Sobre

O meu nome é Priya. Cinco anos de dados push, e depois saí.

Dirigi a equipa de data science da Mobidea entre 2019 e 2024 — atribuição em formato push, modelação de fadiga de audiência, scoring de qualidade de publisher. Escrevo aqui porque as conversas que tinha com media buyers em privado eram aquelas que a indústria não conseguia ter em público enquanto todos estavam na folha de pagamento de alguém. Deixa-me mostrar-te os números.

O meu nome é Priya. Cinco anos de dados push, e depois saí.
Retrato ilustrado de Priya Anand

Autora

Priya Anand

Independent push-ad consultant (ex-Mobidea data science lead)

Lisboa, Mobidea, e um painel que não batia certo

Entrei na Mobidea em Março de 2019 como analista júnior na equipa de dashboard do lado afiliado. O negócio de push estava a escalar depressa — a Mobidea comprava inventário push a uma dúzia de redes e revendia audiências segmentadas a anunciantes de performance — e os dados eram uma confusão. As janelas de conversão eram inconsistentes entre fontes. Os IDs de publisher estavam agregados de forma distinta em cada rede. A stack de atribuição tinha sido construída incrementalmente ao longo de quatro anos e nenhuma pessoa singular a percebia na íntegra. Passei os primeiros dezoito meses a reconstruir o modelo de latência de conversão a partir do zero, depois fui promovida duas vezes em nove meses quando o modelo reconstruído revelou $1,4M de receita mal atribuída num único trimestre.

O que cinco anos dentro da stack push me ensinaram efectivamente

Não é o que está nos case studies da Mobidea. Está no fosso entre o CTR do painel (que qualquer rede mostra em tempo real) e o CR estabilizado aos sete dias (que a maioria dos anunciantes nunca espera para observar). Está na distribuição de qualidade de publisher onde os 8% de topo das sub-sources entregam 60% das conversões humanas, e os 15–20% do fundo entregam 40–60% dos cliques e convertem perto de zero. A distribuição é bimodal, não normal — e qualquer rede que agregue isto num bucket 'premium / standard' está a esconder o diagnóstico. O deck de marketing chama-lhe 'tráfego premium'. O histograma de qualidade de publisher chama-lhe bimodal.

Porque é que saí em Outubro de 2024

Houve uma campanha push de $200K que falhou na terceira semana porque a curva de fadiga da audiência colapsou ao frequency cap 5/dia. Os dados eram inequívocos (n=12.4M, p inferior a 0,01). Foi-me pedido que retirasse o gráfico da fadiga do relatório trimestral e que atribuísse o fracasso à qualidade do criativo. Recoloquei o gráfico, o relatório saiu sem edição, e demiti-me duas semanas depois. A escrita começou como memorandos internos limpos, partilhados com três antigos colegas. Tornou-se um Notion privado. É agora este site. Ainda corro testes A/B para uma carteira reduzida de clientes em tráfego push Tier-1 e LATAM. Sou proprietária de três ambientes Python e recuso-me a consolidá-los.

O que faço aqui, em pushadsnetwork.com

Análise do formato push com tamanho de amostra, GEO, vertical e janela de data em anexo. Sem rótulo 'tráfego premium' sem fonte definida. Sem write-up de teste A/B sem n e p. Sem peças 'Top 10' onde todas as redes soam iguais — nomeio qual ganha em que métrica. Quando o push é o formato errado para a oferta, digo-o. Quando o CTR do painel é celebrado e o CR ao dia 7 está escondido, mostro ambos. O CTR push é um indicador atrasado de nada útil. O CR ao dia 7 é o número que interessa.

Percurso profissional

  1. 2019–2024 Lead de data science — atribuição push + fraude Mobidea, Lisboa
  2. 2022–presente Colaboradora — metodologia de teste A/B, atribuição Fóruns e conferências da indústria afiliada
  3. Outubro 2024–presente Consultora independente — campanhas push + testes A/B Push Ads Network + clientes directos

Como avalio uma rede push antes de a recomendar

Uma rede push não é 'boa' ou 'má' isoladamente. É adequada ou inadequada para um determinado vertical, num determinado GEO, contra uma janela de atribuição definida. São estes os quatro diagnósticos que corro antes de colocar o orçamento de um cliente.

  1. 1. Frescura da lista de subscritores e distribuição da idade de opt-in

    O CR de push colapsa à medida que a base de subscritores envelhece. Quero a distribuição da idade de opt-in por GEO — a quota de subscritores com menos de 30 dias, 30–90, 90–180 e 180+. Redes em que 60%+ dos subscritores têm mais de 180 dias estão a correr uma curva de decaimento, e não uma audiência viva. O CR ao dia 7 num cohort 180+ dias corre a 0,3–0,5x o de um cohort sub-30-dias no mesmo GEO e vertical.

  2. 2. Curva de decaimento do CTR do dia 1 ao dia 14

    Subscritores push saudáveis exibem um decaimento de CTR de aproximadamente 30–45% do dia 1 ao dia 7, e depois estabilizam. Uma rede cujo painel mostra CTR plano ou ascendente até ao dia 14 está quase de certeza a servir inventário de bots — a atenção humana real apresenta variância e decaimento. Extraio uma curva de CTR-por-dia de 14 dias de qualquer rede antes de comprometer orçamento.

  3. 3. Granularidade do sub-source ID e disclosure da bimodalidade

    Os sub_id1 a sub_id5 têm de estar expostos no painel e nos postbacks. Se uma rede empacota sub-sources atrás de rótulos 'premium' / 'standard', presumo que está a esconder o fundo da distribuição bimodal. O decil de topo entrega 50–65% das conversões humanas; os 15–20% do fundo entregam 40–60% dos cliques e convertem perto de zero. Agregar isto é uma falha de diagnóstico.

  4. 4. Limiar do smart bidding e fallback baseado em regras

    Os produtos Smart CPA / smart bidding em push precisam de um piso de conversões documentado abaixo do qual o modelo de optimização sobre-ajusta a ruído. O limiar que procuro é de 200 conversões numa única campanha — o mesmo número que o Google Ads documenta publicamente para o Smart Bidding, e que se generaliza entre plataformas. Redes que inscrevem campanhas automaticamente em smart bidding desde a primeira impressão estão a cobrar-te a curva de aprendizagem do modelo a partir do orçamento do primeiro mês.

Linha editorial

Tamanho de amostra, GEO, vertical, data — ou não aconteceu

Cada afirmação numérica anexa n, GEO, vertical e janela de data. 'Vimos um lift significativo' não é um achado. 'p=0,04, n=18.200, push Tier-1 iGaming, Q3 2024' é um achado.

Redes nomeadas, nunca [Rede A]

PropellerAds, Adsterra, RichAds, Adcash, Monetag, AdPushup, Mondiad. Os leitores sabem nomear o campo. Eu também.

Distribuições bimodais, não médias do painel

A média de CR numa campanha push esconde o diagnóstico. O histograma conta a história — habitualmente uma cauda esquerda alta de sub-sources de bots com baixo CR, e uma cauda direita menor de sub-sources humanos com CR elevado.

Anti-hype quando o push é o formato errado

O push não funciona para SaaS B2B de consideração lenta, janelas de atribuição de 30 dias, ou criativo que exija mais de cinco segundos de avaliação. Quando a tua oferta vive aí, digo-o.

Start today

Uma pergunta concreta de teste A/B ou de atribuição? Envia-me email.

Trabalho com uma carteira reduzida de clientes em campanhas push Tier-1 e LATAM. Para consultoria independente, escreve-me directamente.

Privacidade

As suas opções de privacidade

Utilizamos cookies para operar o site e, com o seu consentimento, para medir a utilização e personalizar os conteúdos. Pode alterar as suas opções a qualquer momento.

Acessibilidade

Definições de acessibilidade

Personalize o aspeto e as animações do site. Guardadas apenas neste navegador.