Por que seus números mentem: como ler métricas em conjunto e parar de se enganar com médias
Por Jonatha Braga
No artigo anterior, falamos sobre os quatro níveis de análise e como a maioria das operações para no descritivo. Mas existe um problema que acontece ainda antes disso: analisar o número certo da maneira errada.
Você pode estar fazendo as perguntas certas e ainda chegar à conclusão errada. Não porque os dados são ruins. Mas porque está lendo uma métrica isolada ou confiando em uma média que esconde mais do que revela.
Relação de causa e efeito entre métricas
Métricas de marketing não existem de forma isolada. Elas se influenciam, se contradizem e, quando lidas separadamente, contam histórias incompletas.
O ROAS subiu? Antes de comemorar, verifique se o volume de conversões não caiu pela metade porque você reduziu o investimento. O negócio pode ter vendido menos com o número parecendo melhor.
Um framework simples para começar: antes de analisar qualquer métrica, identifique o que a influencia e o que ela influencia. O CTR influencia o CPC. O CPC influencia o CPL. O CPL influencia o CAC. Quando o CAC sobe, a maioria das equipes olha para o CAC. O correto é voltar para o início da cadeia e encontrar onde a ruptura aconteceu.
Volume vs eficiência: o erro mais comum
Eficiência é o quanto você gasta para gerar um resultado. Volume é o quanto desse resultado você gera em termos absolutos. Confundi-los é uma das formas mais comuns de tomar uma decisão que parece certa e destrói resultado.
Exemplo: uma campanha opera com CPL de R$ 42 e gera 200 leads por mês. A equipe concentra orçamento nos melhores públicos, o CPL cai para R$ 31 e o time celebra. Mas o volume caiu para 90 leads. O funil ficou mais barato, mas o negócio recebeu 110 leads a menos.
Eficiência sem volume é um número bonito que não paga conta. Volume sem eficiência é crescimento que queima caixa. A análise correta sempre considera os dois em relação ao objetivo do negócio naquele momento.
O problema da média: quando o número global engana
A média é a medida estatística mais usada no marketing e, possivelmente, a mais mal usada. Ela tem um problema estrutural: é sensível a valores extremos e pode representar um ponto que não existe na realidade do negócio.
Como Nassim Taleb descreve: se Bill Gates entra em um bar, a renda média das pessoas no bar vai para vários milhões, mas ninguém ficou mais rico. A média mudou. A realidade não.
No marketing isso acontece o tempo todo. Você tem CPL médio de R$ 48. Parece razoável. Mas ao abrir por conjunto de anúncios, três conjuntos operam com CPL de R$ 22 e dois com CPL de R$ 190. A média não representa nenhum dos dois grupos. Ela esconde o melhor e o pior cenário ao mesmo tempo.
É aqui que entender as três medidas de tendência central faz diferença.
A média funciona bem quando os dados são homogêneos. Quando há muita variação, ela engana.
A mediana é o valor que divide o conjunto ao meio. Menos sensível a extremos, ela frequentemente representa melhor a realidade operacional. Se o CPL mediano é R$ 35 mas a média é R$ 48, existe um grupo de campanhas puxando o número para cima. Encontrar esse grupo é uma oportunidade de escala.
A moda é o valor que aparece com mais frequência. Útil para identificar o comportamento mais comum, como o CPL que se repete com mais frequência entre os conjuntos de uma campanha ou o horário com mais conversões.
Usar apenas a média é como dirigir olhando só para o velocímetro e ignorando o mapa e o combustível.
Segmentação por canal, produto e público
A média agrega. A segmentação revela.
Um ROAS de 3,2 na conta pode esconder um canal com ROAS de 6,8 e outro com ROAS de 1,1. Sem segmentar, você não sabe qual está sustentando o resultado e qual está drenando o orçamento.
O mesmo vale para público. Uma campanha com CPL médio de R$ 45 pode ter um público convertendo a R$ 22 com alta taxa de fechamento em vendas, e outro convertendo a R$ 90 com taxa de fechamento baixa. A decisão de onde colocar o orçamento é óbvia quando você segmenta. Impossível quando você olha para a média.
Leia mais: Acompanhar dado não é analisar dado
Exemplos de decisões erradas por análise isolada
Uma equipe pausa uma campanha com CPL acima da meta. O que a análise não mostrava: esse canal gerava leads com LTV três vezes maior que a média. O CPL era alto porque o público era mais difícil de converter, não porque o canal era ruim. Resultado: seis meses depois, a receita daquele segmento havia caído de forma significativa.
Uma operação aumenta orçamento de remarketing porque o ROAS global estava alto. O que a análise agregada escondia: o resultado era puxado por uma única categoria com alto volume de busca orgânica. O remarketing estava capturando intenção que já existia, não gerando demanda nova. O orçamento extra não gerou retorno proporcional.
Em ambos os casos, o dado estava disponível. O problema foi a leitura isolada, sem segmentar e sem considerar a relação entre as métricas.
Antes de olhar para o número, pergunte o que ele não está te contando
Todo número global tem uma distribuição por trás. Toda média tem uma mediana que pode contar uma história completamente diferente. Toda métrica tem pelo menos uma outra que a influencia e uma que ela influencia.
A análise começa quando você para de aceitar o número como resposta e começa a usá-lo como ponto de partida para a pergunta certa.