deste mês é o vencedor do mês passado em quatro proporções de tela.
  • CHECAR: a saúde do sinal antes do veredito sobre os criativos. Saudável: a Conversions API está conectada e a qualidade dos eventos foi revisada, para a máquina otimizar com conversões reais. Com fome: julgar os criativos com uma semana de dados subcontados.
  • LER: os resultados no nível que dá para ver. Saudável: uma leitura semanal fixa dos resultados por conceito e por peça, guardada na sua base de resultados. Com fome: abrir o painel quando alguém pergunta se os anúncios "estão funcionando".
  • ESCREVER: o porquê, no registro de aprendizados. Saudável: aprendizados datados de uma linha, com evidência, candidatos até se repetirem e obrigatórios depois de confirmados. Com fome: conclusões que vivem numa conversa do Slack de março.
  • GERAR DE NOVO: o próximo lote a partir do registro de aprendizados. Saudável: todo briefing começa pelas regras obrigatórias em vigor. Com fome: todo briefing começa com um brainstorm.

Se você roda mídia paga no Advantage+ ou no Performance Max hoje, uma pergunta mostra se o seu ciclo externo existe: os resultados por peça da semana passada mudaram alguma coisa nos criativos desta semana? Se a resposta é não, o ciclo está aberto. E a máquina está otimizando insumos que nunca melhoram.

Os três primeiros passos

São três movimentos, nesta ordem. Primeiro, pare de brigar com a máquina onde você ainda briga: junte as campanhas fragmentadas e dê à automação o volume de dados de que ela precisa para aprender. As listas de insumos das próprias plataformas, mais acima, servem de roteiro. Segundo, trate essa lista de insumos como o trabalho real da equipe a partir de agora, e leve as horas liberadas para criativos, sinais e medição. Terceiro, antes de o próximo lote de criativos ir ao ar, abra o registro: um arquivo, um aprendizado datado por linha. É o item menos glamouroso da sua operação e o único com efeito composto só para você, porque as máquinas melhoram a cada trimestre para todo mundo. Seus concorrentes recebem a mesma automação. O seu arquivo eles não recebem.

O próximo texto desta série trata do passo de que o registro depende, que é ler resultados confiáveis, e deixa a parte da medição concreta.

Agende uma conversa sobre estratégia →

Leia também

O imposto da rotatividade: como agências de marketing guardam o que as pessoas sabem

Quando uma equipe adota IA pessoa por pessoa, cada saída leva junto as regras do cliente e um histórico particular com a IA. Duas regras de gestão e um piloto em uma unidade mantêm esse conhecimento na agência.

Leia mais

Sua ferramenta de conversão com IA entrega um vencedor por semana. Veja como saber quais são reais.

A vantagem de uma ferramenta de conversão com IA é a velocidade: mais testes, mais rápido. Mas mais testes fabricam, por pura mecânica, mais vencedores falsos. A pilha de ganhos reportados pode crescer enquanto a sua taxa de conversão real fica parada. A verificação que pega isso, e duas medidas que a ferramenta não vai entregar a você.

Leia mais

Conte para a gente sobre o seu projeto

Onde estamos

  • Lisbon
    Portugal
  • São Paulo
    Brasil
  • Rio de Janeiro
    Brasil