O algoritmo pedia 50 conversões por semana. Tínhamos 27 por mês.

A conta que não fechava

Uma empresa de móveis para restaurantes e casas de evento gastava R$ 15 mil por mês em anúncio e recebia cerca de mil conversas. Fechava 27 vendas. Ticket médio de R$ 14.500, então o negócio pagava as contas, mas ninguém no time conseguia explicar por que a campanha começava bem todo mês e piorava na segunda quinzena.

O pedido que chegou foi por criativo novo. A suspeita era desgaste de anúncio, que é o palpite mais comum e quase sempre o mais barato de testar. Testamos, e não era.

O problema não estava no anúncio

O Meta precisa de aproximadamente 50 conversões por semana, por conjunto de anúncios, para sair da fase de aprendizado e otimizar com estabilidade. Abaixo disso ele nunca converge: fica reaprendendo, e o desempenho oscila.

Com 27 vendas por mês, a conta dá 6 por semana. Não existe cenário em que uma campanha otimizada por compra funcione nesse volume. Por isso a campanha rodava otimizada por “conversas iniciadas”, que tinha 250 por semana, folgadamente acima do limiar.

E aí está o problema inteiro em uma frase: o algoritmo estava aprendendo com precisão a encontrar pessoas que iniciam conversa. Não pessoas que compram. São dois públicos diferentes, e o primeiro é muito mais barato de achar. Cada real investido comprava mais eficiência em atrair alguém que manda mensagem e some.

A saída óbvia custava R$ 110 mil por mês

Existia um caminho direto: otimizar por compra de verdade. Para chegar nas 50 conversões semanais seriam 200 vendas por mês. Com a taxa de conversão de 2,7% daquele momento, isso exigiria cerca de 7.400 conversas mensais, o que na verba deles significava algo perto de R$ 110 mil por mês. Sete vezes o orçamento, para talvez descobrir que a conta não fecha.

A segunda saída era aceitar o trade-off e trabalhar melhor o lead ruim que chegava. É o que a maior parte do mercado faz, e não é uma escolha idiota: você desiste de qualificar na origem e compensa no atendimento.

Recusamos as duas, e a razão é a parte deste texto que vale para qualquer campanha:

Quando o seu resultado final é raro demais para ensinar o algoritmo, o trabalho não é produzir mais resultado. É achar um sinal intermediário que já acontece na sua operação e que ninguém está medindo.

O evento que não existia

Entre “iniciou conversa” e “comprou” havia dois momentos que a operação já vivia todo dia e que o Meta nunca soube que existiam.

O primeiro: a triagem por IA conversa com quem chega, apura quantidade, prazo e região, e só então passa para um vendedor humano. Quem chega nesse ponto respondeu perguntas específicas e demonstrou intenção real. Isso acontecia 340 vezes por mês, ou 85 por semana, acima do limiar.

O segundo: o vendedor gera orçamento. Cerca de 62 por mês.

Passamos a disparar dois eventos de conversão a partir do CRM, um em cada momento, e a campanha foi otimizada pelo primeiro. O algoritmo deixou de procurar quem manda mensagem e passou a procurar quem responde a uma triagem inteira sem desistir.

A queda que a gente combinou antes de mexer

Trocar o evento de otimização zera o aprendizado da campanha. Não é efeito colateral nem risco: é como o sistema funciona. O algoritmo precisa reacumular exemplos do evento novo antes de voltar a entregar com estabilidade, e nesse intervalo o desempenho cai.

Por isso essa etapa começa numa conversa, não no gerenciador. Antes de mexer em qualquer coisa, apresentamos a curva esperada: primeira semana pior, custo por conversa mais alto, volume menor. E, principalmente, definimos o prazo de tolerância antes, não durante. Ficou combinado que nenhuma leitura valeria antes de três semanas, porque qualquer número colhido nesse meio mede a fase de aprendizado, não a decisão.

Aconteceu como projetado. O custo por conversa subiu cerca de 40% na primeira semana e o volume caiu quase pela metade. Na terceira semana a curva virou.

O que faz essa etapa dar certo não é técnica, é ter combinado o número ruim antes de ele aparecer. Migração de evento sem esse acordo prévio costuma ser revertida no meio do caminho, e aí a empresa paga a queda inteira sem chegar a colher a subida.

Nem toda transferência é um lead

Aqui está o detalhe que decide se o evento presta, e é onde a implementação ingênua estraga o trabalho inteiro.

A IA passa a conversa para o humano por dois motivos bem diferentes. Um: qualificou, porque a pessoa respondeu quantidade, prazo e região. Outro: não entendeu a pergunta e escalou para não travar o atendimento.

Se o evento dispara nos dois casos, você ensina o algoritmo que alguém perguntando por móvel de escritório, que a empresa não vende, é exemplo de bom lead. Em poucas semanas a campanha passa a caçar o público errado com a mesma eficiência com que caçaria o certo, e o sintoma aparece longe da causa: parece queda de qualidade do criativo, não erro de instrumentação.

Por isso a saída por falta de entendimento tem rota própria desde a primeira versão. Ela vira alerta de lacuna de conteúdo para o time, que é o que ela de fato é, e nunca evento de conversão.

É uma linha de configuração. E é a diferença entre um sinal que melhora com o tempo e um que se degrada sozinho enquanto todo mundo olha para o lugar errado.

Os números, e o que eles não separam

Noventa dias depois, com a mesma verba de R$ 15 mil:

As conversas caíram de aproximadamente mil para 610 por mês. As vendas subiram de 27 para 39. A taxa de conversão saiu de 2,7% para 6,4%, e o custo por venda caiu de R$ 555 para R$ 385.

Menos gente chegando, mais gente comprando. É o resultado que a gente esperava e a direção que faz sentido.

Uma ressalva que vale para quem for repetir isso. O segundo evento, o de orçamento gerado, tem 15 registros por semana, e a regra das 50 vale para ele igual: sozinho, ele não otimiza campanha nenhuma. Ele entra na arquitetura por outro motivo, que é alimentar público semelhante e dar leitura de qualidade no relatório. Quem monta dois eventos esperando otimizar pelos dois vai se frustrar com o segundo.

E há uma separação que a gente escolheu não fazer. No mesmo período, a triagem por IA também derrubou o tempo de resposta. Parte do salto veio do algoritmo qualificando melhor, parte veio de atender mais rápido. Isolar as duas exigiria congelar uma delas por um mês, e nenhum cliente deve pagar um mês de resultado pior para fechar uma dúvida metodológica nossa. O ganho é medido; a divisão entre as duas causas é estimativa.

O que fica

Todo negócio de ticket alto e volume baixo tem esse problema, e quase nenhum sabe que tem. A campanha parece funcionar, o custo por lead parece bom, e o que está acontecendo é que você está pagando cada vez mais eficientemente por quem nunca vai comprar.

O algoritmo não aprende com o seu resultado. Aprende com o que você consegue contar para ele. Se a única coisa que você consegue contar é “alguém mandou mensagem”, é isso que ele vai te trazer, com precisão crescente.

O teste é rápido: divida suas vendas do mês por quatro. Se der menos de 50, sua campanha não está otimizando pelo que você acha que ela está. O evento que falta quase sempre já existe dentro do seu processo, esperando alguém plugar.