A publicidade personalizada funciona tão bem quanto as empresas de tecnologia afirmam?

Se você não tiver cuidado, você acabará “adquirindo” clientes existentes.
A publicidade personalizada funciona tão bem quanto as empresas de tecnologia afirmam?
A publicidade personalizada funciona tão bem quanto as empresas de tecnologia afirmam?

Muitas empresas de Big Tech criaram plataformas que oferecem dicas de negócios, ferramentas e serviços para direcionar melhor seus clientes on-line. Isso pode ser útil – mas qualquer pessoa que confie neles precisa ter muito cuidado. Isso porque muitas das afirmações dessas empresas sobre como medir a eficácia da publicidade estão erradas.


Várias grandes empresas de tecnologia construíram recentemente plataformas que pretendem educar as empresas sobre a melhor forma de comercializar a si mesmas e seus produtos online. Os exemplos incluem Meta para negócios (anteriormente Facebook for Business; “Obtenha orientações passo a passo, insights do setor e ferramentas para acompanhar seu progresso, tudo em um só lugar”), Pense com o Google (“Leve seu marketing mais longe com o Google”) e Twitter para negócios (“Expanda seus negócios com anúncios do Twitter”).

Esses sites são muito atraentes. Eles fornecem às pequenas e médias empresas uma abundância de informações genuinamente úteis sobre como fazer negócios on-line e, é claro, oferecem uma variedade de ferramentas e serviços de publicidade projetados para ajudar essas empresas a impulsionar seu desempenho.

Todos esses sites têm o mesmo objetivo básico. Eles querem que você entenda suas ferramentas e serviços como poderosos e altamente personalizados – e querem que você invista seu dinheiro de marketing neles.

Não é tão simples quanto parece

O Facebook é talvez a mais insistente das três empresas citadas acima. Nas últimas semanas, a empresa tem transmitido anúncios que contam todo tipo de histórias inspiradoras sobre as pequenas empresas que ajudou com seus novos serviços. Talvez você tenha visto alguns desses anúncios em aeroportos, revistas ou sites. Minha Jolie Candle, uma fabricante de velas francesa, “encontra até 80% de seus clientes europeus por meio das plataformas do Facebook”. A Chicatella, uma empresa de cosméticos eslovena, “atribui até 80% de suas vendas aos aplicativos e serviços do Facebook”. Mami Poppins, uma fornecedora alemã de equipamentos para bebês, “usa anúncios do Facebook para gerar até metade de sua receita”.

Isso parece impressionante, mas as empresas deveriam realmente esperar efeitos tão grandes da publicidade? O fato é que, quando o Facebook, o Google, o Twitter e outras empresas de Big Tech “educam” as pequenas empresas sobre seus serviços, muitas vezes estão incentivando conclusões incorretas sobre os efeitos causais da publicidade.

Considere o caso de um cliente de consultoria nosso, uma empresa europeia de bens de consumo que há muitos anos posicionou sua marca em torno da sustentabilidade. A empresa queria explorar se um anúncio on-line que faz uma afirmação sobre conveniência pode realmente ser mais eficaz do que um que faz uma afirmação sobre sustentabilidade. Com a ajuda do Facebook for Business, ele executou um teste A/B dos dois anúncios e depois comparou o retorno dos gastos com publicidade entre as duas condições. O retorno, constatou o teste, foi muito maior para o anúncio de sustentabilidade. O que significa que é nisso que a empresa deve investir, certo?

Na verdade, não sabemos.

Há um problema fundamental com o que o Facebook está fazendo aqui: os testes que ele está oferecendo sob o título de testes “A/B” na verdade não são testes A/B. Isso é mal compreendido, mesmo por profissionais de marketing digital experientes.

Então, o que realmente está acontecendo nesses testes? Aqui está um exemplo:

1) O Facebook divide um grande público em dois grupos – mas nem todos os grupos receberão um tratamento. Ou seja, muitas pessoas nunca verão um anúncio.

2) O Facebook começa a selecionar pessoas de cada grupo e fornece um tratamento diferente dependendo do grupo do qual a pessoa foi amostrada. Por exemplo, uma pessoa selecionada do Grupo 1 receberá um anúncio azul e uma pessoa selecionada do Grupo 2 receberá um anúncio vermelho.

3) O Facebook usa algoritmos de aprendizado de máquina para refinar sua estratégia de seleção. O algoritmo pode aprender, digamos, que as pessoas mais jovens são mais propensas a clicar no anúncio vermelho, então ele começará a veicular esse anúncio mais para os jovens.

Você vê o que está acontecendo aqui? O algoritmo de aprendizado de máquina que o Facebook usa para otimizar a entrega de anúncios, na verdade, invalida o design do teste A/B.

Aqui está o que queremos dizer. Os testes A/B são construídos com base na ideia de atribuição aleatória. Mas as atribuições feitas na Etapa 3 são aleatórias? Não. E isso tem implicações importantes. Se você comparar as pessoas tratadas do Grupo 1 com as pessoas tratadas do Grupo 2, você não poderá mais tirar conclusões sobre o efeito causal do tratamento, porque as pessoas tratadas do Grupo 1 agora diferem das pessoas tratadas do Grupo 2 em mais dimensões do que apenas o tratamento. As pessoas tratadas do Grupo 2 que receberam o anúncio vermelho, por exemplo, acabariam sendo mais jovens do que as pessoas tratadas do Grupo 1 que receberam o anúncio azul. Seja qual for esse teste, não é um teste A/B.

Não é só o Facebook. O site Think with Google sugere que métricas semelhantes ao ROI são causais, quando na verdade eles são meramente associativa.

Imagine que uma empresa queira saber se uma campanha publicitária é eficaz para aumentar as vendas. Respondendo a essa pergunta, o site sugere, envolve uma combinação direta de tecnologia básica e matemática simples.

Primeiro, você configura o acompanhamento de conversões para o seu site. Isso permite que você acompanhe se os clientes que clicaram em um anúncio fizeram uma compra. Em segundo lugar, você calcula as receitas totais desses clientes e divide por (ou subtrai) suas despesas com publicidade. Esse é o seu retorno sobre o investimento e de acordo com o Google, é “a medida mais importante para os varejistas porque mostra o efeito real que o Google Ads tem sobre sua empresa”.

Na verdade, não é. A análise do Google é falha porque falta um ponto de comparação. Para sério saber se a publicidade está gerando lucros para o seu negócio, você precisa saber quais receitas teriam sido na ausência de publicidade.

O Twitter for Business oferece um pouco proposição mais envolvida.

Primeiro, o Twitter trabalha com um agente de dados para obter acesso a cookies, e-mails e outras informações de identificação dos clientes de uma marca. E então o Twitter adiciona informações sobre como esses clientes se relacionam com a marca no Twitter – se eles clicam nos tweets promovidos da marca, por exemplo. Isso supostamente permite que os analistas de marketing comparem a receita média dos clientes que se envolveram com a marca com a receita média de clientes que não o fizeram. Se a diferença for grande o suficiente, a teoria vai, então isso justifica os gastos com publicidade.

Essa análise é comparativa, mas apenas no sentido de comparar maçãs e laranjas. As pessoas que compram cosméticos regularmente não os compram porque veem tweets promovidos. Eles veem tweets promovidos para cosméticos porque compram cosméticos regularmente. Os clientes que veem tweets promovidos de uma marca, em outras palavras, são pessoas muito diferentes daqueles que não veem.

Confusão causal

As empresas podem responder a dois tipos de perguntas usando dados: elas podem responder a perguntas de previsão (como em “Esse cliente comprará?”) e perguntas de inferência causal (como em “Esse anúncio fará esse cliente comprar?”). Essas perguntas são diferentes, mas facilmente confundidas. Responder a perguntas de inferência causal requer comparações contrafatuais (como em “Esse cliente teria comprado sem esse anúncio?”). Os algoritmos inteligentes e as ferramentas digitais criados pelas grandes empresas de tecnologia geralmente apresentam comparações de maçãs com laranjas para apoiar inferências causais.

A Big Tech deve estar bem ciente da distinção entre previsão e inferência causal e como é importante para a alocação efetiva de recursos – afinal, há anos eles contratam algumas das pessoas mais inteligentes do planeta. Segmentar prováveis compradores com anúncios é um puro problema de previsão. Não requer inferência causal e é fácil de fazer com os dados e algoritmos atuais. Persuadir as pessoas a comprar é muito mais difícil.

As grandes empresas de tecnologia devem ser elogiadas pelos materiais e ferramentas úteis que disponibilizam para a comunidade empresarial, mas as pequenas e médias empresas devem estar cientes de que as plataformas de publicidade estão buscando seus próprios interesses quando oferecem treinamento e informações, e que esses interesses podem ou não estar alinhado com os de pequenas empresas.

Nota do editor(16/12): O título desta peça foi atualizado.


  • BL
    Bart de Langhe is an associate professor of marketing at ESADE Business School, Ramon Llull University, in Barcelona.

  • SP
    Stefano Puntoni ([email protected]) is a professor of marketing at the Rotterdam School of Management, Erasmus University.
  • Related Posts
    Os novos líderes do século XXI

    Melhor marketing no ponto de compra

    O ponto de varejo de compra representa o tempo e o local em que todos os elementos da venda - o consumidor, o dinheiro e o produto - se juntam. Ao usar vários veículos de comunicação, incluindo exibições, embalagens, promoções de vendas, publicidade na loja e vendedores, no ponto de compra (pop), o comerciante espera influenciar a decisão de compra do consumidor. Parcialmente [...]
    Leer más
    Os novos líderes do século XXI

    O preditor mais importante do sucesso das vendas

    Nenhuma profissão no negócio tem uma reputação mais complexa do que as vendas. Quando pensamos em vendedores - de Willy Loman na morte de um vendedor de Donald Trump para Steve Jobs - todos os tipos de idéias contraditórias e imagens em movimento em nossas mentes. Eles podem ser persuasões e valentões, sedutores e ladinos, criadores de sonhos e charlatões. [...]
    Leer más
    Os novos líderes do século XXI

    Sua força de vendas é viciada em incentivos?

    Uma empresa de distribuição paga seus vendedores inteiramente embora comissões em vendas. A filosofia é "você come o que você mata". Os vendedores mantêm suas contas permanentemente depois de fazer uma venda. Muitos vendedores ambos ganham várias centenas de milhares de dólares por ano, principalmente vendendo para clientes de longa data que fornecem uma fonte contínua e estável de receita e renda. [...]
    Leer más