A maioria das análises de marketing existe para sobreviver a reuniões. Dashboards que ninguém abre entre uma reunião de resultados e a seguinte, modelos de atribuição dos quais todo mundo desconfia em silêncio e apresentações trimestrais desenhadas para que nunca se force uma decisão. Construo uma mensuração que resistiria a ser explicada em voz alta, para o seu CFO ou para o próprio cliente que está sendo medido.
O tracking é auditado antes de ganhar confiança, porque é na configuração que ninguém confere que os números erram primeiro. A atribuição é tratada como um conjunto de mentiras úteis que precisam ser trianguladas, trazendo de volta ao quadro as ligações telefônicas e os resultados offline que o seu dashboard hoje ignora. A incrementalidade é comprovada com testes de holdout que qualquer time de marketing consegue rodar, sem precisar de um departamento de ciência de dados; foi assim que validei um retorno de 342 para 1 quando a versão dos fatos contada pelo dashboard era boa demais para eu assinar embaixo. O marketing mix modeling entra quando o volume investido e a distribuição entre canais o justificam, com um não bem claro quando não justificam. E a governança, a disciplina profundamente chata de UTMs e nomenclatura, decide se as perguntas do ano que vem vão sequer ter resposta.
O padrão de entrega vem do melhor cliente que já tive. Toda análise termina em uma decisão, com o número que a mudaria declarado de antemão. Os dashboards são refeitos até que as pessoas a quem se destinam passem de fato a abri-los, o que em geral significa menos gráficos, linguagem mais clara e uma página que diz o que fazer na segunda-feira.
Aqui, privacidade é restrição de projeto: mensuração condicionada ao consentimento, dados primários postos para trabalhar, clean rooms alimentadas só com dados primários limpos o bastante para dar match e estruturas para categorias reguladas que já passaram pelo crivo da HIPAA, a lei americana de privacidade em saúde. Se os seus números transmitem segurança e as suas decisões não, o projeto é justamente fechar essa distância. Costuma levar menos tempo que as três últimas apresentações de fornecedores que você teve de aguentar, e termina com números que você vai defender sem pestanejar.
Números que você defende em voz alta
O projeto é levar às decisões a confiança que os dashboards transmitem.
Vamos conversarPerguntas frequentes
Precisamos de um time de ciência de dados para rodar testes de holdout?
Não. Um holdout compara um grupo que vê os anúncios com um grupo equivalente que não vê, e um time de marketing consegue desenhar e ler um teste desses com o tamanho de amostra certo. O retorno de 342 para 1 do eBay foi validado assim.
Em qual modelo de atribuição devemos confiar?
Use vários e não confie em nenhum deles sozinho. Os relatórios das plataformas, o analytics e os modelos multitoque enxergam, cada um, uma parte do quadro, então o trabalho triangula essas fontes, acrescenta ligações e vendas offline e resolve com testes de holdout as perguntas que importam.
A mensuração ainda funciona com regras de consentimento e com a HIPAA?
Sim. As tags disparam com consentimento, os dados primários fazem o trabalho que lhes é permitido e as estruturas para categorias reguladas já passaram pelo crivo da HIPAA, a lei americana de privacidade em saúde.
Do blog The Signal, em inglês
Ver todas as notasImpressions Are Not Created Equal. Frequency Should Not Be Either.
A search impression, a feed impression, and a banner impression are three different events wearing one name. Why every channel needs its own frequency math.
27 de junho de 2026Most Attribution Dashboards Get Built and Then Ignored
A dashboard nobody opens has a trust problem. The fix is admitting uncertainty on the dashboard itself instead of hiding it behind false precision.
3 de abril de 2026Marketing Mix Modeling Came Back From the Dead Because Nothing Else Survived
MMM was the dusty econometrics of big TV advertisers until signal loss made it modern again. What mix modeling does, what it needs, and who should wait.
1º de abril de 2026You Do Not Need a Data Science Team to Run a Holdout
Incrementality testing sounds like a research department. It is a spreadsheet, a map, and the discipline to leave some money on the table for six weeks.
25 de março de 2026Every Attribution Model Is Wrong. Choose the One Wrong in Your Favor.
First-touch, last-touch, linear, data-driven: what each marketing attribution model assumes, what it hides, and how to use models without believing them.
24 de março de 2026Your Match Rate Is the Ceiling on Everything Else
Every first-party data strategy depends on one unglamorous number: how much of your customer file the platforms can recognize. Typical is about 20 percent.
