Conecte-se com a LIVE MARKETING

Artigos

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

Publicado

2 anos atrás

em

*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

Tópicos relacionados:
Continue lendo

Artigos

O novo valor de estar lá

Publicado

23 horas atrás

em

18 de setembro de 2026

De

*Rodrigo Villaboim

Em um mundo onde quase tudo pode ser criado por inteligência artificial, viver algo de verdade ganha outro peso.

Tenho pensado bastante sobre o impacto da IA no marketing. E, quanto mais observo o que ela já é capaz de fazer, mais chego a uma conclusão que, à primeira vista, parece contraditória: a inteligência artificial pode tornar o Live Marketing ainda mais importante.

Hoje já conseguimos criar textos, imagens, filmes, músicas e campanhas inteiras em uma velocidade que seria inimaginável poucos anos atrás. A capacidade de produzir, testar e personalizar conteúdo tende a crescer ainda mais.

Em Cannes Lions 2026, a IA esteve, obviamente, no centro das discussões. Mas um dado apresentado pela McKinsey me chamou a atenção: quase 60% dos profissionais de marketing já utilizam IA várias vezes por semana, mas apenas 10% redesenharam de fato seus processos para capturar um impacto relevante no negócio.

Estamos usando muito. Mas ainda estamos aprendendo o que fazer com tudo isso.

A própria McKinsey aponta cinco pilares que devem moldar o futuro do marketing: insights, criatividade, personalização, comércio com agentes de IA e orquestração.

Tudo indica que teremos cada vez mais capacidade de produzir conteúdo em escala. E talvez esse seja justamente o ponto.

O conteúdo está ficando abundante.

O problema dos próximos anos talvez não seja mais produzir. Será conseguir atenção. E, principalmente, conseguir confiança.

Uma pesquisa da Deloitte mostra que 70% das pessoas familiarizadas com IA generativa dizem que conteúdos criados por inteligência artificial tornam mais difícil confiar no que veem online. Além disso, 59% afirmam ter dificuldade para distinguir conteúdos produzidos por humanos daqueles gerados por IA.

É nesse cenário que, para mim, o mundo físico começa a ganhar um valor diferente.

Porque existe uma coisa que continua difícil de sintetizar: estar lá.

Entrar em um estádio. Encontrar alguém. Experimentar um produto. Participar de uma convenção. Cantar junto. Conversar. Se emocionar. Voltar para casa contando para alguém o que aconteceu. São experiências que não dependem apenas do conteúdo que consumimos, mas daquilo que sentimos quando estamos presentes.

A Freeman vem estudando justamente o papel da confiança nas experiências presenciais. Seu Trust Report aponta que, enquanto a confiança em diferentes fontes de informação vem caindo, os eventos ao vivo continuam sendo espaços importantes para construir conexões confiáveis.

E aqui existe um paradoxo interessante. Quanto mais tecnologia tivermos, talvez mais valor tenha aquilo que é genuinamente humano.

Não acredito, porém, que isso seja uma disputa entre inteligência artificial e experiência humana. É justamente o contrário.

A IA pode ajudar o Live Marketing a entender melhor os públicos, personalizar jornadas, produzir conteúdos, eliminar tarefas operacionais e melhorar a capacidade de mensurar resultados. Pode tornar uma experiência mais relevante antes, durante e depois de ela acontecer. O ponto é entender onde a tecnologia deve entrar.

Talvez o melhor uso da IA no Live Marketing não seja fazer com que ela apareça mais. Seja permitir que a experiência apareça mais. Durante muito tempo, discutimos como levar o físico para o digital. Criamos experiências híbridas, transmissões, ativações nas redes sociais e diferentes formas de ampliar o alcance de um evento. Talvez agora também seja hora de pensar no movimento contrário: como usar o digital para aumentar o valor do encontro físico.

Outro dado da Deloitte reforça essa possibilidade: 76% das pessoas que já utilizaram IA generativa em projetos ou tarefas dizem que ela amplifica a criatividade humana.

Eu concordo. A tecnologia pode assumir parte daquilo que é escalável, operacional e repetitivo. E, justamente por isso, podemos dedicar mais energia àquilo que não é tão facilmente automatizado: criar encontros, provocar emoções, gerar pertencimento e construir memórias.

Em um mundo onde uma imagem pode não ser real, uma voz pode não ser real, um vídeo pode não ser real e até uma pessoa pode não ser real, viver alguma coisa de verdade ganha outro peso. Talvez esse seja um dos grandes diferenciais do Live Marketing nos próximos anos. Não competir com a tecnologia. Usá-la para tornar a experiência humana ainda mais relevante. A IA vai transformar profundamente o marketing. E eu quero usá-la cada vez mais.

Mas existe uma frase que talvez fique cada vez mais valiosa para as marcas:

Eu estava lá.

*Rodrigo Villaboim – Sócio-fundador da Agência .be Comunica

Continue lendo

Artigos

Quanto mais dados temos sobre o cliente, mais precisamos aprender a conhecê-lo

Publicado

23 horas atrás

em

18 de setembro de 2026

De

*Simone Gasperin
Nunca tivemos tantos dados sobre os consumidores. Sabemos o que pesquisam, onde compram, quais produtos comparam, como navegam e, em muitos casos, conseguimos antecipar interesses antes mesmo de uma decisão de compra. Ainda assim, talvez nunca tenha sido tão fácil confundir saber muito sobre alguém com realmente conhecê-lo.
Pensando no Mês do Cliente, celebrado em setembro, essa contradição merece atenção. Como ouvi de Gal Barradas em um recente evento sobre marketing e tecnologia, dados são, em grande medida, a tangibilização de comportamentos e reações humanas. Uma busca, uma compra, uma reclamação ou um abandono registram algo que uma pessoa fez diante de determinado contexto. O dado captura o sinal mas o desafio continua sendo interpretar o que existe por trás dele.
E esse consumidor também está mudando. A McKinsey & Company chama de resourceful consumer, ou consumidor engenhoso, um perfil que não necessariamente deixou de consumir, mas passou a administrar suas escolhas com mais cuidado. Hoje, 82% dos consumidores afirmam utilizar seus bens por mais tempo antes de substituí-los, enquanto 69% procuram consertar itens danificados em vez de descartá-los.
É um consumidor mais criterioso sobre onde coloca seu dinheiro, mas seria simplista concluir que preço é a única resposta. Experiência, conveniência, atendimento, produto, pós-venda e confiança também compõem a percepção de valor. E existe aqui uma contradição organizacional importante: enquanto o consumidor vive uma única experiência, dentro das empresas ele continua frequentemente fragmentado entre Marketing, CRM, Customer Experience, E-commerce, Produto, Tecnologia, Dados e Atendimento.
Para o consumidor, essas divisões não existem. Ele tem um problema e espera que a empresa o resolva.
No mesmo evento, uma frase do diretor de marketing da Ambev sintetizou bem essa mudança: “não consigo trabalhar sem um time de tech e produto.” Dados, experiência, produto, comunicação e crescimento tornaram-se interdependentes. Se o consumidor é um só, parece cada vez menos coerente que as áreas responsáveis por sua experiência continuem trabalhando de forma apartada. A discussão passa por organizar equipes multidisciplinares em torno de problemas e de um KPI final, integrando negócios, marketing, tecnologia e produto.
A inteligência artificial obviamente complexifica essa discussão. Grande parte das informações disponíveis publicamente na internet já alimenta os grandes modelos de linguagem. E se diferentes empresas têm acesso aos mesmos modelos e a uma base semelhante de conhecimento público, a diferenciação passa a estar naquilo que somente cada organização possui: seus dados, contexto e conhecimento proprietários.
O case da Lu, do Magalu, apresentado no evento, materializa essa lógica. O valor de sua atuação no WhatsApp não está simplesmente em colocar inteligência artificial em uma interface conversacional, mas em conectá-la à estrutura de dados e ao conhecimento construído pela companhia. Em outras palavras, a Lu não é apenas um chatbot: funciona como uma interface sobre uma estrutura de dados proprietária.
Essa distinção é importante porque acumular informação não significa necessariamente compreender melhor. Segundo a Gartner, 58% dos consumidores sentem que as marcas não utilizam as informações disponíveis para compreender suas necessidades reais. Basta pensar na experiência de comprar determinado produto e continuar recebendo publicidade exatamente daquele item. A empresa registrou corretamente o comportamento, mas interpretou mal o seu significado.
A IA amplia nossa capacidade de organizar informações, identificar padrões e personalizar interações, mas também pode ampliar nossa capacidade de reproduzir interpretações ruins em escala. Como disse Caio Gomes da Magalu, no mesmo evento: automatizar uma tarefa dentro de um processo mal desenhado acelera o processo errado.
Por isso, gosto de pensar a inteligência artificial como uma tecnologia que deve funcionar muito bem “na cozinha”, sem necessariamente dominar todo o “cardápio”. Ela pode organizar grandes volumes de informação, acelerar análises, identificar padrões e reduzir fricções. Mas alguém ainda precisa decidir o que esses padrões significam.
E existe uma dimensão dessa relação que não pode ser reduzida a dados: confiança. Consumidores que confiam em uma marca e a consideram relevante são 35% mais propensos a permanecer leais. Empresas que conseguem incorporar criatividade de maneira consistente ao produto, atendimento e experiência apresentam taxas de retenção 45% superiores. Confiança não é construída apenas pelo que uma empresa comunica, mas pela coerência entre aquilo que promete e aquilo que as pessoas efetivamente experimentam.
Essa dimensão pode se tornar ainda mais importante à medida que interações sintéticas se multiplicam. Quanto mais empresas utilizarem os mesmos algoritmos, modelos e recomendações para otimizar suas comunicações, maior será o risco de todas começarem a soar semelhantes. Podemos chegar a marcas extremamente eficientes, mas pouco memoráveis.
Pessoas não se conectam a informações, se conectam a histórias, experiências e, especialmente, a outras pessoas.
Conhecer o cliente, portanto, não é saber tudo sobre ele. É interpretar o que realmente importa e transformar informação em experiências que façam sentido. Podemos ter algoritmos cada vez melhores para prever comportamentos, agentes capazes de tomar decisões em segundos e estruturas de dados acompanhando praticamente toda a jornada do consumidor. Mas, quanto mais sabemos sobre ele, maior e mais desafiadora se torna nossa responsabilidade de compreender o que esses dados estão realmente tentando nos dizer.
*Simone Gasperin – Sócia e head de marketing da BPool.
Continue lendo