O fim dos microtestes? O novo Andromeda da Meta está destruindo tudo que eu pensava que sabia sobre marketing digital
No início de maio, vi um anúncio com um cara olhando para cima ao lado de um texto que dizia: "Como todos reagiram quando viram os resultados dos anúncios Meta de abril."
Bem, droga.
Ótima frase de destaque, porque eu estava me perguntando a mesma coisa e possivelmente fazendo a mesma cara.
Até abril deste ano, os meta anúncios que eu exibia para meus clientes oscilavam consistentemente na faixa de 15 a 25 ROAS. Não quero me gabar, mas tenho estudado muito sobre isso. Não apenas o conjunto de habilidades de marketing, mas também o conjunto de habilidades estatísticas envolvidas na análise de dados: como realizar testes matemáticos A/B, como identificar pequenas mudanças que se acumulam em grandes mudanças qualitativas no desempenho e como cortar a gordura de uma campanha publicitária até que a versão mais forte fique de pé.
Esse método, pequenas mudanças incrementais e “redução de gordura”, tem sido minha praia durante todo o tempo em que trabalhei com marketing.
Até abril de 2026.
Há alguns meses ouvia rumores de que a Meta estava reconstruindo a forma como seu algoritmo de anúncios funcionava, mas não pensei muito nisso. Essas plataformas mudam o tempo todo. Normalmente, é mais fácil acompanhar os lançamentos, por assim dizer, do que ficar obcecado com cada lançamento técnico e tentar acertar tudo no primeiro dia.
Mas o que April fez com minhas taxas de ROAS me levou a uma leve crise de fé.
Um sistema que funcionava lindamente até aquele momento agora parecia ter sido executado em um picador de madeira. Um ROAS de 5 ou 6 seria perfeitamente respeitável para muitas empresas. Mas, novamente, correndo o risco de reclamar, isso estava muito abaixo do que eu estava acostumado.
Então decidi aprender sobre Andromeda, a arquitetura atualizada de entrega de anúncios do Meta.
Ah, amigo. Os tempos estão mudando.
E o que acho que estamos vendo é o Meta tentando trazer a simplicidade da experiência de “boost post” front-end do Instagram para o ambiente backend do Ads Manager. Talvez não seja explicitamente um redesenho 1:1, ainda é muito cedo para isso, mas, aos poucos, parece que eles estão tentando afastar os nerds dos números como eu da necessidade de colocar as mãos no volante.
A partir de agora, o Ads Manager ainda parece ter sido projetado por um colega pervertido em planilhas, mas no back-end, mudanças devem ter sido feitas, cantos à prova de crianças, para fazer com que minhas entradas habituais resultem em resultados totalmente diferentes.
No artigo desta semana, quero analisar o que parece estar mudando, por que tantos anunciantes viram mudanças estranhas de desempenho em abril passado e quais são, na minha opinião, as novas práticas recomendadas para manter os anúncios lucrativos nesse ambiente.
Para encurtar a história, como gosto de dizer, se você conseguir desenvolver uma base sólida de fortes habilidades criativas, provavelmente se sairá bem.
Se você confiar apenas nos números, poderá nadar contra a corrente, fazendo pouco progresso e gastando muito dinheiro ao fazer isso.
Boas-vindas calorosas aos nossos novos senhores das máquinas
Os testes de anúncios não morreram. Não quero dar essa impressão.Em vez disso, as sugestões educadas que Meta tem nos dado nos últimos anos, aquelas que dizem: "Ah, não se preocupe com todo esse problema. Por que você não nos deixa ajustar essa configuração para você? Basta clicar neste botão e aplicaremos essa alteração a cada anúncio que você estiver exibindo! Não há necessidade de olhar primeiro. Confie em nós. Pense no potencial de + 0,5% na CTR!" são agora menos como sugestões e mais como os axiomas, os pilares de sustentação que constituem a própria plataforma.
Já discuti bastante o aprendizado de máquina neste blog antes, então não farei deste artigo um mini-bootcamp. Mas direi o seguinte: se você não entende pelo menos um pouco de aprendizado de máquina, pode acabar atribuindo magia a um processo muito maquínico.
Para usar uma analogia um pouco técnica, o novo sistema do Meta parece semelhante a um salto de aprendizado de máquina “supervisionado” para “não supervisionado”. O sistema parece estar mudando da otimização restrita pelo anunciante para a interpretação e entrega algorítmica.
Em inglês, caramba!
A Meta gostaria muito que você fornecesse ao algoritmo alguns pontos de dados iniciais para começar e confiasse na capacidade deles de encontrar seus clientes melhor do que você. E depois de alguns meses de testes, admito que eles podem ter razão.
No antigo paradigma, o anunciante dava o mapa à Meta: pessoas para atingir, instruções para seguir. Se eu quisesse veicular um anúncio, fornecia exatamente aos meus clientes por meio de um Pixel, escolhia os títulos com base no desempenho anterior do anúncio e em pesquisas psicográficas de personalidade e, para o criativo, se quisesse uma imagem ou vídeo 1:1, 4:5, 16:9 ou 9:16, teria que fornecer todos esses formatos individualmente. Eu confiei nas sugestões Advantage + Audience do Meta, então geralmente ativaria isso, mas também criaria públicos semelhantes usando os dados coletados de um Pixel e usaria vários conjuntos de anúncios para definir públicos diferentes. Somente em raras ocasiões eu levaria as sugestões de "aprimoramento" do Meta para os títulos ou imagens dos meus anúncios.
No modelo mais recente, essas alavancas ainda existem e você pode puxá-las o quanto quiser, mas pode estar trabalhando mais arduamente do que Meta gostaria.
Seu público-alvo desejado, mesmo um público semelhante baseado em dados criado a partir de seu Pixel ou API de conversões, e os ativos que você carrega, funcionam cada vez mais como sugestões do que como comandos. Meta ainda leva suas informações a sério, mas também parece confiar mais em sua própria interpretação do propósito pretendido do anúncio, do usuário pretendido e do momento de entrega pretendido do que em sua pequena e fofa teoria do público.
Meta está brincando de casamenteiro. Eles acham que podem encontrar uma “alma gêmea” para seus anúncios e preferem que você não atrapalhe.
Ouvi dizer que a nova abordagem da Meta é descrita como segmentação "hiperespecífica". Eles cruzaram um limite qualitativo desde o uso de sinais demográficos como localização, taxas de rejeição ou taxas de engajamento com base em anúncios com determinadas palavras-chave até a correspondência de uma pessoa específica com um ativo criativo específico em um momento específico quando determinaram que essa pessoa tem maior probabilidade de responder.Meta não está olhando apenas para “Mulheres, de 35 a 50 anos, interessadas em decoração de casa. Ah, agora existe uma, entregue a ela o anúncio com o lance mais alto para aquela demonstração”. Em vez disso, agora o algoritmo está analisando dezenas de milhares de microssinais que nenhum comprador humano de mídia poderia rastrear manualmente.
- Quais padrões de pixels estão presentes no conteúdo que essa pessoa assiste?
- Quais movimentos ou velocidades de rolagem se correlacionam com diversas metas de conversão?
- Quais vídeos eles terminam e há semelhanças qualitativas entre eles?
- Quais cores, rostos, ambientes, gestos e palavras tendem a fazê-los parar?
Esse nível de teste não é viável para um ser humano realizar. Uma pessoa não pode testar razoavelmente as implicações de desempenho de cada quadro, cada expressão facial, cada quebra de linha, cada estrutura de legenda, cada suporte de fundo, cada tom de voz e cada pequena sugestão visual em milhões de usuários.
Tecnicamente, uma máquina também não pode, mas as máquinas podem fazer a tentativa com mais facilidade.
A Meta está optando por esse caminho, não porque sua máquina agora entenda “criativo”. As máquinas ainda não “compreendem” isso. Em vez disso, a Meta está seguindo esse caminho agora porque seu modelo de IA teve uma grande atualização em suas habilidades de visão computacional e é sofisticado o suficiente para processar um grande número de sinais e procurar relações estatísticas entre pequenos pedaços de material criativo e comportamento do usuário.
Comecei a suspeitar de uma mudança como essa depois de um anúncio recente de Adam Mosseri sobre como o Instagram trataria o conteúdo não original daqui para frente. Ele disse que a plataforma começaria a reduzir as recomendações para contas que postam regularmente fotos e carrosséis não originais, a menos que o conteúdo fosse alterado materialmente o suficiente para ser considerado algo novo. À primeira vista, no contexto orgânico, trata-se de recompensar os criadores originais. Mas percebi algo mais profundo no contexto da mídia paga: o Meta pode cada vez mais ler conteúdo visual em grande escala, julgar semelhanças e inferir quando dois ativos estão simbólica ou estruturalmente próximos um do outro.
Isso significa que o criativo do anúncio não é mais apenas um objeto de dados único que você carrega. É uma classe de dados na qual o sistema pode interpretar e arquivar objetos.
Gosto da ideia de que as coisas se tornem mais “à prova de idiotas”, mas não consigo afastar a sensação de que os botões e mostradores do Ads Manager estão se tornando cada vez mais decorativos.
As opções de segmentação padrão ainda existem. Você ainda recebe vagas. Você ainda recebe ferramentas de variação criativa. Você ainda pode fingir que todas as decisões estão sob seu controle total.
Mas não consigo, de jeito nenhum, me livrar da sensação familiar de quando meu irmão mais velho me dava um controle desconectado enquanto ele e eu jogávamos videogame quando crianças. Amassei botões. Ele me disse que eu estava fazendo um ótimo trabalho. Eu senti orgulho. Ele conseguiu continuar despreocupado com meus interesses e objetivos.
Existem prós e contras neste estranho mundo novo. Por um lado, o sistema pode encontrar compradores que você nunca encontraria manualmente. Por outro lado, o papel do anunciante muda de uma forma que pode ser profundamente irritante se toda a sua marca pessoal for construída com base em experimentações cuidadosas.Os modelos de aprendizado de máquina são executados em dados. Quanto maior o pool de onde eles podem sacar, melhor tendem a funcionar. No passado, suas campanhas podem ter se beneficiado da divisão de diferentes testes em contêineres cuidadosamente controlados. No novo sistema, essa mesma fragmentação pode puni-lo indiretamente porque reduz a quantidade de dados disponíveis para cada parte do sistema.
Em vez de uma série de experimentos bacanas que você monitora como um cientista, o futuro dos Meta-anúncios se parece mais com um caldeirão de bruxa.
Você adiciona um monte de peças e ingredientes, mexe e espera que a magia negra faça seu trabalho do outro lado da névoa borbulhante.
O truque é garantir que os pés do sapo e os olhos da salamandra sejam de boa qualidade.
Entidades desconhecidas conhecidas
Um termo que você provavelmente ouvirá mais é “ID da entidade”.
Historicamente, as plataformas de publicidade categorizaram os anúncios em termos de IDs de criativos. Cada anúncio que você enviaria para o Meta receberia seu próprio identificador exclusivo, como um produto físico recebendo um número de série. No modelo antigo, se você duplicasse um anúncio, teria um anúncio totalmente novo com um ID de criativo totalmente novo. Talvez a mesma imagem com um título diferente. Talvez o mesmo vídeo com uma cena de abertura ligeiramente diferente. Talvez o mesmo criador na mesma sala, mas com três versões da primeira frase. Para o antigo sistema Meta, o algoritmo não era tão sábio. Eram todos criativos de anúncios completamente diferentes.
Se eu quisesse pagar para veicular o mesmo anúncio com pequenas variações, poderia fazê-lo. Para o anunciante com mentalidade estatística, esses identificadores exclusivos permitiam vários gradientes de testes A/B.
Para o novo sistema de visão artificial, todos aqueles testes com pequenas variações parecem muitas cópias do mesmo conceito de anúncio usando o mesmo sobretudo longo.
Daí a analogia do caldeirão de bruxa.
Agora, quando você carrega o criativo no Meta, ele faz algo semelhante a reduzir todas as imagens e comparar a viscosidade da gosma resultante.
O criativo do seu anúncio é salvo não apenas como o arquivo que você carrega, mas também mais profundamente, como as relações entre os pixels, seus arranjos e seus movimentos. O mesmo tipo de método de “tokening” que permite que grandes modelos de linguagem criem ou compreendam palavras totalmente novas também permite que a Meta AI divida o criativo do anúncio em pontos de dados microscópicos e pondere as relações entre eles.
Aqui está o primeiro de alguns kickers.
Se o Meta puder interpretar a estrutura qualitativa subjacente de um anúncio, então ele não precisará tratar cada upload como uma entidade única. Ele pode ver os anúncios como encarnações particulares de um conceito geral de publicidade. Pode reconhecer quando vários anúncios partilham os mesmos elementos visuais, o mesmo ator, a mesma cena de abertura, a mesma disposição de produtos, a mesma postura emocional ou o mesmo gancho conceptual.
Em outras palavras, a plataforma pode não se importar com o fato de você ter feito cinco anúncios “diferentes” se esses cinco anúncios forem, para a máquina, basicamente a mesma coisa.
Imagine que eu quisesse otimizar o ativo criativo de um anúncio no sistema antigo. Digamos que eu esteja tentando vender um pacote de férias nas Bahamas usando a foto de uma modelo na praia. Na estrutura antiga, eu poderia ter executado diversas variações de imagens da mesma sessão de fotos:- Uma modelo usando um vestido azul
- Uma modelo usando um vestido vermelho
- Uma expressão muito feliz
- Uma expressão tranquila
Se eu mantivesse todo o resto do anúncio igual, como o título, a frase de chamariz e o público-alvo, os resultados do anúncio poderiam revelar algo sobre como a cor da camisa ou a expressão facial afetam a taxa de cliques ou o comportamento de compra nesse público.
Esse tipo de teste está se tornando irrelevante na era do aprendizado de máquina.
Por que? Porque se, em dois anúncios, a modelo está usando roupas de duas cores diferentes, mas parada no mesmo lugar, posada da mesma maneira, emoldurada da mesma maneira, sorrindo da mesma maneira, com o mesmo título sobre eles, então Meta irá tratar esses dois anúncios como conceitualmente a mesma coisa.
O sistema provavelmente os recolherá no mesmo intervalo conceitual e atribuirá a todos o mesmo número de ID da entidade. A máquina não vê necessariamente “três experimentos limpos”. Agora pode ver “mesma pessoa, mesmo produto, mesma configuração, mesma mensagem geral, pequenas variações de camisa”.
Se você é o tipo de pessoa que diz: "Não me importo, cara, gosto do jeito que fazia as coisas. Vou continuar fazendo do jeito antigo de qualquer maneira!" em primeiro lugar, você parece divertido, e eu gostaria de lhe pagar uma bebida e pensar em sua mente algum dia. Em segundo lugar, porém, a Meta punirá seus anúncios por essa semelhança. Em vez de serem uma série de pequenos testes paralelos, seus anúncios agora serão tratados como a mesma Entidade. Como cinco passarinhos idênticos lutando pelo mesmo verme, todos passarão fome.
Um truque para vencer neste sistema é saber onde a IA da Meta está colocando a maior parte de seu foco ao determinar se deve atribuir a um criativo um ID de entidade novo ou existente. Como todos os bons criadores de conteúdo sabem, os primeiros cinco segundos são os mais importantes. Se você enviar dez vídeos com scripts diferentes, mas todos os dez abertos com o mesmo criador no mesmo ambiente, o Meta AI irá desconsiderar a grande maioria das diferenças, e há uma boa chance de você acabar com resultados ruins porque todos os seus anúncios foram classificados sob o mesmo ID de entidade.
O Cálice Envenenado do Volume Preguiçoso
As tecnologias generativas de “IA” tornaram mais fácil do que nunca produzir mil pequenas versões do mesmo anúncio com pequenos ajustes, na esperança de que, ao carregá-los todos ao mesmo tempo, você tropece em um com o “molho secreto” e então redirecione todos os fundos para esse vencedor. Do ponto de vista estatístico, isso é apenas apostar no ruído. Não há ciência por trás dessa tática. É o que ultimamente passou a ser chamado de “volume lento”.
Por um lado, acho que muitas das novas mudanças do Meta têm como objetivo combater o “volume lento”, forçando os criadores de anúncios a se apresentarem com ideias novas e verdadeiramente únicas. Por outro lado, parece realmente punir os analistas de anúncios, já que testes A/B genuínos e “volume lento” às vezes podem parecer a mesma coisa à distância.Aqui está a parte que me pega. A Meta não está assumindo uma posição moral contra o uso de IA generativa em publicidade. Eles simplesmente prefeririam que você deixasse a IA generativa fazer o trabalho de gerar o volume preguiçoso para você. Em vez de você se dar ao trabalho de colocar o título em seu criativo da maneira que deseja, a Meta prefere que você dê à plataforma todas as peças desmontadas e deixe que ela faça a mistura e a combinação para você.
Para continuar com o mesmo exemplo de otimização de imagem das Bahamas, você não enviaria várias fotos da mesma sessão em que sua modelo usava vestidos de cores diferentes. Você carregaria a melhor imagem de cada cena. As imagens que você carrega devem ser tão diversificadas visualmente quanto possível: diferentes locais, modelos, ângulos e assim por diante.
Então, a Meta gostaria muito que você, nesse ponto, permitisse que eles adicionassem "melhorias" ao criativo do seu anúncio. Fazer isso permite que Meta gere novas versões de seu criativo com sua modelo em vestidos de cores diferentes, roupas totalmente diferentes, uma pose diferente ou um local diferente, se considerar que isso levaria a mais conversões. Isso é praticamente inofensivo, mas com GenAI, há sempre uma chance diferente de zero de obter uma imagem que você nunca teria aprovado ou copiar para um serviço ou recurso que você realmente não vende.
Esse ainda é um dos meus maiores problemas com a IA generativa em marketing: a tecnologia não é determinística por natureza. Você pode prever o resultado 99% das vezes, mas esse desvio de 1% pode custar milhares. Esse é um problema sério para marcas que levam a sério a sua marca ou que não têm muito dinheiro em excesso para gastar em empresas de relações públicas para consertar anúncios ruins.
Mas eu discordo.
Mais uma vez, isso não significa que os testes estão mortos. Significa apenas que você precisa pensar um pouco mais ao montar seus anúncios.
Não se preocupe em testar algo como a cor da camisa, que pode ser facilmente alterada pela IA. Você, como o ser humano na situação, tem uma compreensão mais profunda do que motiva o seu público. Use esse conhecimento para criar abordagens e estilos de anúncios drasticamente diferentes.
Quanto mais fico acompanhando as novas mudanças no algoritmo, mais penso que a sorte nunca favoreceu tanto os ousados.
Teste se a história de um fundador supera uma demonstração de produto. Um depoimento versus gráficos em movimento. Adicione uma carta de vendas de vídeo de resposta direta, para garantir, e uma imagem de estilo de vida também, enquanto você faz isso. Um clipe bruto do criador de uma foto do telefone. Um visual editorial polido. Um vídeo de selfie sobre o medo de desperdiçar dinheiro. Uma música gerada por IA sobre aspirar a uma vida melhor.
Irmão, não existem respostas erradas. No final é tudo uma delícia.
Olha, eu sou totalmente a favor de qualquer coisa que incentive o avanço de novas profundidades artísticas. Estou um pouco amargo por enquanto porque microtestes era minha praia.
Depois de algum tempo para entender a melhor tática possível, cheguei ao que considero ser a mentalidade mais útil no futuro para as pessoas que desejam dividir a diferença entre rigor e forçar os limites.
Diversão com funisNo passado, eu desenvolvia personas com base em sinais de dados e pesquisas, criava ativos com base em argumentos de venda exclusivos e no alívio de pontos problemáticos e, em seguida, executava pequenos testes em variações controladas. Um aspecto de cada vez. Uma variável de cada vez. Assista CTR. Assista ao PCC. Assista a ROAS. Observe as visualizações da página de destino. Observe os sinais de quase conversão. Corte a gordura. Dimensione os vencedores.
A abordagem ainda tem algum mérito, mas o novo sistema Meta exige uma relação mais frouxa entre estratégia e execução.
Em vez de separar cada conceito em sua própria caixinha, a plataforma parece preferir que você construa um ecossistema criativo grande e singular e deixe o algoritmo cuidar da correspondência.
Acredito que a melhor mentalidade que uma pessoa pode adotar para aumentar suas chances de sucesso e ao mesmo tempo tornar suas vidas um pouco mais fáceis no novo paradigma publicitário da Meta é retornar ao básico e focar no funil do cliente.
Vamos diminuir brevemente o zoom.
Todos os esforços de marketing que você coloca no mundo podem ser considerados uma rede gigante ou um funil. O objetivo é filtrar o público em geral, encontrar pessoas que possam estar interessadas em seu produto ou serviço e, em seguida, conduzi-las para a próxima etapa da jornada.
Essa jornada normalmente termina em uma compra, um telefonema, uma solicitação de orçamento, uma consulta agendada ou uma visita ao seu site, e também pode retornar a si mesma redirecionando clientes anteriores e inserindo-os novamente no funil.
Cada etapa do funil que um lead percorre no caminho para se tornar um cliente representa um estágio diferente de conscientização.
Os leads do topo do funil são motoristas na rodovia antes de verem seu outdoor. Eles podem ter um problema, mas mal percebem isso. Seu outdoor faz com que eles reconheçam o problema e sugere que existe uma solução.
Leads no meio do funil são aqueles que visitam seu site posteriormente. Eles agora estão cientes do problema e buscando ativamente soluções. Eles podem estar comparando você aos concorrentes. Eles estão perguntando se você é real, se é confiável e se sua oferta se adapta à situação deles.
Os leads do fundo do funil estão à beira da compra. São eles que ligam, mandam mensagens, adicionam ao carrinho, marcam uma reunião, verificam o preço, leem a garantia ou procuram um motivo final para agir.
Os clientes pós-compra são as pessoas que já compraram de você. Você não simplesmente os deixa se afastar. O ideal é que você continue cuidando deles. Você dá a eles motivos para voltar, atualizar, indicar, revisar ou aprofundar o relacionamento.
As pessoas em cada estágio precisam de diferentes tipos de informações para avançar para o próximo.
Os leads do topo do funil precisam de um motivo para parar e se preocupar. Eles precisam de algo educativo, surpreendente, engraçado, bonito, estranho, útil ou emocionalmente carregado o suficiente para interromper a rolagem. Eles precisam ver um resultado sonhador. Eles precisam que o problema se torne visível.Leads no meio do funil precisam de provas. Eles precisam de depoimentos, análises, demonstrações, comparações, explicações de processos, credibilidade do fundador e evidências de que você entende o mundo em que vivem. Evidências de que você é quem diz ser, faz o que diz que faz e por que eles deveriam escolher você em vez de outra pessoa que oferece as mesmas coisas.
Leads do fundo do funil precisam de clareza e redução de atrito. Eles precisam de preços, códigos promocionais, ofertas por tempo limitado, garantias, perguntas frequentes, check-out fácil, próximas etapas óbvias ou um forte motivo para não esperar. Eles estão no limite. Tudo o que eles precisam é daquele último empurrãozinho para se converter.
Os clientes pós-compra precisam de reforço. Eles precisam de check-ins, novas ofertas, atualizações úteis, comunidade e um motivo para lembrar que comprar de você foi uma boa decisão.
Qualquer profissional de marketing que se preze provavelmente já teorizou esses “estágios” para sua empresa ou cliente. Mas isso geralmente faz parte da fase estratégica, e não da fase tática e prática, "ok, agora vamos fazer todos os anúncios que dissemos que deveríamos".
Se o novo sistema recompensa a diversidade criativa em suas ideias de anúncios, manter os estágios do funil em mente parece ser a maneira mais fácil de criar de forma rápida e eficiente muitos anúncios que atrairiam várias pessoas em várias partes da jornada do cliente.
Manter o funil em mente também o ajudará a reajustar a estrutura da campanha. Embora você possa ter usado anteriormente diferentes conjuntos de anúncios para atingir diferentes segmentos de público e direcionar diferentes criativos dentro desse conjunto, agora provavelmente é melhor ter um único conjunto de anúncios usando dados de Pixel para auxiliar na segmentação automática Advantage + do Meta, preenchida com muitos anúncios individuais direcionados a vários estágios do funil.
Seguindo o exemplo das Bahamas, o que você está tentando fazer com o modelo atraente e a oferta atraente? Você está tentando envolver leads no topo do funil com valor grande e rápido ou com um resultado de sonho que os força a parar o que estão fazendo e perceber que têm o problema do qual você está falando.
Em vez de criar um conjunto de anúncios direcionado a um público semelhante com base em pessoas que não visitaram seu site e usar os anúncios nele contidos para testar vários criativos, você criaria diversos ativos, como imagens sem texto, títulos e textos primários que diferem na abordagem, mas se alinham conceitualmente com o apelo aos leads do topo do funil.
Para cada estágio do funil, determine quais informações seriam mais atraentes para eles e idealize várias maneiras criativas de transmitir essas informações. Cada ideia única é um anúncio separado. Em seguida, reúna os ativos que você usaria em cada um desses anúncios e carregue-os como ativos separados que o Meta pode combinar e combinar para você.
Como (eu acho) você deve estruturar seus anúncios
Ter todos os estágios do funil cobertos por algumas opções de anúncios é melhor do que ter um milhão de anúncios diferentes direcionados ao mesmo estágio. Meta pode falsificar os detalhes. Precisa de ajuda para se espalhar.
Para fazer uma nova campanha publicitária, comece pensando em novos conceitos de anúncios que atrairiam leads em todos os estágios do funil do cliente.
Sonhe grande. Lembre-se, Meta vai derreter as coisas de qualquer maneira.
Em seguida, coloque todos esses anúncios no mesmo conjunto de anúncios e deixe Meta resolver a entrega.Esta foi a parte menos intuitiva para mim. Faça anotações internas sobre quais anúncios são direcionados a quais estágios do funil. Você pode até colocar indicadores como “ToF” ou “BoF” no título do anúncio para ajudá-lo a lembrar qual é qual, mas todos os anúncios, para todas as etapas, precisam entrar no mesmo conjunto de anúncios direcionados a um público Advantage +, possivelmente informado por um público semelhante do seu Pixel.
Meus novos critérios para quando criar novas campanhas versus conjuntos versus anúncios são assim:
- Crie novas campanhas quando os objetivos dos anúncios forem diferentes. Se todos os seus anúncios forem direcionados a compras online, provavelmente eles poderão residir na mesma campanha. Se alguns visam visitantes do site, alguns visam leads e alguns visam compras, eles precisam de campanhas separadas. O mesmo acontece se o evento de conversão mudar, a geografia ou o idioma mudarem, a origem do orçamento precisar ser separada ou as regras especiais de categoria de anúncio forem diferentes.
- Crie novos conjuntos de anúncios quando a lógica de entrega realmente precisar ser diferente. Se a estratégia de posicionamento for diferente por um motivo comprovado, crie um novo conjunto de anúncios. Se você precisar proteger os gastos de uma família de conceitos criativos específica, use um novo conjunto de anúncios. Se você tiver um pool de retargeting grande o suficiente para justificar o isolamento, use um novo conjunto de anúncios. Mas não crie um novo conjunto de anúncios só porque você tem uma sugestão Advantage+ Audience ligeiramente diferente. Nesse caso, você pode não estar separando as etapas do funil. Você pode estar apenas dividindo o mesmo sinal de compra em poças menores.
- Crie novos anúncios para ideias criativas distintas, não para pequenos testes superficiais. O gancho deve mudar significativamente. O formato deve mudar. O estágio de conscientização, objeção, mecanismo de prova, oferta, CTA, caso de uso, gatilho emocional ou linguagem visual devem mudar. Se você quiser testar o vestido azul versus o vestido vermelho, tudo bem. Mas entenda que Meta pode vê-los como duas versões da mesma ideia básica, e não como dois anúncios verdadeiramente diferentes, e você dividirá seu público potencial entre os dois.
"Diferente" também precisa significar realmente diferente. Para cada estágio do funil, experimente um conceito diferente, um meio criativo diferente, um caso de uso diferente e um motivo diferente para se preocupar.
É claro que haverá exceções a essas “regras”, por isso recomendo que você faça sua própria pesquisa. Por exemplo, às vezes ainda usarei duas campanhas, mesmo que o objetivo seja o mesmo, porque uma uso com um orçamento grande para anúncios “vencedores” comprovados e a outra uso uma fração do orçamento para avaliar abordagens de anúncios “experimentais”. Eu administro um conjunto de anúncios separado para retargeting porque tenho um público personalizado de compradores anteriores identificados pelo meu Meta Pixel. Esse é um pool de público resolvido. Não há necessidade de as mãos sujas do Meta tocarem nos meus dados de segmentação.
Você pode retirar os testes da plataforma, mas não pode retirar os testes do testador.
Lembre-se, seu trabalho é encher o caldeirão com os ingredientes certos. O trabalho de Meta é decidir qual colherada de qual poção será servida a quem.
Pensar nos funis de clientes ajudará você a criar anúncios suficientemente diversificados com mais facilidade para não atrapalhar uns aos outros.
Criativo é a nova segmentaçãoUm vídeo bruto de telefone de um fundador cansado falando sobre um problema em sua garagem não envia o mesmo sinal que uma demonstração sofisticada de um produto de estúdio. O depoimento de um cliente mais velho e calmo não envia o mesmo sinal que um clipe UGC rápido de um jovem criador. Uma imagem estática de estilo de vida não envia o mesmo sinal que um gráfico em movimento com muito texto. Um meme não envia o mesmo sinal que uma carta de vendas de vídeo.
Cada criativo exclusivo fornece ao algoritmo um conjunto diferente de pistas sobre quem pode se importar.
Se Meta estiver ingerindo e interpretando o próprio ativo criativo, então o próprio criativo se tornará a entrada para o mecanismo de segmentação, em vez de uma configuração explícita de público.
Claro, isso pressupõe que você tenha a base técnica estabelecida: um Meta Pixel funcional, rastreamento de conversão limpo, uma página de destino decente e sinal primário suficiente para o sistema aprender. Além disso, você é incentivado a jogar coisas na parede para ver o que gruda.
O sucesso do novo anúncio Meta requer um Pixel ativo para dar ao algoritmo de segmentação um sinal inicial para entrar e uma ampla variedade de criativos exclusivos e diversos.
A verdadeira diversidade criativa significa mudar o formato, o ambiente, o ator, o apelo emocional, o estágio do funil, o nível de polimento, a estrutura narrativa e o gatilho psicológico. Se isso parece assustador, pense em seu funil de cliente e pergunte-se onde estão as pessoas em cada estágio, qual é a mentalidade delas, de quais informações elas precisam e qual a melhor forma de fornecer essas informações a elas.
Um anúncio pode ensinar. Alguém pode entreter. Alguém poderia responder a uma objeção. Pode-se mostrar o produto em uso. Alguém pode contar a história de um cliente. Poderíamos explicar o custo de não fazer nada. Pode-se fornecer uma oferta direta ou um código promocional.
Para cada um desses anúncios, você pode tentar alguns conceitos diferentes. Faça todos eles e adicione-os ao mesmo conjunto de anúncios.
Para mim, apesar de todas as minhas reclamações, isto representa uma forma de devolver o poder aos verdadeiros criativos, retirando o poder dos cérebros estatísticos.
Uma pessoa que sabe filmar, editar, enquadrar, roteirizar, legendar, iluminar, pontuar e estruturar um vídeo tem uma vantagem. Uma pessoa que entende por que os primeiros três segundos são importantes tem uma vantagem. Uma pessoa que entende a diferença entre informação e persuasão tem uma vantagem. Uma pessoa que consegue traduzir uma buyer persona em cinco linguagens visuais diferentes tem uma vantagem.
Uma pessoa que pode dizer o que é um valor p, talvez pela primeira vez na memória recente, agora tem menos vantagem.
A Nova Filosofia de Teste
Então, onde isso deixa os testes? Vivo, mas mutilado.
A mentalidade de testar e aprender ainda funciona. A melhor ideia ainda deve vencer. Ainda se deve documentar o que funcionou, o que falhou e o que fazer a seguir, e ainda se deve evitar tomar decisões de negócios com base nas vibrações e na opinião da pessoa mais bem paga.
Mas a hipótese tem de ser maior e mais, ouso dizer, mais holística.
O que já foi:
"Acho que o título A terá um desempenho melhor do que o título B, e o vestido A terá um desempenho melhor do que o do vestido B. Vamos fazer todas as 4 combinações e ver qual obtém os melhores resultados."
Agora se torna:> "Acho que essa persona do MoF responde melhor a demonstrações práticas do que a afirmações refinadas da marca. Deveríamos fazer isso como um vídeo de selfie influenciador e como um carrossel de imagens com áudio de tendências."
Um artigo arXiv de 2025 sobre experimentos de publicidade Meta argumentou que os testes Meta A/B podem sofrer com o que os autores chamam de “entrega divergente”. Em termos simples, o sistema pode não mostrar cada versão de um anúncio para o mesmo tipo de público. O artigo analisou milhares de experimentos Meta e descobriu que os testes A/B mostraram um claro desequilíbrio de público, enquanto os testes de aumento não mostraram um desequilíbrio significativo.
Isso significa que até mesmo os resultados de um teste Meta A/B podem refletir tanto o criativo em si quanto o público para o qual o Meta decidiu direcionar esse criativo.
Portanto, não, os testes não estão mortos, mas se não eram científicos para começar, por que se preocupar em discutir se deve ou não desligar a tomada?
O novo analista de anúncios Meta não deveria perguntar: "Qual anúncio é melhor?" Em vez disso, eles deveriam perguntar: "Com que tipo de pessoa esse criativo fala?"
Isso é mais confuso, mas holístico.
E provavelmente mais perto da realidade.
E se Meta decidir quebrar tudo de novo daqui a alguns meses, presumindo que ainda tenho cabelos para arrancar até lá, vejo você de volta aqui para uma nova análise.