Eu continuo usando ROAS para acompanhar mídia. O problema começa quando ele vira a principal prova de que uma campanha gerou crescimento. ROAS mede retorno atribuído à publicidade, mas não responde sozinho quantas vendas realmente aconteceram por causa dela.
Essa diferença parece pequena no dashboard, mas pode mudar completamente uma decisão de orçamento.
Eu já vi esse cenário muitas vezes.
O painel mostra ROAS alto.
A campanha parece eficiente.
A equipe aumenta investimento.
Mas o faturamento consolidado praticamente não reage.
Quando isso acontece, a pergunta que eu faço é:
essa mídia criou novas vendas ou apenas recebeu crédito por vendas que aconteceriam de qualquer forma?
É exatamente essa pergunta que a incrementalidade tenta responder.
O que é incrementalidade no marketing?
Incrementalidade é a medição do resultado adicional causado por uma ação de marketing em comparação com o que teria acontecido sem ela.
Em outras palavras, eu tento separar:
- vendas que aconteceram por causa da campanha;
- vendas que foram apenas atribuídas à campanha;
- vendas que provavelmente aconteceriam mesmo sem aquela exposição.
Essa distinção é fundamental.
O próprio Google define experimentos de incrementalidade como uma forma de medir o impacto causal da publicidade. No Conversion Lift, por exemplo, compara-se um grupo exposto aos anúncios com um grupo de controle que não recebeu aquela exposição. A diferença entre os dois representa o lift incremental.
Para mim, essa é uma evolução importante na forma de analisar mídia.
Eu deixo de perguntar apenas:
“quem recebeu o crédito pela venda?”
E passo a perguntar:
“o que mudou porque eu investi?”
ROAS e incrementalidade são a mesma coisa?
Não. ROAS mede retorno sobre o investimento publicitário com base nas conversões atribuídas. Incrementalidade tenta medir o impacto causal da publicidade.
Essa diferença precisa ficar muito clara.
De forma simples:
ROAS responde:
quanto valor de conversão foi atribuído para cada real investido?
Incrementalidade responde:
quanto resultado adicional apareceu porque a campanha existiu?
O próprio Google diferencia conversões atribuídas das conversões incrementais.
Conversões atribuídas dependem das configurações de tracking, janelas de atribuição e regras do modelo utilizado.
Conversões incrementais são calculadas a partir da diferença entre grupos de tratamento e controle em um experimento de lift.
As duas métricas são úteis.
O erro é pedir que uma responda à pergunta da outra.
Por que um ROAS alto pode enganar?
Porque uma plataforma pode atribuir vendas a uma campanha mesmo quando parte dessas vendas provavelmente aconteceria sem aquela mídia.
Isso costuma ficar especialmente relevante em campanhas próximas da conversão.
Por exemplo:
- busca pela própria marca;
- remarketing;
- públicos muito aquecidos;
- clientes recorrentes;
- consumidores que já estavam avançados na jornada.
Imagine alguém que pesquisaria diretamente pela sua marca e compraria de qualquer forma.
Ele recebe um anúncio.
Clica.
Compra.
A plataforma atribui a conversão à campanha.
Do ponto de vista de atribuição, isso pode estar correto.
Mas existe outra pergunta:
a publicidade gerou aquela compra ou apenas participou de uma compra que já estava muito próxima de acontecer?
Sem um teste causal, eu não tenho como afirmar com segurança.
Esse é o limite do ROAS isolado.
Nem toda venda atribuída é uma venda incremental
Essa é uma frase que eu considero importante para qualquer gestor de e-commerce:
atribuição significa crédito. Incrementalidade significa causalidade.
Uma campanha pode participar de uma venda sem necessariamente ser responsável por criar aquela venda.
É por isso que considero perigoso montar toda a distribuição de verba olhando apenas para o relatório da própria plataforma.
Cada canal enxerga a jornada pela sua perspectiva.
Meta pode atribuir.
Google pode atribuir.
Afiliados podem atribuir.
CRM pode influenciar.
Tráfego direto pode participar.
No final, todos podem querer algum crédito sobre a mesma receita.
Mas o caixa da empresa continua tendo apenas uma venda.
O que é atribuição no marketing?
Atribuição é o processo de distribuir crédito pela conversão entre os diferentes pontos de contato da jornada do consumidor.
Ela tenta responder perguntas como:
- qual anúncio participou da venda?
- qual canal teve o último clique?
- qual campanha apareceu durante a jornada?
- quanto crédito cada interação deveria receber?
Modelos diferentes podem produzir respostas diferentes.
Por isso, atribuição continua sendo importante para entender jornadas e otimizar campanhas.
Eu não defendo abandonar atribuição.
Defendo entender sua função.
Atribuição ajuda a interpretar participação. Incrementalidade ajuda a investigar impacto.
São duas lentes diferentes sobre o mesmo negócio.
Quando eu começo a desconfiar do ROAS?
Eu fico mais atento quando a mídia parece crescer muito melhor no dashboard do que o negócio cresce no faturamento real.
Alguns sinais chamam minha atenção.
ROAS sobe, mas receita total quase não muda
Se a campanha diz que está gerando muito mais receita, eu espero encontrar algum reflexo no resultado consolidado.
Fundo de funil concentra quase todo o resultado
Marca e remarketing podem ser excelentes canais.
Mas, quando recebem praticamente todo o crédito, eu começo a investigar quanto daquela demanda já existia.
Aumentar investimento não aumenta proporcionalmente o negócio
É normal que eficiência diminua com escala.
Mas, quando adicionamos muita verba e quase não vemos efeito marginal, existe algo para analisar.
Cortar mídia provoca impacto menor do que o esperado
Isso pode indicar que parte do resultado atribuído não era realmente incremental.
Não significa automaticamente que a campanha era ruim.
Significa que precisamos medir melhor seu papel.
O que é receita incremental?
Receita incremental é a receita adicional que pode ser atribuída causalmente à ação de marketing, acima do que ocorreria sem ela.
Imagine este exemplo simplificado.
Um grupo exposto à campanha gera R$ 120 mil em receita.
Um grupo comparável, sem exposição, geraria R$ 100 mil no mesmo contexto.
O efeito incremental estimado seria de R$ 20 mil.
Não significa que os R$ 120 mil devam ser tratados como receita criada pela campanha.
É justamente essa diferença que experimentos tentam identificar.
Na prática real, a análise precisa ser mais cuidadosa porque grupos, sazonalidade, tamanho de amostra e desenho experimental interferem nos resultados.
Mas o princípio é esse.
Não quero saber apenas quanto aconteceu durante a campanha. Quero estimar quanto aconteceu por causa dela.
O que é iROAS?
iROAS é o retorno incremental sobre o investimento em publicidade. Em vez de usar todo o valor atribuído, ele considera o valor incremental identificado pelo experimento.
O Google atualmente inclui iROAS entre as métricas possíveis em estudos de Conversion Lift baseados em usuários, quando existe valor associado às conversões. A plataforma também apresenta ROAS incremental nos estudos geográficos.
A lógica é parecida com o ROAS tradicional:
valor incremental gerado ÷ investimento publicitário.
Para mim, essa métrica pode ser muito mais interessante quando a pergunta é:
“quanto de crescimento adicional este investimento produziu?”
Ainda assim, eu não substituiria todos os indicadores por um único novo número.
Medição madura exige triangulação.
Como medir incrementalidade?
A forma mais confiável é criar algum tipo de contrafactual: um grupo ou cenário comparável que represente o que provavelmente aconteceria sem a campanha.
Sem isso, eu apenas observo correlação.
Para investigar causalidade, preciso de comparação.
Existem alguns caminhos.
1. Testes de holdout
Em um holdout, uma parcela comparável do público fica sem receber determinada exposição de mídia.
Depois, comparo o comportamento entre:
grupo de tratamento, que recebeu a campanha;
grupo de controle, que não recebeu.
Se o grupo exposto converte significativamente mais, consigo estimar parte do efeito incremental.
É a lógica usada em diferentes estudos de lift.
2. Conversion Lift
Conversion Lift mede a diferença de conversões entre pessoas ou regiões expostas e grupos de controle comparáveis.
O Google disponibiliza atualmente Conversion Lift baseado em usuários e baseado em geografia, embora o recurso não esteja disponível para todas as contas.
Entre as métricas disponíveis podem aparecer:
- conversões incrementais;
- lift relativo;
- valor de conversão incremental;
- custo por ação incremental;
- iROAS;
- ROAS incremental em estudos geográficos.
Isso já mostra uma mudança importante no mercado.
As próprias plataformas estão tentando complementar métricas tradicionais de atribuição com mensuração causal.
3. Experimentos geográficos
Geo experiments comparam regiões semelhantes em que a intensidade ou presença da mídia é diferente.
Por exemplo:
determinadas regiões recebem a campanha;
outras comparáveis funcionam como controle.
Depois, eu observo a diferença no comportamento.
O Google utiliza exatamente essa lógica em sua modalidade geográfica de Conversion Lift, agregando dados em regiões e comparando áreas expostas com áreas não expostas.
Essa abordagem pode ser especialmente útil quando um holdout individual não é viável.
4. Pausas controladas
Pausar um canal ou grupo de campanhas de forma planejada pode gerar aprendizado, mas exige muito cuidado para não confundir outros efeitos com incrementalidade.
Eu não faria isso simplesmente desligando mídia na segunda-feira e comparando com domingo.
É preciso observar:
- sazonalidade;
- promoções;
- concorrência;
- diferença entre dias da semana;
- estoque;
- preço;
- mudanças no site;
- outros canais ativos.
Quanto melhor o desenho, mais confiável a interpretação.
Por que comparar antes e depois não é suficiente?
Porque vendas podem mudar por dezenas de motivos além da campanha.
Imagine que eu aumente mídia em novembro e as vendas cresçam.
Foi a campanha?
Talvez.
Mas também pode ter sido:
- Black Friday;
- aumento da procura;
- mudança de preço;
- melhor estoque;
- crescimento orgânico;
- influência da marca;
- entrada de novos produtos.
Só observar uma curva subindo depois de aumentar mídia não prova causalidade.
Esse é justamente o motivo de grupos de controle e experimentos existirem.
Como comparar canais de maneira mais justa?
Eu não comparo todos os canais apenas pelo mesmo ROAS, porque cada um pode desempenhar um papel diferente na formação e captura de demanda.
Uma campanha de marca e uma campanha de prospecção não começam do mesmo ponto.
O fundo de funil costuma capturar consumidores mais próximos da compra.
Topo e meio podem trabalhar consumidores que ainda estão formando consideração.
Se eu comparar tudo apenas pelo último número de ROAS, naturalmente posso favorecer quem aparece mais perto da conversão.
Por isso, além de ROAS, eu observo:
- receita incremental;
- iROAS;
- custo por conversão incremental;
- aquisição de novos clientes;
- margem;
- CAC;
- recorrência;
- volume total;
- participação de novos consumidores;
- crescimento da receita consolidada.
Não significa que todos esses indicadores devam estar no mesmo dashboard.
Significa que a pergunta de negócio precisa determinar a métrica.
Incrementalidade significa que campanhas de marca e remarketing são ruins?
Não. Esse seria outro erro.
Campanhas de marca podem proteger presença nos resultados, melhorar experiência, controlar mensagem e participar estrategicamente da jornada.
Remarketing também pode ser extremamente útil.
A questão não é classificá-los como bons ou ruins.
É entender seu impacto marginal.
Se eu descubro que determinado remarketing possui pouca incrementalidade, posso:
- ajustar frequência;
- restringir público;
- reduzir investimento;
- testar novas janelas;
- transferir parte da verba para prospecção.
A análise serve para melhorar alocação.
Não para demonizar canais.
O que acontece quando eu aumento muito o orçamento?
O efeito marginal da verba pode diminuir conforme a campanha escala.
Essa é outra razão pela qual ROAS histórico não deve ser usado como promessa de crescimento linear.
Se uma campanha gerou ótimo retorno com R$ 20 mil, não significa que gerará o mesmo retorno com R$ 200 mil.
Ao aumentar investimento, eu posso começar a alcançar:
- públicos menos propensos;
- inventário mais caro;
- consumidores menos qualificados;
- frequência excessiva;
- regiões menos eficientes.
A pergunta passa a ser:
quanto resultado adicional o próximo real investido gera?
Essa é uma visão muito mais útil para decisões de orçamento.
Incrementalidade substitui Marketing Mix Modeling?
Não. Eu vejo incrementalidade, atribuição e Marketing Mix Modeling como abordagens complementares.
O próprio Google passou a apresentar sua mensuração de mídia de forma integrada, combinando três lentes: data-driven attribution, Meridian para Marketing Mix Modeling e experimentos de incrementalidade.
Isso faz sentido para mim.
Atribuição ajuda no nível mais próximo das jornadas e campanhas.
Experimentos ajudam a medir causalidade em situações específicas.
MMM ajuda a avaliar impacto agregado e alocação em horizontes maiores.
Nenhuma metodologia responde perfeitamente a tudo.
Por isso, a palavra que eu usaria aqui é:
triangulação.
Quanto mais importante a decisão, menos confortável eu fico dependendo de uma única fonte de verdade.
Quais métricas eu usaria além do ROAS?
Receita incremental
Quanto de receita adicional a campanha realmente provocou.
iROAS
Quanto retorno incremental apareceu para cada unidade monetária investida.
Conversões incrementais
Quantas conversões adicionais foram causadas pela mídia.
iCPA
Quanto custou gerar uma conversão incremental.
Novos clientes
A campanha está expandindo a base ou apenas trabalhando consumidores recorrentes?
Margem
Receita sem margem pode produzir uma falsa sensação de crescimento.
CAC
Quanto custa adquirir um novo cliente.
Receita consolidada
A evolução aparece somente no painel de mídia ou também no negócio?
Essa última pergunta parece simples.
Eu considero uma das mais importantes.
Toda empresa precisa fazer testes de incrementalidade?
Não necessariamente com o mesmo nível de sofisticação, mas quanto maior a verba e a complexidade da operação, maior tende a ser o valor de uma mensuração causal melhor.
Um e-commerce pequeno talvez não tenha volume suficiente para determinados estudos.
Inclusive, ferramentas como Conversion Lift possuem requisitos de elegibilidade e não estão disponíveis para todas as contas.
Nesse caso, eu não inventaria precisão.
Começaria melhorando:
- tracking;
- qualidade dos dados;
- definição de KPIs;
- leitura por canal;
- comparação com receita consolidada;
- testes possíveis dentro da escala disponível.
Depois, conforme o negócio amadurece, ampliaria a metodologia.
Como eu começaria um projeto de incrementalidade no e-commerce?
Eu começaria por uma decisão de negócio que realmente importa, não simplesmente pelo desejo de executar um experimento.
1. Escolher uma hipótese
Por exemplo:
“Nosso remarketing está gerando vendas incrementais ou capturando principalmente demanda existente?”
2. Definir a métrica
Receita incremental?
Novos clientes?
Conversões?
Margem?
3. Escolher o desenho do teste
Holdout?
Lift baseado em usuários?
Teste geográfico?
4. Garantir volume suficiente
Sem tamanho de amostra adequado, o resultado pode ficar inconclusivo.
5. Evitar alterações desnecessárias durante o teste
Quanto mais variáveis mudarem simultaneamente, mais difícil fica interpretar.
6. Esperar o estudo terminar
O próprio Google recomenda esperar o encerramento do estudo para obter resultados mais precisos em Conversion Lift.
7. Tomar uma decisão de verba
O aprendizado precisa mudar alguma coisa.
Caso contrário, foi apenas um exercício analítico.
Qual é o maior erro ao trabalhar com incrementalidade?
Para mim, é transformar incrementalidade em mais uma métrica bonita no dashboard.
O objetivo não é substituir ROAS por iROAS e continuar tomando as mesmas decisões.
É melhorar a pergunta.
Eu quero descobrir:
- onde existe crescimento real;
- onde estou pagando por demanda que já existia;
- onde existe espaço para escalar;
- qual investimento traz maior retorno marginal;
- onde posso reduzir verba sem prejudicar o negócio.
Essa é uma conversa muito mais próxima da gestão financeira do e-commerce.
E é exatamente por isso que incrementalidade deveria interessar não apenas ao time de mídia.
Ela interessa a marketing, comercial, financeiro e liderança.
Afinal, por que ROAS sozinho pode enganar seu e-commerce?
Porque ROAS mostra retorno atribuído, mas não consegue provar sozinho quanto daquele resultado foi realmente causado pela campanha.
Um ROAS alto pode representar uma excelente ação de mídia.
Pode também representar um canal muito eficiente em capturar demanda que já existia.
E pode ser uma mistura das duas coisas.
Para descobrir a diferença, precisamos ir além da atribuição.
Precisamos testar.
Na Evision, eu prefiro olhar para mídia dessa maneira porque meu objetivo não é construir o dashboard mais bonito.
É entender o que realmente está fazendo o negócio crescer.
ROAS continua na análise.
Mas ele deixa de ser a resposta final.
A pergunta que considero mais importante passa a ser:
se eu não tivesse feito esse investimento, quanto do resultado ainda teria acontecido?
Quando eu consigo responder melhor a isso, também consigo tomar decisões melhores sobre verba, escala e rentabilidade.
Perguntas frequentes
O que é incrementalidade no marketing?
Incrementalidade mede o resultado adicional provocado por uma ação de marketing em comparação com o que provavelmente aconteceria sem ela. É uma abordagem voltada a identificar impacto causal e não apenas atribuição.
Qual a diferença entre ROAS e iROAS?
ROAS utiliza o valor de conversão atribuído à mídia, enquanto iROAS utiliza o valor incremental estimado em um estudo causal. O Google inclui iROAS entre as métricas possíveis em determinados estudos de Conversion Lift.
Como medir incrementalidade no e-commerce?
A forma mais robusta é utilizar experimentos com grupos comparáveis, como holdouts, Conversion Lift baseado em usuários ou testes geográficos. O objetivo é comparar resultados com e sem exposição à publicidade.
ROAS alto significa que a campanha é incremental?
Não. Um ROAS alto indica bom retorno atribuído, mas não comprova sozinho que todas aquelas vendas foram causadas pela publicidade. Para investigar causalidade, é necessário algum método de incrementalidade.
Incrementalidade substitui atribuição?
Não. Eu considero as duas abordagens complementares. Atribuição ajuda a entender participação dos canais na jornada, enquanto incrementalidade ajuda a estimar quanto resultado adicional a mídia realmente provocou.
