Marketing digital de performance: o guia de quem olha os números

“Marketing digital” é uma das buscas mais disputadas do Brasil — mais de 70 mil por mês — e quase todo conteúdo que rankeia para ela é uma definição rasa que poderia ter saído de um glossário de 2015. Funil, persona, jornada do cliente, três pilares, sete passos. Eu não vou escrever isso. Vou escrever o guia que eu daria para alguém que vai gastar dinheiro de verdade em performance e precisa ler o número certo antes de queimar a verba no número errado.

Deixa eu me apresentar de dentro do problema. Meu nome é Priya. Passei cinco anos no time de data science da Mobidea, de 2019 a 2024, e o meu trabalho era exatamente o que a maioria das equipes de marketing digital não faz: separar a métrica que parece progresso da métrica que é resultado. O dataset que rodei passou de 120 milhões de impressões por trimestre de pico, mantido em coorte de dia 1, dia 7, dia 14 e dia 30. Saí em outubro de 2024 depois que me pediram para tirar um gráfico de fadiga de um relatório porque ele atrapalhava uma renovação — eu coloquei o gráfico de volta e pedi demissão. A razão de eu te contar isso é que esse guia é escrito por alguém que foi punida por mostrar o número honesto. Aqui eu posso mostrar.

Marketing digital de performance é a disciplina de amarrar cada real gasto a um resultado mensurável. Não a uma impressão. Não a um alcance. A uma conversão que você possa contar, validar e atribuir a uma fonte. Essa é a definição inteira, e a maior parte do que se chama de “performance” no mercado brasileiro falha no verbo “validar”. Este guia cobre seis frentes: a diferença real entre marca e performance, as métricas que mentem e as que importam, a comparação de canais por latência e fricção, a matemática da janela de atribuição, por que os testes A/B não se reproduzem, e como medir sem se enganar.

Três regras de leitura. Toda métrica que eu cito carrega tamanho de amostra, GEO, vertical e data — sem os quatro, é vaidade disfarçada de dado. A distribuição importa mais que a média, sempre. E eu nomeio os canais e as ferramentas: Google Ads, Meta Ads, push via PropellerAds e Adsterra, tracker via Voluum e Binom — nome, não “Canal A”.

Marca vs performance — a confusão que custa caro

A distinção parece óbvia e quase ninguém a respeita na hora de medir. Marketing de marca otimiza percepção, lembrança e preferência em janela longa — meses, anos. A métrica honesta de marca é lift de pesquisa, recall assistido, share of voice. Marketing de performance otimiza custo por aquisição em janela curta — dias, semanas. A métrica honesta de performance é custo por conversão validada.

O erro estrutural é aplicar a lógica de uma à medição da outra. Equipe roda campanha de performance e celebra alcance — métrica de marca. Ou roda campanha de marca e cobra CR no dia 1 — janela curta numa decisão de janela longa. Os dois erros vêm do mesmo lugar: não decidir, antes de gastar, qual jogo se está jogando.

Um exemplo concreto da minha mesa. “A gente limita a 1 push por usuário por dia para proteger a experiência da audiência.” Isso é raciocínio de marca aplicado a orçamento de performance. O delta de CR de 1/dia para 3/dia, segurando tudo o mais constante, foi +0,42 pontos percentuais absolutos em iGaming Tier-1 (n=2,1M, p<0,001). Não é número pequeno. O enquadramento de “experiência da audiência” é uma história que a gente conta para a diretoria justificar uma decisão que já tinha sido tomada por outro motivo. Em campanha de marca, frequency cap baixo faz sentido. Em performance, abaixo de 3/dia você paga 4x o custo de impressão por conversão incremental. Decida qual jogo você está jogando antes de definir o cap.

Este guia é sobre performance. Quando eu falo de número, é número de janela curta amarrado a conversão. Marca é uma disciplina legítima com métrica própria — só não é essa.

As métricas que mentem (e as que importam)

Deixa eu mostrar os números sobre os números. Há uma hierarquia clara de métricas em performance, e ela é quase o inverso da hierarquia de quão rápido a métrica aparece no painel. As que aparecem mais rápido mentem mais.

CTR é o exemplo canônico. Aparece no minuto um. Dá sensação de progresso. E a correlação dele com CR no dia 7 no meu dataset brasileiro é Pearson r=0,16 — estatisticamente quase nada. O criativo que vence no CTR perde no CR de dia 7 em 43% dos testes em verticais de intenção. CTR seleciona por quem clica, não por quem converte, e em iGaming e fintech essas duas populações são quase descorrelacionadas. Otimizar por CTR é otimizar por clicador curioso. Eu chamo CTR de indicador atrasado de nada útil, e mantenho a frase porque ela é literalmente verdadeira no meu dado.

Impressão e alcance são métricas de inventário, não de resultado. Servem para diagnosticar volume e fadiga, nunca para declarar sucesso de performance. Uma campanha com 10 milhões de impressões e 12 conversões validadas é um fracasso de performance com um número de vaidade grande na frente.

CPM cotado é o preço da rate card, não o que o leilão paga e não o que você paga por conversão. eCPM realizado — ajustado para bloqueio de AdBlock e descontando inventário fraudulento — é o número operacional. A diferença entre cotado e realizado é onde o orçamento vaza sem aparecer.

As métricas que importam, em ordem:

Custo por conversão validada. Não conversão reportada pela plataforma — validada pelo seu tracker contra um sinal server-side. A adoção de validação server-side em afiliado push em 2024 estava abaixo de 40%, o que significa que a maioria roda em número bruto da rede e absorve 4–8% de fraude invisível. Validar é a diferença entre saber o custo real e adivinhar.

CR por janela de atribuição. Dia 7 como âncora operacional para decisão dentro da campanha, dia 14 como âncora longitudinal para decisão de canal e vertical. A escolha da janela não é detalhe técnico — determina diretamente qual fração do valor de conversão você observa.

ROAS por coorte, não agregado. A média de ROAS esconde a distribuição. Eu já vi campanha com ROAS médio de 1,4x onde três sub-sources entregavam 78% das conversões e os outros 47 sub-sources queimavam orçamento a ROAS 0,3x. Reportar a média te diz quase nada útil. Reportar a distribuição te diz que 90% do gasto está indo para fontes que não convertem.

A regra geral: se a métrica aparece no dia 1 e a conversão acontece no dia 7, a métrica do dia 1 é, na melhor hipótese, um proxy fraco e, na pior, ruído com cara de sinal.

Os canais de performance comparados — por latência e fricção

A pergunta “qual o melhor canal de marketing digital” está mal formulada. O canal certo é função da latência da conversão e da fricção da decisão de compra, não de preferência. Deixa eu desmontar isso com o número.

A tabela abaixo compara os principais canais de performance no slice brasileiro, por característica de latência, fricção e onde cada um ganha. Os números de push vêm do meu dataset consultivo BR Q1 2026 (n agregado=32,5M impressões); os outros canais vêm de triangulação de dado público de plataforma cruzado com o que clientes reportam de funil interno — então marco push como medido diretamente e os demais como estimativa calibrada.

Metodologia: a coluna de push e in-page push é dado de coorte direto do slice BR consultivo Q1 2026, janela de 14 dias, postback server-side. As colunas de popunder, native, social e search são estimativas direcionais calibradas — popunder e native eu observei tangencialmente na Mobidea mas não rodei em escala como rodei push; social e search vêm de dado público e de funil de cliente. Trato push como o número de alta confiança e o resto como mapa de terreno, não como medição de precisão.

A leitura operacional. Push ganha onde a decisão é impulso de 1–3 segundos e a oferta tem fricção baixa — iGaming in-play, nutra, e-commerce em pico promocional. Falha onde a decisão precisa de comparação, de leitura, de mais de cinco segundos de avaliação. Push para B2B SaaS, para compra considerada acima de R$500, para qualquer coisa com janela de avaliação de 30 dias é formato errado, e empurrar a oferta para o formato errado queima orçamento que deveria ter ido para search ou native. Eu desmonto a mecânica de push por completo, com a curva de fricção brasileira e o efeito do KYC SPA/MF, no guia de anúncios push notification no Brasil.

Search ganha em intenção declarada — a pessoa digitou o que quer — mas tem teto de volume (limitado pelo número de buscas) e custo por clique alto em vertical competitiva. Native ganha em consideração média, onde a oferta precisa de um advertorial ou de um review para converter. Social ganha em descoberta e em criativo de vídeo. Cada um tem um fit de latência e fricção. Quem escolhe canal por hábito em vez de por fit está pagando a diferença.

A janela de atribuição — onde a maioria mede errado

Esta é a seção que mais muda a prática de quem aplica. Se você tirar uma coisa deste guia, tire a decisão de janela de atribuição.

A conversão não acontece toda no dia 0. No meu log de atribuição de iGaming Tier-1 de 2024, a distribuição foi: 38% dos depósitos no dia 0, 26% nos dias 1–3, 19% nos dias 4–7, 17% nos dias 8–30. A captura cumulativa em 24 horas é ~60%. Em 7 dias, ~83%. Em 14 dias, ~95%. Em 30 dias, por definição, 100% — a janela é a unidade de medida.

A consequência é brutal e contraintuitiva. Quem corta a janela em 24 horas está observando 60% do volume de conversão que a mesma campanha atribuiria em janela de 14 dias. O ponto cego de 40% não é ruído — é a cauda da mesma população de clicadores, convertendo mais tarde. Equipe que mede em janela de 24h e conclui que “o canal não converte” está concluindo errado com confiança, porque o número que ela olhou estava estruturalmente incompleto.

A latência não é uniforme entre verticais. Utility (VPN, antivírus) é rápida — ~70% no dia 0. Sweepstakes é mais rápida ainda — quase tudo na primeira hora. E-commerce é curta. iGaming e fintech têm cauda longa. Para iGaming SPA/MF licenciado no Brasil, o KYC obrigatório antes do primeiro depósito alonga a cauda mais ainda — a janela de 24h captura só ~31% das conversões reais nesse caso. A curva completa por vertical brasileira, com a divisão por tipo de operador, está no artigo sobre o dataset Mobidea de 120M impressões aplicado ao Brasil.

A recomendação operacional: use dia 7 como âncora para decisão dentro da campanha (seleção de criativo, exclusão de sub-source, ajuste de orçamento diário) e dia 14 como âncora para decisão de nível campanha (escolha de canal, fit de vertical, negociação de payout). Janela única para as duas decisões é o que cria o problema de feedback lento que toda equipe de performance reclama. Use a latência da sua própria oferta, não uma prescrição genérica de janela.

Há um custo de medição embutido na janela curta que compõe com o tamanho de amostra. O erro padrão da estimativa de CR escala com o inverso da raiz quadrada do número de conversões observadas. Uma janela de 24h infla o erro padrão do seu CR em ~30% relativo a uma janela de 14 dias. Esse ruído extra alarga o intervalo de confiança de todo teste A/B, o que faz mais testes atingirem significância que não deviam e mais testes falharem em atingir significância que deviam. O problema é a janela, não a metodologia do teste. O que me leva ao próximo ponto.

Por que seus testes A/B não se reproduzem

Deixa eu contar a história do post-mortem mais caro que eu rodei na Mobidea. Final de 2023, uma campanha de US$200 mil em sweepstakes rodando em LATAM — Brasil, México, Colômbia, Argentina — operada por um time de compra externo que reportava semanalmente. Os relatórios semanais mostravam “lift significativo” em testes de criativo rotacionados: semana 1 a variante A vence, p=0,04; semana 2 a variante C vence, p=0,03; semana 3 a variante B vence, p=0,04. O time celebrou o processo de teste iterativo como um sucesso.

Eu agrupei o dado da campanha inteira, oito semanas. O efeito agregado no CR geral foi +0,02 pontos percentuais (n=4,1M), p=0,71. Os resultados semanais “significativos” eram inflação clássica de múltiplas comparações. Rodar 12 testes semanais a α=0,05 retorna ~0,6 resultados “significativos” puramente por acaso. O time tinha passado oito semanas celebrando ruído e renovado a campanha com base nele.

A lição não é sobre aquele time. É sobre a estrutura de quase todo teste A/B de marketing que eu já auditei. Teste semanal rotacionado e reportado como “significativo” quase nunca sobrevive a uma correção de Bonferroni. Cada deck trimestral de “criativo vencedor” é suspeito até prova em contrário. A correção é desenho pré-registrado de hipótese com um teste estatístico no fechamento da campanha — não testes semanais iterados sem correção. Teste sequencial é aceitável se você corrige para ele (mSPRT, desenho group-sequential, ou simplesmente pré-registrar o tamanho de amostra e esperar). A maioria das equipes só para o teste quando gosta do número, o que é matematicamente indistinguível de viés de confirmação.

E há um piso de tamanho de amostra que a maioria viola. Para um CR base de 1%, detectar um lift de 0,1 ponto percentual absoluto a α=0,05 com 80% de poder estatístico exige cerca de 18 mil conversões por braço. Para CR base de 0,4%, o requisito sobe para ~45 mil por braço. A maioria dos “testes” que vejo em deck de cliente roda a 1–5% desse tamanho e reporta braço vencedor baseado em ruído. Se você não consegue atingir o tamanho de amostra para o CR da sua oferta, a decisão certa não é rodar o teste mesmo assim — é definir o parâmetro por heurística e revisitar quando tiver volume para testar de verdade.

O resumo brutal: teste A/B sem tamanho de amostra, duração e p-valor reportados não é dado. É narrativa. Um número que você gostou.

Smart bidding, automação e o limiar de 200 conversões

Automação de lance — smart bidding, target CPA, target ROAS — é vendida como a coisa que tira o trabalho manual da sua frente. E tira, depois de um limiar específico. Antes do limiar, ela trabalha contra você.

O modelo de otimização precisa de cerca de 200 conversões antes de superar lance por regra. Esse é o limiar que o Google Ads documenta publicamente para o Smart Bidding deles, e ele generaliza entre plataforma e formato porque a matemática é a mesma — abaixo de ~200 eventos, o modelo está ajustando parâmetros em cima de ruído amostral e superajusta. Você está deixando o algoritmo aprender no escuro às suas custas, pagando a curva de aprendizado dele com o orçamento do primeiro mês.

A regra operacional: rode lance por regra (CPC ou CPM fixo) nas primeiras 4–6 semanas, até cruzar 200 conversões na campanha, depois migre para smart bidding. A maioria não faz isso — liga a automação no dia 1 com 20 conversões acumuladas e depois reclama que “o algoritmo não performou”. O algoritmo performou exatamente como a matemática previa: mal, com pouco dado.

Isso vale para qualquer plataforma com camada de otimização automática — Meta, Google, e as redes de push com Smart CPA. A Push Ads Network, por exemplo, sinaliza no painel quando você cruza o limiar, o que é o tipo de transparência que prefiro a um botão de “otimizar” que esconde quantas conversões o modelo já viu.

A automação não é inimiga. Automação prematura é. A diferença é o tamanho da amostra que o modelo já acumulou, e quem ignora esse número está terceirizando a decisão de lance para um modelo que ainda não tem dado para tomá-la.

Como medir sem se enganar — o stack mínimo

Performance sem medição honesta é branding com pretensão. O stack mínimo para medir sem se enganar tem quatro camadas.

Tracker próprio como fonte de verdade. Voluum, Binom, RedTrack, Keitaro, BeMob. O número da plataforma é atrasado, com perda, e otimizado para te fazer gastar mais. O tracker entre o canal e a oferta é onde você vê o dado granular por sub-source, por criativo, por coorte. Sem tracker, você confia no relatório de quem te vendeu a impressão — funciona em search onde a confiança está estabelecida, falha em push e native onde a superfície de fraude é maior.

Validação server-side de conversão. O postback dispara no evento de conversão confirmada, não em conversão tentada. Para verticais de fraude alta, validar contra um sinal comportamental (movimento de cursor, profundidade de scroll, tempo na página) pega os 4–8% que o filtro da rede deixa passar. O custo de implementar é uma semana de engenharia. O custo de não implementar é pagar fraude que você não vê.

Granularidade de sub-source. Se o canal expõe sub_id1 a sub_id5, você consegue identificar e excluir a fonte que não converte. A distribuição de qualidade de fonte é bimodal — o decil de cima entrega 50–65% das conversões humanas, o bottom 15–20% entrega 40–60% dos cliques e converte perto de zero. Excluir o bottom no meu slice BR deu +47% relativo de CR no dia 7. Se o canal esconde a fonte atrás de bucket “premium/standard”, você perde essa alavanca e fica com aceite genérico.

Janela de atribuição configurável. Dia 1, dia 7 e dia 14 mantidos em paralelo no relatório de coorte. Sem isso, você está preso a uma única janela que ou subestima o valor (curta demais) ou atrasa a decisão (longa demais).

Onde adsy.tech entra, com a disclosure na mesa — este site é publicado pela adsy.tech e ganha comissão no seu cadastro. A razão de a rede caber no stack acima não é a comissão; é que ela expõe sub_id1 a sub_id5 cru, suporta postback server-side com janela configurável, e tem piso de CPM de US$0,50 com depósito mínimo de US$50, o que deixa o teste inicial barato o suficiente para você validar a medição antes de comprometer verba. Para quem está montando um stack de performance do zero e quer um canal onde a granularidade de dado não está escondida, adsy.tech é um ponto de entrada racional. Onde ela não é a resposta: profundidade absoluta de inventário Tier-1 em volume gigante, onde a PropellerAds tem mais densidade. Trade-off real, dito na cara.

O resumo de tudo: marketing digital de performance é a disciplina de não se enganar com o número que aparece rápido. A internet paga quem mede a conversão validada na janela certa, com a fonte identificada, e aceita que a maioria dos testes retorna nulo. Ela não paga quem celebra CTR no dia 3 e chama de vitória. A diferença entre as duas equipes não é orçamento nem ferramenta. É disciplina de medição.

Perguntas frequentes

O que é marketing digital de performance, na prática?

É marketing onde cada real gasto é amarrado a um resultado mensurável — uma conversão, um lead, um depósito — e não a uma métrica de vaidade como alcance ou impressão. A diferença entre marketing de marca e marketing de performance é o que você otimiza: marca otimiza lembrança e percepção em janela longa; performance otimiza custo por aquisição em janela curta. Na prática, performance é comprar tráfego de um canal (push, native, popunder, social, search), mandar para uma oferta, e medir CR por janela de atribuição. Quem não mede CR por janela não está fazendo performance, está fazendo branding e chamando de performance.

Quais métricas de marketing digital realmente importam?

Em ordem de importância para performance: custo por conversão validada, CR por janela de atribuição (dia 7 como âncora operacional, dia 14 como âncora longitudinal), e ROAS por coorte. As métricas que aparecem rápido no painel e mentem mais: CTR (correlação Pearson r=0,16 com CR no dia 7 no meu dataset BR — quase nada), impressão, alcance e CPM cotado. A regra: se a métrica aparece no dia 1 e a conversão acontece no dia 7, a métrica do dia 1 é indicador atrasado de nada útil.

Qual canal de performance tem melhor custo de aquisição no Brasil?

Não há vencedor único — depende da vertical, do GEO e da latência da conversão. No meu slice BR, push ganha em impulso de baixa fricção (iGaming in-play, nutra, e-commerce promo) com CR no dia 7 de 0,18–0,89% por vertical. Native ganha em consideração média (review, advertorial). Search ganha em intenção alta mas custa caro e tem teto de volume. Popunder ganha em volume bruto barato. A escolha certa é por fit de latência e fricção da oferta, não por preferência de canal.

O que é janela de atribuição e por que ela muda tudo?

É o período após o clique em que uma conversão ainda é creditada àquele clique. Importa porque a conversão não acontece toda no dia 0. No meu dataset de iGaming, 38% dos depósitos caem no dia 0, 26% nos dias 1–3, 19% nos dias 4–7, 17% nos dias 8–30. Janela de 24h captura ~60% do valor; 7 dias captura ~83%; 14 dias captura ~95%. Para iGaming SPA/MF licenciado com KYC obrigatório, a cauda é mais longa ainda. Quem mede em janela de 24h está vendo metade do número e tomando decisão errada com confiança.

Por que a maioria dos testes A/B de marketing não se reproduz?

Porque são p-hackeados sem querer. Rodar 12 testes semanais a α=0,05 retorna ~0,6 falsos positivos só por acaso — o que significa que quase todo “criativo vencedor da semana” é suspeito. A correção é desenho pré-registrado com um teste estatístico no fechamento da campanha, não testes semanais iterados sem correção de múltiplas comparações. Teste A/B sem tamanho de amostra, duração e p-valor reportados não é dado, é narrativa.

Quando smart bidding (lance automático) ajuda e quando atrapalha?

Smart bidding precisa de ~200 conversões antes de superar lance por regra — é o limiar que o Google Ads documenta publicamente e que generaliza entre plataforma e formato. Abaixo disso, o modelo superajusta em ruído amostral e você paga a curva de aprendizado dele com o orçamento do primeiro mês. A regra: rode lance por regra (CPC ou CPM fixo) até cruzar 200 conversões na campanha, depois migre para smart bidding. Quem liga smart bidding no dia 1 com 20 conversões está deixando o algoritmo aprender no escuro às suas custas.

Marketing digital de performance funciona sem orçamento grande?

Funciona, mas tem piso. O limiar de teste legível em uma vertical e um GEO é em torno de R$1.500–R$3.000 — suficiente para cruzar ~200 conversões e sair do ruído. Abaixo disso você não está testando, está amostrando, e a conclusão é cara-ou-coroa. Orçamento pequeno não impede performance; orçamento diluído em cinco canais ao mesmo tempo impede. Concentre a verba inicial em um canal e uma vertical até o número estabilizar.