Artigos
Investimento em marketing mix modeling prepara big techs para mundo pós-cookies

*Daniel Guinezi
Desde que as primeiras normas regulatórias sobre o uso de dados pessoais começaram a circular, em meados de 2016, as plataformas de mídia vêm se preparando para uma realidade na qual o acesso a esses dados não é mais tão facilitado. Paralelamente, profissionais de marketing e publicidade travam uma batalha antiga contra os modelos tradicionais de mensuração e segmentação de estratégias de mídia, galgados em cima das facilidades que essas plataformas vêm oferecendo até então.
Por um lado sendo pressionados a se adaptar a um mundo ainda incerto e, por outro, buscando inovar constantemente à medida que novas soluções prometem retornos sobre ativos (ROAs) cada vez mais agressivos, um fantasma paira sobre as big techs e seus anunciantes, que podem se ver lidando com bloqueios de third-party cookies no futuro: como mensurar e otimizar investimentos em mídia com o menor risco possível e de forma cada vez mais independente?
Nos últimos anos, as gigantes do setor de tecnologia Google e Meta, responsáveis pelas principais plataformas de anúncio utilizadas hoje no marketing digital, têm feito investimentos significativos em frameworks de marketing mix modeling (MMM). O Google se prepara para lançar ao grande público sua própria solução para integração e mensuração de mídia na forma do Google Meridian, em resposta à Meta, que saiu na frente com o projeto Robyn.
O Google Meridian é um framework avançado de MMM que utiliza uma combinação de técnicas de análise de dados e algoritmos de machine learning para fornecer insights profundos sobre o desempenho de campanhas de marketing, enriquecendo suas análises com fatores exógenos de venda, sazonalidade e eventos específicos de cada setor.
Já o Meta Robyn busca cruzar e analisar dados de engajamento e comportamento do usuário nas plataformas sob o guarda-chuva da Meta, como Facebook e Instagram, e vincular esses dados aos resultados de negócios das empresas. Além disso, o Meta Robyn utiliza algoritmos avançados de IA para identificar padrões de comportamento dos usuários e prever o desempenho futuro das campanhas de marketing em sua plataforma de anúncios, possibilitando análises preditivas mais detalhadas.
Em ambos os casos, a integração de dados permite uma análise abrangente do mix de marketing e uma compreensão mais completa do impacto de cada variável no lucro da empresa.
Embora esteja em alta agora, o MMM não é novidade e nem exclusividade das big techs. A ferramenta remonta às raízes da economia e da econometria, tendo sido originalmente desenvolvida para analisar o impacto das diferentes variáveis de marketing nas vendas no final do século XIX e início do século XX, quando economistas e estatísticos começaram a explorar maneiras de quantificar o impacto das variáveis de marketing nas vendas e nos resultados comerciais das empresas.
Foi durante os anos 1960 e 1970 que o MMM começou a ganhar destaque como uma técnica econometricamente sólida para analisar o mix de marketing. Com o avanço de tecnologias que favoreceram a análise de dados, o MMM evoluiu para se tornar uma solução capaz de processar um grande volume de dados com diversas variáveis e fornecer insights rápidos e precisos. Atualmente, algoritmos avançados de IA, quando acoplados a esses frameworks, podem identificar padrões complexos com uma análise mais granular e em tempo real, permitindo que as empresas otimizem suas estratégias de forma ainda mais ágil e eficiente.
Com o fim iminente dos cookies de terceiros e a implementação de leis de privacidade mais severas, como a GDPR na União Europeia, a CCPA na Califórnia e a LGPD no Brasil, as empresas que investem amplamente em publicidade online enfrentam desafios significativos na hora de trackear o comportamento dos consumidores e personalizar suas estratégias de marketing de maneira eficaz.
Isso inclui um aumento da dependência de canais proprietários, maiores lacunas de atribuição e necessidade potencial de exploração de tecnologias como single sign on e contextual targeting, além da adoção de abordagens baseadas em consentimento e transparência no uso e tratamento de dados dos usuários.
O MMM ressurge como uma solução viável para superar muitos desses obstáculos, oferecendo uma abordagem baseada em dados que não depende do rastreamento individual do usuário. A solução também visa diminuir saltos hipotéticos que, no contexto de investimentos milionários em mídia, podem, muitas vezes, comprometer tomadas de decisão altamente estratégicas devido à incerteza sobre a assertividade dos KPIs do negócio.
Nesse contexto, o marketing mix modeling emerge novamente como uma ferramenta essencial para as empresas permanecerem competitivas em suas estratégias de marketing. Com o apoio de investimentos das big techs e avanços contínuos em IA e machine learning, a ferramenta está se adaptando às demandas do mundo moderno, oferecendo uma abordagem baseada em dados que respeita a privacidade do usuário e proporciona mais segurança, objetividade e transparência nos investimentos em mídia.
*Daniel Guinezi – CEO da martech Uncover
Artigos
A era do B2A já começou e as empresas ainda estão falando com o público errado

*Victor Paiva
Durante anos, o marketing B2B operou sob uma lógica relativamente previsível: marcas falando com pessoas, disputando atenção, construindo autoridade e, no melhor dos cenários, gerando demanda. Mas essa dinâmica acaba de mudar e de forma silenciosa.
A ascensão dos agentes de inteligência artificial inaugurou uma nova camada nas relações de mercado: a era do B2A, ou Business to Agent. Não se trata apenas de automação ou ganho de eficiência operacional. Estamos falando de sistemas que passam a intermediar decisões, filtrar informações, recomendar fornecedores e, em muitos casos, decidir antes mesmo que um humano entre em cena.
Isso muda tudo.
Se antes o desafio era ser relevante para quem decide, agora é preciso ser compreendido, interpretado e priorizado por quem recomenda: os algoritmos. E isso exige uma revisão profunda das estratégias de marketing e vendas, especialmente no universo B2B, onde o ciclo de decisão é mais complexo.
Hoje, agentes de IA já participam ativamente da jornada de compra. Eles resumem pesquisas, comparam soluções, analisam reputação digital e indicam caminhos com base em critérios objetivos. Nesse cenário, não basta mais ter um bom discurso. É preciso ter uma presença digital estruturada, consistente e, acima de tudo, legível para máquinas.
Isso começa por algo básico, mas negligenciado por muitas empresas: organização de dados. Sites confusos, conteúdos genéricos, informações desatualizadas, além da falta de clareza, dificultam não só a experiência humana, mas também a interpretação por sistemas de IA. Se o algoritmo não entende o que você faz ou não encontra evidências confiáveis, você simplesmente deixa de existir na nova lógica de recomendação.
Outro ponto crítico é a autoridade digital. Durante muito tempo, a autoridade foi associada à percepção humana: branding, reputação, presença em eventos. Agora, ela passa também por sinais objetivos: consistência de conteúdo, menções qualificadas, avaliações, tempo de resposta e coerência de informações em diferentes canais. Agentes de IA não “acreditam” em marcas, eles validam dados e apresentam fatos.
Isso impacta diretamente a geração de demanda. O funil tradicional, baseado em atração, nutrição e conversão, começa a ser redesenhado. Parte desse processo passa a ser mediado por sistemas que chegam ao lead já com uma pré-análise feita. Isso encurta ciclos, aumenta a exigência sobre a clareza da oferta e reduz o espaço para abordagens superficiais e exige transformar o relacionamento comercial.
Esse movimento já começa a se refletir no mercado de trabalho. Análises recentes da Organização Internacional do Trabalho (OIT) indicam que a inteligência artificial não necessariamente substitui funções, mas reconfigura tarefas dentro das ocupações, ampliando o nível de exposição à tecnologia em diferentes setores. O impacto, portanto, não está apenas na eliminação de postos, mas na transformação do trabalho como um todo, exigindo novas competências e acelerando a necessidade de adaptação por parte de empresas e profissionais.
No Brasil, essa transformação tende a ser ainda mais desafiadora. Embora o país apareça entre os líderes globais em automação e adoção de IA, muitas empresas ainda convivem com sistemas legados, processos fragmentados e baixa maturidade digital. Na prática, isso revela um paradoxo: o Brasil avança rápido na adoção de IA, mas ainda lento na capacidade de transformar tecnologia em valor de negócio. Esse descompasso tende a se tornar um dos principais fatores de diferenciação competitiva nos próximos anos.
O resultado pode ser uma nova divisão de mercado. De um lado, empresas e profissionais que enxergam a inteligência artificial como estratégia de negócio e investem em governança, integração, capacitação e geração de valor. Do outro, organizações que seguem tratando IA apenas como ferramenta pontual, sem revisar processos, cultura ou modelo operacional.
Alguns setores B2B tendem a sair na frente nessa corrida. Tecnologia, serviços financeiros, saúde e indústrias com alto nível de digitalização já possuem uma base mais estruturada para incorporar agentes de IA em suas operações. Mas a oportunidade não está restrita a esses segmentos, ela está disponível para qualquer empresa disposta a reorganizar sua forma de comunicar, vender e se posicionar.
A grande mudança, no fim das contas, é de perspectiva.
Não estamos mais apenas competindo por atenção. Estamos competindo por interpretação.
E, na era do B2A, vence quem consegue ser compreendido primeiro pelas máquinas, depois pelas pessoas.
*Victor Paiva – Fundador da HIP, agência especializada em storytelling e marketing B2B.
Artigos
A nova fronteira do retail media onde creators, dados e varejo se encontram

*Mateus Gonçalves
Segundo o DataReportal, estudo realizado com apoio da Meltwater e da We Are Social, cerca de 70% dos brasileiros estão conectados às redes sociais, o que representa um universo de aproximadamente 150 milhões de pessoas interagindo digitalmente. Complementando esse cenário, uma pesquisa da Youpix em parceria com a Nielsen, realizada em fevereiro de 2025, aponta que 80% dos brasileiros já tomaram decisões de compra influenciados por creators digitais.
Esses dados reforçam um comportamento já evidente: no Brasil, os influenciadores desempenham um papel central na jornada de consumo. Ao mesmo tempo, revelam uma grande oportunidade para o Retail Media, ao conectar varejo, dados e creators de forma estratégica para potencializar a tomada de decisão do consumidor no momento certo e no canal mais relevante.
Essa parece, em primeira instância, uma resposta fácil, basta criar campanhas utilizando influenciadores e os espaços de mídias habituais. Não é tão simples. A diferença entre o Retail Media e as mídias tradicionais (aqui podemos incluir mídias sociais como tradicionais) está diretamente vinculada a um entendimento mais profundo sobre o perfil de compra de um determinado cliente, o que significa que o diferencial do Retail Media consiste em compreender não apenas o dado comportamental do cliente, mas toda a sua jornada de consumo. Isso porque as marcas de produtos fitness, por exemplo, podem até encontrar o cliente interessado em assuntos de academia, mas só o varejista é capaz de entender se esse cliente coloca, além do Whey, chocolate e salgadinho no carrinho.
Se levarmos em conta que, segundo a YouPix, 50% dos brasileiros ativos nas redes sociais preferem comprar produtos indicados por especialistas da área, em especial influenciadores entre 10 mil e 1 milhão de seguidores, em vez de celebridades, fica evidente o potencial estratégico dos creators de médio porte na construção de relevância, confiança e conversão. A partir deste cenário, chegamos a uma clara fórmula de sucesso: com os dados do varejo entendemos o perfil de compra do consumidor e com os influenciadores falamos diretamente com esse mesmo consumidor por meio de um canal de confiança.
Mas atenção, a estratégia deve ser clara: o influenciador precisa estar ligado à sua marca, a confiança do consumidor final é essencial para o resultado da estratégia de mídia. Pois, a partir dessa integração, as mídias do varejista, como offsite e DOOH, tornam-se canais estratégicos de amplificação, enquanto as redes sociais ativam a base mais consolidada de consumidores e as telas em loja reforçam a mensagem no momento decisivo da compra. Estudos globais de mercado conduzidos por consultorias como McKinsey e BCG, além de entidades como IAB e NielsenIQ, indicam que esse modelo omnichannel de Retail Media pode multiplicar o retorno sobre o investimento em até 5 a 10 vezes e gerar incremento de até 60% nas vendas das marcas.
Por fim, vale concluir que os dados transacionais, conteúdo personalizado e perfil com autoridade e confiança podem gerar um resultado sem precedentes. E essa é uma estratégia que apenas o Retail Media consegue construir.
*Mateus Gonçalves – Gerente de operações digitais na Unlimitail, plataforma de retail media do Grupo Carrefour








