O piso de conversão. O crescimento com IA só aparece na margem quando o funil converte.
Por Luis Gomes, Fundador e líder de crescimento
Pense numa pequena marca que vende direto ao consumidor (DTC) e gasta muito dinheiro com aquisição paga. O site converte 1,4%. A marca implanta agentes de IA na compra de mídia, consegue um ganho real de 25% de eficiência no custo por clique, e a equipe comemora a implantação. Três meses depois, o diretor financeiro faz as contas. A margem por dólar gasto mudou menos de meio ponto. A implantação funcionou. A marca, não.
É o padrão que mais vemos hoje na conversa sobre crescimento com IA. A energia se concentra antes do site: criativos melhores, públicos mais bem escolhidos, compra de mídia feita por agentes. O destino é tratado como uma constante. O discurso de toda ferramenta de "IA para mídia paga" parte do princípio, sem dizer, de que o funil converte. Se converte, o ganho na mídia é real. Se não converte, a IA só faz o vazamento ficar mais rápido.
Essa é a premissa escondida. O crescimento com IA amplifica o que o destino já faz. Num funil forte, a IA multiplica o resultado. Num funil fraco, a IA é o mesmo desperdício em velocidade maior.
A conta
Faça as contas para uma pequena marca DTC. Taxa de conversão de 1,2%. A margem por sessão de visitante é negativa: o custo de trazer um visitante ao site é maior do que o que o visitante médio paga à marca.
Agora leve a taxa de conversão para 1,6%. Mesmo ticket médio, mesmo custo de aquisição. A margem por sessão de visitante passa a ser positiva. A marca deixou de perder dinheiro com aquisição e passou a ganhar. A taxa de conversão subiu 33%, e a economia por unidade trocou de sinal.
Compare isso com um ganho de 25% de eficiência na mídia, o tipo de número que as ferramentas de mídia com IA prometem. O custo por visitante cai um quarto. Com conversão de 1,2%, a marca continua perdendo dinheiro em cada visitante, só que menos. A conta não muda de sinal enquanto o funil não converte.
Isso não é um argumento contra a IA na mídia. É um argumento sobre a ordem. A margem aparece no fim do funil. Acelerar o começo do funil muda a velocidade com que o dinheiro passa pelo sistema, e não se o sistema dá lucro.
A IA no CRO
Hoje as equipes usam IA em CRO de dois jeitos. Um é teatro. O outro multiplica o resultado.
O teatro é a geração de variações. A IA escreve 50 títulos. A IA escreve 12 versões da descrição do produto. A IA propõe 8 cores de botão. A equipe passa tudo por uma ferramenta de teste A/B. Três atingem significância estatística. Duas dessas três não eram coisas diferentes, só palavras diferentes para a mesma ideia. Nenhuma mexeu na receita mais do que o tempo gasto para desenhar o teste.
Isso acontece porque pedem à IA que gere a resposta quando a equipe ainda não gerou a pergunta. Não existe hipótese. A IA não consegue produzir um teste útil sem hipótese. Ela produz variações, e variação sem hipótese é ruído.
O jeito que multiplica o resultado está na outra ponta do mesmo fluxo. É a IA fazendo síntese qualitativa. Ela lê 200 gravações de sessão para achar os três pontos em que os usuários hesitam repetidas vezes. Lê 18 meses de chamados de suporte para achar as palavras que os clientes usam de verdade quando descrevem o que o produto faz. Lê o funil no analytics e aponta a página em que a taxa de conversão cai 40% de uma etapa para a outra. O resultado é uma lista de hipóteses ordenada, com evidência por trás de cada uma.
É essa lista de hipóteses que vai para teste. O teste tem menos variantes, numa página de maior impacto, e o resultado se mexe o bastante para aparecer na receita do mês seguinte. A parte difícil do CRO sempre foi gerar a hipótese certa, e não a variação. A IA ajuda onde as pessoas eram lentas: síntese em volume.
Os 30 dias
A semana 1 é a auditoria do funil. Puxe o analytics. Calcule o vazamento: que etapa do funil perde mais usuários e quanto vale consertar essa etapa. Registre a taxa de conversão atual e o valor do pedido por canal. No fim da semana, a equipe sabe onde o gargalo está de fato.
A semana 2 é de síntese qualitativa. A IA lê as gravações de sessão, os chamados de suporte e as transcrições de entrevistas com clientes que a marca já tem. O resultado é uma lista ordenada de 8 a 12 hipóteses testáveis, cada uma com evidência. O profissional sênior escolhe as duas primeiras.
A semana 3 coloca os testes no ar. Uma ou duas variantes na página de maior impacto. Não testamos trinta coisas ao mesmo tempo. Testamos a mudança com o maior impacto previsto e deixamos que ela rode o tempo necessário para dar uma leitura.
A semana 4 é a leitura. Se o teste mexeu a taxa de conversão de forma relevante, documentamos o ganho e escolhemos a próxima hipótese da lista. Se não mexeu, documentamos o resultado nulo e escolhemos a próxima hipótese da lista. Nos dois casos, o documento de método fica mais forte.
A implantação tem limite. 30 dias. Um funil. Um gargalo. Um número que esperamos mexer.
As falhas
São três falhas, todas previsíveis.
A primeira é testar sem tráfego. Uma marca com oito mil visitantes por mês não consegue ler um ganho de cinco por cento na taxa de conversão dentro de um mês. O teste não tem alcance estatístico. As equipes que ignoram isso rodam o teste mesmo assim, declaram um vencedor e publicam uma mudança que, estatisticamente, não se distingue do acaso. Olhamos esse número primeiro. Se o tráfego não sustenta o teste, fazemos outro tipo de trabalho. São mudanças guiadas por pesquisa qualitativa, focadas num objetivo claro de conversão ou numa melhoria de experiência, com uma leitura de receita de trinta dias antes e depois.
A segunda é otimizar a página errada. A página de produto é o lugar óbvio para começar, mas o vazamento pode estar no carrinho, na captura de e-mail ou na oferta depois da compra. Auditar o funil antes de testar é a parte sem graça. É também a parte que decide se a implantação se paga. Pular essa etapa é o motivo mais comum de projetos de CRO de 30 dias não darem resultado.
A terceira é comprar personalização com pouco tráfego. O mercado vende personalização com IA como uma melhoria óbvia. Para uma marca com volume para sustentar experimentos por segmento, ela é. Para uma marca que não atinge significância nem num único teste, a personalização acrescenta complexidade ao sistema sem mudar a conta. Dizemos isso com clareza quando o assunto aparece.
O retorno
Você não ganha uma taxa de conversão mágica. Ganha um funil que converte na taxa que o produto de fato merece. O número absoluto, medido em pontos percentuais, é pequeno. A mudança na economia por unidade não é.
O efeito composto aparece de dois jeitos. Primeiro, cada dólar que já passa pelo sistema passa a gerar mais margem. Segundo, quanto melhor o funil converte, mais o trabalho de IA no começo do funil aparece de fato na receita: compra de mídia feita por agentes, iteração de criativos, automação do ciclo de vida do cliente. O número do fim do funil destrava os investimentos do começo.
É a ordem que a maioria das conversas sobre crescimento inverte. O discurso começa pelo que empolga: IA na mídia, IA nos criativos, IA na prospecção. A ordem que dá retorno começa pelo que é sem graça: o destino converte?
O trabalho da Leanboat
Escolhemos o funil com você. Em geral, o que tem o maior vazamento conhecido. A marca já tem uma ideia de onde está o gargalo, mesmo que a equipe ainda não tenha formalizado isso. Auditamos o analytics. A IA lê os dados qualitativos que a marca já tem. Montamos a lista ordenada de hipóteses. Escolhemos um ou dois testes, colocamos no ar e lemos o resultado.
A implantação tem limite. 30 dias. Um funil. Um gargalo. Um número. Se a taxa de conversão se mexeu, dizemos o que a mexeu e o que testar em seguida. Se não se mexeu, dizemos por que achamos que não se mexeu e o que ler no lugar.