Como identificámos uma diferença de 5,8 vezes entre a receita reportada pela Meta e a receita real das campanhas.

O contexto

A operação utilizava campanhas de Meta Ads para captar novos clientes para um produto de entrada na área da educação online. O produto tinha um valor de 23 €.

Ao olhar apenas para o painel da Meta, os resultados pareciam muito inferiores à realidade. A plataforma reportava aproximadamente 2.046 € em receita.

No entanto, este valor não representava todas as compras realizadas por pessoas que tinham entrado através dos anúncios.

O problema

Nem todas as vendas eram corretamente atribuídas pela plataforma. Isto podia acontecer porque:

• o cliente não comprava imediatamente depois de clicar
• a compra acontecia noutro dispositivo
• existiam limitações de tracking
• o percurso entre anúncio e compra incluía várias interações
• a informação do comprador não era cruzada com a lead original

Como resultado, o painel apresentava uma visão incompleta da receita. Se a decisão fosse tomada apenas com base nesses dados, campanhas rentáveis poderiam parecer pouco eficazes.

O que implementámos

Criámos um processo de correspondência entre as pessoas captadas pelos anúncios e os compradores reais.

1. Organização das leads geradas

As leads foram organizadas de acordo com a sua origem e os dados recolhidos durante a captação.

2. Cruzamento com os compradores

Os dados das leads foram comparados com os dados das encomendas. A análise foi feita comprador a comprador, permitindo identificar vendas que não estavam atribuídas pela plataforma.

3. Identificação da receita real

Cada compra identificada foi associada à origem publicitária da lead. Assim, tornou-se possível calcular a receita efetivamente gerada pelas campanhas.

4. Cálculo do custo por novo cliente

Em vez de avaliar apenas o custo por lead ou o retorno apresentado pela Meta, calculámos quanto tinha sido investido por cada novo cliente adquirido.

5. Correção da leitura dos resultados

A operação passou a distinguir a receita reportada pela plataforma, a receita identificada através da correspondência de dados, os novos clientes gerados e o investimento por cliente adquirido.

Os resultados

A análise permitiu identificar 591 novos clientes com origem nas campanhas. O investimento médio por novo cliente foi de 11,92 €.

A Meta reportava aproximadamente 2.046 € em receita. Ao cruzarmos as leads e os compradores, identificámos cerca de 11.861 € em receita associada às pessoas captadas através dos anúncios.

Isto representava 5,8 vezes mais receita do que a plataforma estava a reportar.

O painel mostrava uma parte das vendas. Os dados dos compradores mostravam o resultado real.

O que mudou na operação

A empresa deixou de depender exclusivamente do painel da Meta para avaliar os resultados. Passou a conseguir perceber:

• quantos novos clientes tinham origem nos anúncios
• quanto custava adquirir um novo cliente
• quanta receita estava efetivamente associada às campanhas
• que diferença existia entre atribuição da plataforma e dados reais
• que campanhas mereciam continuar a receber investimento

A análise também mostrou que uma campanha pode parecer pouco rentável quando o problema está na medição, e não necessariamente na aquisição.

Conclusão

As plataformas de publicidade não conseguem atribuir todas as vendas de forma perfeita.

Por isso, empresas com volume de leads e clientes precisam de cruzar os dados das campanhas com os seus próprios dados de vendas. Sem essa ligação, decisões importantes podem ser tomadas com base numa visão incompleta.

Metodologia: os valores acima resultam do cruzamento entre os dados das plataformas de publicidade e os registos comerciais do cliente. As métricas de receita e de vendas estão associadas às oportunidades acompanhadas, o que não equivale a uma relação de causa única. O nome do cliente é omitido por acordo de confidencialidade.