Status das evidências: Estudo de caso publicado pelo fornecedor; estrutura do experimento divulgada, apêndice estatístico completo não público
O resultado importante não foi “a Meta funciona”
A Mejuri já sabia que a Meta podia gerar receita atribuída.
O problema era que a receita atribuída não respondia à pergunta que importava para a marca.
De acordo com um estudo de caso publicado pela Haus, fornecedora de incrementalidade, a Mejuri descobriu que boa parte da receita creditada à Meta vinha de pessoas que já conheciam a marca de joias. Isso criou uma pergunta mais difícil do que se os anúncios estavam produzindo compras:
A Meta estava criando demanda nova suficiente para justificar a forma como o orçamento estava alocado?
A distinção é central para o caso.
Se uma grande parcela da receita de social pago vem de pessoas que provavelmente comprariam de qualquer forma, um ROAS forte da plataforma pode coexistir com uma economia incremental fraca. A resposta não é automaticamente cortar o canal. É mudar o que se pede ao canal e testar se a nova estratégia cria mais lift causal.
Foi isso que a Mejuri fez.
A intervenção: mover parte do orçamento para o topo do funil
A Haus afirma que a Mejuri realocou 25% do seu orçamento com Meta para campanhas de topo de funil e depois testou o impacto com um desenho de holdout geográfico.
A hipótese declarada era específica: a atividade da Meta no topo do funil poderia trazer mais receita incremental de novos clientes.
Essa é uma pergunta de experimento melhor do que “O topo de funil funciona?”
Ela define:
- um canal;
- uma mudança de orçamento;
- um segmento de clientes;
- um resultado de negócio;
- e um contrafactual.
O KPI principal no caso público era nova receita.
Isso importa porque a Mejuri não estava simplesmente tentando aumentar o total de vendas atribuídas. Estava tentando entender se a nova alocação criava receita que não teria acontecido de outra forma.
O caso público identifica o período de teste como 22 de fevereiro a 14 de março de 2025 e descreve um desenho de duas células com um holdout. A Haus afirma que a Mejuri usou DMAs como unidade geográfica.
O que a Haus relatou
A Haus relata que o experimento inicial produziu um aumento de 11% na receita incremental.
Após uma janela de duas semanas pós-tratamento, o fornecedor diz que o aumento medido subiu para 12,9%, enquanto o iROAS melhorou em 57%.
A Haus também afirma que o desempenho geral foi cerca de 1,5 vezes melhor que a meta original de iROAS da Mejuri.
Esses são números relevantes.
Eles também devem ser lidos pelo que são: resultados relatados pelo fornecedor de mensuração que desenhou e hospedou o experimento.
A página pública do caso não expõe um apêndice estatístico completo. Ela não fornece o gasto exato com mídia, a tabela de resultados por mercado, o intervalo de confiança, o cálculo de poder nem todos os diagnósticos de balanceamento pré-teste.
Isso não invalida o resultado.
Limita o que um leitor externo pode verificar de forma independente.
A interpretação editorial correta, portanto, é:
A Haus relata que a realocação da Mejuri para atividades da Meta no topo do funil produziu um aumento mensurável na receita de novos clientes e um retorno incremental maior nas condições testadas.
Isso é mais forte do que tratar o resultado como um benchmark universal.
Por que a janela pós-tratamento importa
A diferença entre o aumento inicial de 11% e o número posterior de 12,9% é operacionalmente interessante.
Alguns efeitos publicitários podem ocorrer após o período de exposição ativa.
Uma pessoa pode ver um anúncio, adiar a compra, voltar por outro canal e converter dias depois. Se o experimento para de observar resultados no instante em que a exposição à mídia termina, parte do efeito pode passar despercebida.
Uma janela pós-tratamento tenta capturar esse comportamento atrasado.
Mas janelas mais longas criam seus próprios problemas.
Quanto mais a medição se afasta do período de exposição controlada, maior a chance de outros eventos influenciarem o resultado: promoções, sazonalidade, atividade da concorrência, demanda orgânica ou mudanças em outras mídias.
Não existe um período pós-tratamento universalmente correto.
A lição importante é que o ciclo de conversão deve influenciar a janela do experimento antes de o teste começar.
A verdadeira lição de compra de mídia é alocação, não atribuição
A parte mais forte do caso não é o aumento relatado.
É o processo de decisão.
A Mejuri não respondeu a uma incrementalidade decepcionante simplesmente reduzindo os gastos com Meta.
Ela mudou o papel do orçamento.
Se a Meta de fundo de funil estava capturando demanda que já existia, o deslocamento de parte do gasto para atividades de topo de funil criou a chance de a plataforma alcançar pessoas que tinham menos probabilidade de converter sem publicidade.
Essa é uma decisão de portfólio.
Uma sequência operacional simplificada é assim:
- Medir a incrementalidade do mix atual.
- Identificar onde o desempenho atribuído e o desempenho causal divergem.
- Formular uma hipótese sobre o porquê.
- Realocar orçamento para uma função diferente.
- Rodar um teste controlado.
- Comparar a economia incremental.
- Manter, reverter ou iterar a alocação.
Esse processo é muito mais transferível do que a porcentagem exata da Mejuri.
Por que 25% não deve se tornar um benchmark
O caso público torna memorável a realocação de 25%.
Ela não deve se tornar uma regra.
Um anunciante diferente pode precisar mover 10%, 40% ou nada.
O tamanho correto depende de:
- mix atual de canais;
- gasto existente em topo de funil;
- escala geográfica;
- conhecimento da marca;
- volume de conversão;
- margem;
- mercados de teste disponíveis;
- poder do experimento;
- ciclo de compra do cliente.
O tratamento deve ser grande o suficiente para criar uma diferença detectável sem se tornar economicamente irresponsável.
Isso é um problema de desenho de experimento, não um slogan de planejamento de mídia.
Modo de falha: usar o ROAS da plataforma como KPI do experimento
Se a Mejuri tivesse avaliado o teste apenas pelo Ads Manager, o experimento teria respondido a uma pergunta diferente.
O ROAS da plataforma diz ao operador como a plataforma atribuiu crédito de conversão segundo suas regras de atribuição.
Um holdout geográfico tenta estimar a diferença entre o que aconteceu com o tratamento e o que teria acontecido sem ele.
Esses números podem divergir.
Uma plataforma pode relatar um ROAS forte enquanto o holdout mostra aumento limitado.
Uma plataforma também pode creditar a menos a atividade de topo de funil que gera conversões depois por meio da Busca, do tráfego direto ou de outro canal.
Para um teste desenhado em torno da incrementalidade, o KPI do experimento deve ficar fora do modelo de atribuição da plataforma.
Modo de falha: mudar criativo, orçamento e lógica de público ao mesmo tempo
Experimentos de mix de mídia se tornam mais difíceis de interpretar quando o tratamento muda coisas demais.
Se um anunciante introduz simultaneamente novo criativo, aumenta o gasto total, muda públicos e adiciona um objetivo de topo de funil, um resultado positivo pode ser real, mas difícil de atribuir a uma única decisão.
No caso público da Mejuri, a intervenção central é descrita como a realocação de parte dos gastos com Meta para campanhas de topo de funil.
Esse é um tratamento relativamente legível.
Os operadores devem proteger essa clareza.
Quanto mais estratégica a pergunta, mais disciplinado deve ser o tratamento.
O que o caso não prova
O resultado não prova que:
- a Meta de topo de funil sempre supera a Meta de fundo de funil;
- 25% é a alocação correta para outras marcas;
- uma melhora de 57% no iROAS é reproduzível;
- o GeoLift é a única abordagem de medição válida;
- a atribuição da plataforma é inútil;
- um único experimento determina permanentemente o mix de mídia correto.
A incrementalidade é condicional.
O resultado pode mudar conforme mudam criativo, concorrência, conhecimento da marca, sazonalidade e mix de canais.
É por isso que a própria Haus enquadra a incrementalidade como uma prática contínua.
Nesse ponto, o interesse comercial do fornecedor e a realidade operacional coincidem: um experimento é um insumo para a decisão, não uma verdade permanente.
Como uma equipe de mídia poderia aplicar o método
Uma equipe não precisa da escala da Mejuri para adotar a lógica.
O framework mínimo é:
Pergunta: Qual parte da mídia paga pode estar recebendo mais crédito de atribuição do que crédito causal?
KPI de negócio: Nova receita, margem de contribuição, clientes qualificados ou outro resultado fora dos relatórios da plataforma.
Tratamento: Uma mudança clara de mídia.
Contrafactual: Um controle ou holdout válido.
Janela: Longa o suficiente para capturar o ciclo de compra relevante.
Limite de decisão: Definir de antemão qual resultado justificaria manter a mudança.
Acompanhamento: Testar novamente após mudanças significativas em gastos, criativo ou condições de mercado.
O resultado mais útil não é um belo gráfico de lift.
É uma regra melhor para onde o próximo dólar deve ir.
Nota sobre evidências
Esta análise baseia-se principalmente em um estudo de caso publicado pela Haus, a fornecedora de mensuração usada no experimento. A página pública divulga o conceito de tratamento, o KPI, as datas e os resultados principais, mas não fornece um apêndice estatístico completo. O Radar, portanto, trata o aumento relatado de 12,9% nas vendas incrementais e a melhora de 57% no iROAS como resultados de caso relatados pelo fornecedor, não constatações auditadas de forma independente.
