Orçamento e incrementalidade: medir o efeito de uma mudança de verba

O diretor financeiro da Verde Vivo, a loja de plantas fictícia que acompanha o curso, fez a pergunta que encerra qualquer reunião de mídia: se tirarmos R$ 10.000 da Meta e colocarmos no Google Ads, quantos pedidos a mais teremos? O painel de atribuição tem uma resposta pronta, e ela responde a outra coisa. Atribuição diz quem recebeu o crédito pelas vendas que aconteceram. A pergunta do financeiro é sobre o que aconteceria se o dinheiro mudasse de lugar.

A diferença custa caro nos dois sentidos. A campanha de busca pelo nome da marca recebe crédito por compras de gente que já ia comprar, e cortá-la derruba menos do que o painel prometia. A campanha de vídeo recebe pouco crédito por clique e pode alimentar a busca de marca que vem dias depois, e o corte pesa acima do que o painel mostrava. Três ferramentas ajudam a separar as duas leituras, cada uma com a sua pergunta.

O planejamento do Analytics projeta, e quem decide é você

O orçamento entre canais do Analytics (cross-channel budgeting, na seção Publicidade) está em beta desde 16 de janeiro de 2026 e tem dois tipos de plano. O plano de projeção acompanha o gasto, as conversões e a receita contra o que o histórico previa. O plano de cenário simula o retorno em diferentes níveis de orçamento e propõe uma divisão entre canais para um período futuro. Nenhum dos dois altera o orçamento das contas conectadas: a mudança continua sendo feita à mão em cada plataforma.

Os requisitos limitam quem enxerga o recurso. A propriedade precisa de histórico suficiente, seção de publicidade configurada, Google Ads vinculado e conversões definidas; o plano de cenário pede também atribuição baseada em dados (o modelo que distribui o crédito entre os toques a partir do próprio histórico) e dados de campanha de integrações ou importações. A interface só existe no computador. E a página oficial avisa que o recurso pode não aparecer para todas as propriedades.

Uma faixa da projeção pede leitura própria. A faixa de confiança diz onde o resultado tende a cair; a linha do meio é só o centro dela. Resultado abaixo da linha e dentro da faixa está fazendo o que o histórico previa. Resultado fora da faixa por duas semanas seguidas mudou de comportamento, e essa é a informação que merece a reunião.

O plano de cenário merece outra cautela. Quando ele sugere mover 20% da Meta para a busca, a sugestão vem da atribuição do histórico: entre os toques vistos pela tag, aquela divisão teria rendido mais crédito. Ele não sabe o que a Meta provoca fora do que a tag viu, como a pessoa que assistiu ao vídeo e digitou o endereço da loja dias depois. Por isso o cenário vira a hipótese do experimento.

Uma ressalva entrou em 29 de setembro de 2026. Nesse dia, as conversões de aplicativo passaram a aparecer nos relatórios de conversão entre canais, com modelos de atribuição e janelas próprias. A mesma nota registra que o orçamento entre canais continua aceitando só conversões web. Na Verde Vivo, a cobrança do clube acontece no site e entra no planejamento; a ativação do assinante, que acontece no aplicativo, fica de fora, e a sugestão de cenário ignora essa parte do negócio.

Um experimento mede o que a mídia provoca

Atribuição divide o crédito das vendas que aconteceram entre os toques observados. Causalidade pergunta quantas dessas vendas não aconteceriam sem o toque. A busca paga pelo termo “verde vivo” recebe crédito por quase toda compra em que aparece, e parte dessas pessoas clicaria no resultado orgânico logo abaixo se o anúncio sumisse. Só uma comparação com grupo de controle separa as duas coisas.

Um experimento útil tem cinco peças. A hipótese diz o que se espera, com número: pausar a Meta reduz os pedidos em pelo menos 5%. O grupo de controle não recebe a mudança e mostra o que teria acontecido. A amostra precisa ser grande o bastante para a diferença esperada aparecer acima do ruído; quanto menor a diferença, mais semanas ou mais regiões. A métrica de proteção é um número que não pode piorar sem alguém notar, como os pedidos orgânicos e diretos. A duração cobre pelo menos um ciclo de compra.

O teste por região é o formato que uma loja nacional consegue rodar sem mexer na tag. A mídia é pausada num conjunto de estados e mantida noutro, e a diferença de pedidos entre os dois conjuntos, ajustada pela diferença que já existia antes, estima o efeito. O Analytics e a plataforma da loja fornecem os pedidos por região; o desenho, o pareamento dos grupos e a conta de incerteza ficam com a equipe ou com um parceiro de estatística.

A conta da Verde Vivo mostra por que o ajuste pelo histórico importa. Nos seis meses anteriores, os estados de teste fecharam em média 412 pedidos pagos a cada 28 dias, e os de controle, 405. O teste tinha sido decidido em julho, quando o painel da própria Meta mostrou queda de retorno, e a comparação de custos feita em setembro o acompanhou. Nas quatro semanas do teste, de 24 de agosto a 20 de setembro, o controle fechou 411. Mantida a proporção histórica, o grupo de teste deveria ter fechado cerca de 418 (412 × 411 ÷ 405). Fechou 389. A queda estimada é de 29 pedidos, perto de 7%.

Comparar 389 com 411 direto daria 5,4%, e o número estaria errado porque ignora que os grupos já eram diferentes antes. Mesmo os 7% vêm com incerteza. A equipe repetiu a mesma conta em 12 períodos de 28 dias sem mudança nenhuma, o teste placebo, e viu diferenças de até 4% para cima ou para baixo só pelo acaso. Com isso, registrou uma faixa de sensibilidade de 3% a 11%, ilustrativa, sem nível de confiança estatístico calculado. Durante o teste, a loja corrigiu o checkout e a medição; as correções valeram para todos os estados ao mesmo tempo, e a equipe conferiu que nenhuma ação regional rodou só num dos grupos. Os pedidos orgânicos e diretos dos estados de teste ficaram dentro da faixa habitual, e a métrica de proteção não acusou nada.

Os três números não se subtraem entre si: o primeiro e o segundo contam compras no país inteiro, o terceiro estima um efeito em oito estados. O teste sustenta uma conclusão estreita: nos oito estados e nas quatro semanas testados, pausar a Meta reduziu os pedidos pagos em cerca de 7%. Levar os 7% para o país inteiro é uma hipótese a testar em outra rodada, com mais regiões.

O modelo de mix de mídia olha anos, e o Meridian está em alpha para poucos clientes

A modelagem de mix de mídia (MMM, na sigla em inglês) relaciona o gasto agregado por canal com o resultado ao longo do tempo, sem cookie e sem identificador de pessoa. Por isso ela enxerga canais que a tag não vê, como rádio e TV. Ela precisa de anos de histórico com variação de gasto e devolve estimativas com incerteza, nunca venda por venda. O Meridian é o modelo de código aberto do Google para isso.

Em 24/10/2026, a página do orçamento entre canais descreve o modelo baseado em Meridian como alpha, limitado a clientes selecionados do Analytics 360. O anúncio de 20 de maio de 2026, que falava no futuro, é o histórico desse caminho. Para uma propriedade padrão como a da Verde Vivo, ele não existe dentro do Analytics. Sobra o que sempre valeu: experimento desenhado pela equipe, pedidos por região conferidos com a loja e, quando houver histórico e gente, um modelo próprio sobre a exportação para o BigQuery.

A decisão nasce do teste e volta para o painel

A conclusão do experimento é a queda estimada de cerca de 7% nos estados testados. A decisão de verba pediu mais uma conta: com contribuição de cerca de R$ 82 por pedido, os 29 pedidos a menos em quatro semanas valem perto de R$ 2.400, a comparar com o que a Meta custou nesses estados no período. Reduzir a verba em um terço e concentrar o restante em quem já visitou a loja virou a hipótese da segunda rodada, em novembro, com oito estados em cada grupo, desenhada para testar exatamente essa mudança. O plano de cenário, quando apareceu na propriedade, sugeriu um movimento parecido; a equipe registrou a coincidência sem tratá-la como prova.

Na sua empresa, escolha o canal pago em que a distância entre o que a plataforma reivindica e o que o Analytics credita é maior. Escreva a hipótese de um teste por região com grupos pareados, métrica de proteção e o efeito mínimo que justificaria mudar a verba. Se esse efeito for menor do que o ruído das semanas comuns, o teste precisa de mais tempo ou mais regiões antes de começar. A leitura desses números para a gestão continua em Painéis nativos do Analytics: o que a gestão precisa ver.