Os dados de conversão em que confia estão errados: um alerta para profissionais de marketing
‍

Durante anos, os profissionais de marketing prepararam-se para o chamado “futuro sem cookies”, como se fosse inevitável. Surgiram novas estratégias, a segmentação de audiências foi redefinida e os sistemas de reporting foram reconstruídos, dando origem a novos dashboards… até que a Google fez a derradeira jogada de inversão e decidiu, afinal, não eliminar totalmente os cookies de terceiros.

E onde é que isto nos deixa? Bem, a lidar com um cenário ainda mais incerto.

‍

RGPD e cookies de terceiros da Google: onde a privacidade encontra os seus limites
‍

Sejamos honestos: quando a Google anunciou, em abril de 2025, que afinal não iria eliminar os cookies de terceiros no Chrome, muitas equipas de performance marketing fecharam discretamente os seus documentos de planeamento de contingência e voltaram ao business as usual — compreensível, concordamos todos. E também podemos concordar que, após cinco anos de prazos adiados e custos de preparação crescentes, esta reviravolta pareceu uma autorização para respirar de alívio… mas, bem, definitivamente não é.

Mesmo que, à superfície, pareça uma suspensão da sentença, olhando com mais atenção, é apenas uma miragem. A realidade é que as regras fundamentais da medição em marketing já mudaram, e nenhuma atualização de browser — seja adiada, cancelada ou alterada — vai voltar a pôr o velho génio do tracking dentro da lâmpada. Sobretudo porque isto há muito que deixou de ser apenas sobre a Google e os seus cookies. Há duas grandes forças em colisão: o martelo regulatório europeu do Regulamento Geral sobre a Proteção de Dados (RGPD) — e sim! — a muito mediática reviravolta da Google em relação aos cookies. Em conjunto, estas duas forças estão a impor uma mudança de paradigma e a tornar impossível que os profissionais de marketing continuem a ignorá-la durante muito mais tempo.

‍

‍

Assim, em vez de eliminar totalmente os cookies de terceiros, a Google avançou para um modelo baseado na escolha do utilizador, que dá às pessoas a opção de permitir ou bloquear o tracking entre sites.

Mas, em toda a Europa, essa questão já tinha sido respondida pelo RGPD, que há muito estabeleceu as regras, tornando o consentimento do utilizador uma exigência e não uma funcionalidade — algo que molda de forma fundamental a maneira como o tracking funciona junto de uma grande parte da audiência da Google.

Pensemos nos consumidores europeus e do Reino Unido, que já clicavam em “recusar” nos banners de cookies há anos, muito antes de o aviso do Chrome sequer existir. O RGPD não criou apenas uma obrigação legal de conformidade; criou uma população de utilizadores que foi sendo condicionada, banner após banner, a reter o consentimento como comportamento padrão. Quando a Google apresentou o seu próprio aviso de opt-in, estava apenas a bater contra uma parede de recusa aprendida, construída pela regulamentação ao longo de vários anos.

O lançamento da App Tracking Transparency da Apple, em 2021, mostrou precisamente como isto acontece e deixou uma coisa muito clara: quando as pessoas são diretamente questionadas sobre se querem ser seguidas entre apps e websites, a maioria responde simplesmente: “não, obrigado, mas não!”

Não porque tenham lido cuidadosamente todas as políticas de privacidade — Deus nos livre —, mas porque, quando a pergunta é feita de forma clara, a resposta parece bastante óbvia.

A mudança da Google para um tracking controlado pelo utilizador esbarra nessa mesma psicologia. Quando o Chrome introduziu avisos semelhantes, a mentalidade já tinha mudado. Mais uma vez, o RGPD fez o trabalho cultural antes disso: não se limitou a definir limites legais; moldou as expectativas dos utilizadores.

Por isso, embora a Google possa ter mantido os cookies de terceiros vivos no papel, na prática, muitos utilizadores estão a optar por sair, tornando-os muito menos eficazes do que eram antes.

O resultado é um ambiente de medição que é, discutivelmente, mais confuso do que teria sido uma rutura clara. Os cookies de terceiros continuam tecnicamente a existir, mas o seu alcance está estruturalmente comprometido pelas recusas de consentimento ao abrigo do RGPD em toda a Europa e no Reino Unido — que, por sua vez, conta com o Information Commissioner’s Office, ou ICO, a autoridade reguladora independente responsável por defender os direitos de informação e aplicar as leis de privacidade de dados, como o UK General Data Protection Regulation, ou UK GDPR —, pela prevenção de tracking de longa data do Safari, pelo bloqueio predefinido do Firefox e, agora, pelo próprio mecanismo de opt-out do Chrome.

Assim, para os profissionais de marketing cuja lógica de otimização depende de uma visibilidade completa das conversões, este cenário fragmentado não é um problema teórico do futuro, mas sim a realidade operacional de hoje.

Se, enquanto profissional de marketing responsável pelo retorno do investimento publicitário, já reparou numa tendência preocupante ao longo do último ano, provavelmente foi esta: os seus relatórios estão a mentir-lhe. O custo por aquisição pode estar a oscilar sem explicação, os percursos de conversão estão a fragmentar-se e os dashboards que usa para justificar o seu orçamento parecem um queijo suíço, com buracos cada vez maiores — e massivamente inexplicáveis.

Neste momento, estamos no meio de uma crise no performance marketing. Sim, o performance marketing está a atravessar um reset silencioso, mas significativo. Os sistemas em que confiámos durante anos — que nos permitiam acompanhar, segmentar e atribuir resultados com uma precisão quase perfeita — começam a desmoronar-se.

E, ao mesmo tempo, a pressão para demonstrar um retorno sobre o investimento, ou ROI, claro e diretamente ligado ao resultado final, não desapareceu. Pelo contrário, intensificou-se.

Isto coloca os profissionais de marketing numa posição difícil: espera-se que entreguem certezas, enquanto trabalham com cada vez menos visibilidade.

Por isso, a verdadeira pergunta passa a ser: como medir o que funciona quando já não é possível ver o quadro completo?

‍

Como os profissionais de marketing devem repensar a medição num mundo centrado na privacidade

‍

‍

Durante muito tempo, tudo girou em torno do clique. Os modelos de medição foram construídos com base na ideia de que era possível acompanhar o percurso de um utilizador desde a primeira interação até à conversão final, registando cada passo pelo caminho. Embora isto nunca tenha sido uma ciência perfeita nem isenta de falhas, parecia suficientemente preciso para merecer confiança.

Depois, o cenário mudou. A regulamentação em matéria de privacidade tornou-se mais exigente, as expectativas dos utilizadores mudaram e a tecnologia que permitia esse nível de tracking começou a ruir.

Como referido anteriormente, a Google voltou atrás na descontinuação total dos cookies no Chrome, passando agora a permitir que os utilizadores escolham entre aceitar ou recusar o tracking entre sites. E se, à primeira vista, isto parecia aceitável para os profissionais de marketing, rapidamente surgiu uma constatação inquietante: um modelo baseado na escolha do utilizador não preserva o ambiente de medição de que o marketing depende; fragmenta-o.

Entre uma aplicação mais rigorosa do RGPD, as limitações aos cookies de terceiros e a visibilidade reduzida entre plataformas e dispositivos, o modelo tradicional de atribuição tem vindo a tornar-se cada vez menos relevante. O que resta é uma realidade mais complexa: grande parte da “precisão” em que os profissionais de marketing antes confiavam sempre foi, em parte, inferida.

O resultado é um ambiente em que os cookies de terceiros existem nominalmente, mas são cada vez menos fiáveis enquanto base universal para a medição. Para os profissionais de marketing cuja lógica de otimização depende de perceber que cliques convertem, que audiências funcionam melhor em retargeting e que canais estão realmente a gerar receita, isto é um problema fundamental.

A adaptação a este novo ambiente não passa por encontrar um substituto para aquilo que se perdeu, mas sim por repensar a forma como usamos os dados, como avaliamos a performance e quanta certeza podemos realisticamente esperar.

Num mundo centrado na privacidade, a medição passa a ser menos sobre acompanhar tudo e mais sobre compreender o que realmente gera impacto.

‍

O efeito do RGPD… e porque a regulamentação não é o inimigo

‍

‍

Voltemos atrás, porque, para compreender onde estamos hoje, ajuda olhar para o passado.

Muito antes de a Google começar a repensar os cookies no Chrome, o RGPD já tinha remodelado o panorama digital. Quando entrou em vigor, não introduziu apenas regras mais rigorosas ou coimas mais elevadas; mudou a forma como as pessoas pensam sobre os seus dados.

Pela primeira vez, foi dito claramente aos utilizadores: os seus dados pertencem-lhe e tem uma palavra a dizer sobre a forma como são usados.

Essa mudança teve um efeito dominó. De repente, o tracking deixou de ser invisível, à medida que os banners de cookies passaram a fazer parte da experiência diária de navegação e, com eles, surgiu um novo nível de consciência. As pessoas começaram a reconhecer a troca que acontecia nos bastidores, e muitas começaram a optar por não participar.

O que se seguiu não foi apenas uma mudança legal, mas também comportamental, em que a privacidade passou a ser uma expectativa, e não uma funcionalidade. Para os profissionais de marketing, isto trouxe limitações reais à recolha de dados e, mais importante ainda, desafiou pressupostos de longa data, como a ideia de que os utilizadores aceitariam tracking generalizado por defeito — algo que já não se verifica.

Por isso, embora seja fácil — e tentador! — encarar regulamentações como o RGPD ou a ePrivacy como barreiras e/ou limites impostos por decisores políticos que não compreendem totalmente o marketing digital, essa perspetiva falha o essencial.

Estas regras não surgiram do nada. São uma resposta a anos de práticas de dados pouco transparentes, em que os utilizadores eram seguidos de formas que não compreendiam totalmente nem aceitavam explicitamente. Por isso, se pensarmos bem, em muitos aspetos, a regulamentação era inevitável.

Além disso, o que é realmente interessante é o que acontece quando as empresas deixam de tratar a conformidade como uma checklist e começam a encará-la como um contributo estratégico. Porque, quando não se pode depender de tracking irrestrito, somos obrigados a pensar de forma diferente e a fazer perguntas fundamentais e melhores: quem estamos realmente a tentar alcançar? O que é importante para essas pessoas? Como medimos o sucesso de uma forma que reflita a realidade, e não apenas o que é fácil de acompanhar? Essas perguntas — no fim de contas — tendem a conduzir a uma estratégia de marketing mais forte e mais focada.

Há também uma clara vantagem comercial. A confiança na forma como as empresas tratam os dados tem vindo a diminuir ao longo do tempo, e os consumidores estão a tornar-se mais seletivos quanto às marcas com que interagem, escolhendo normalmente aquelas que são transparentes e respeitadoras na utilização dos dados. Como resultado, estas marcas tendem a beneficiar em termos de lealdade e valor a longo prazo.

Quando bem gerida, a privacidade não é uma limitação; pelo contrário, é um sinal de qualidade e, cada vez mais, uma vantagem competitiva.

‍

A atribuição perfeita ou a ilusão conveniente?
‍

Durante anos, a atribuição por último clique deu aos profissionais de marketing uma sensação confortável de clareza. Contava uma história simples: a interação final antes de uma compra era a que mais importava. O facto curioso: sempre foi uma mentira conveniente, e essa simplicidade tinha um custo.

Atribuía todo o mérito ao último ponto de contacto antes de uma compra, ignorando todo o percurso do cliente. Os nossos modelos tradicionais de atribuição em marketing foram construídos com base no pressuposto de visibilidade perfeita. Mas deixavam de fora tudo o que acontecia antes — a notoriedade, a consideração, a exposição repetida que, na verdade, levou alguém a tomar uma decisão. Na realidade, os percursos dos clientes nunca foram lineares. São desordenados, estendidos por vários canais, dispositivos e momentos de intenção. Foi a tecnologia por trás disso que fez a atribuição parecer precisa: esses cookies de terceiros permitiam aos profissionais de marketing ligar essas interações dispersas e construir uma imagem aparentemente completa.

À medida que o tracking se torna mais restrito, as ligações entre pontos de contacto estão a desaparecer. Sem esse fio invisível a unir tudo, os nossos dashboards estão a fragmentar-se. Os dados estão a tornar-se escassos, conduzindo ao que os analistas do setor chamam de “dark marketing”, em que uma parte significativa da influência no topo do funil fica completamente sem crédito — aquela influência que sabemos que existe, mas que já não conseguimos ver ou medir totalmente.

A atribuição multi-touch tentou resolver isto ao distribuir o mérito por várias interações, mas dependia do mesmo pressuposto: o de que ainda era possível seguir todo o percurso. E esse pressuposto já não se mantém.

Hoje, até as equipas de marketing com mais recursos estão a sentir o impacto, porque as conversões que conseguimos acompanhar são muitas vezes apenas uma percentagem do total.

A perda de sinal faz agora parte da equação, seja porque os utilizadores recusam o consentimento, porque os browsers limitam o tracking ou porque os dispositivos funcionam em ambientes fechados; grandes blocos de dados simplesmente não estão disponíveis. Um utilizador pode interagir com a sua marca várias vezes, rejeitar o tracking e regressar mais tarde para converter, deixando pouco ou nenhum rasto nos seus relatórios.

A reação natural é tentar preencher essas lacunas com melhor tecnologia. Assim, entram em cena o tracking server-side, as conversões melhoradas e as estratégias de dados first-party — e, embora todas ajudem, e valham o investimento, a abordagem mais eficaz passa por uma mudança de mentalidade. Em vez de perseguirem uma certeza total, os profissionais de marketing precisam de trabalhar com dados parciais, aprendendo a interpretar padrões, testar pressupostos e retirar conclusões relevantes sem verem cada passo.

Porque, no fim, o objetivo não mudou: continua a ser necessário compreender o que impulsiona a performance. Agora, simplesmente, é preciso fazê-lo sem a ilusão de uma atribuição perfeita.

‍

‍

A pilha de medição mais inteligente para um mundo orientado para a privacidade: o único caminho a seguir
‍

Lembra-te disto: não existe uma única ferramenta capaz de resolver os desafios de medição atuais. Nenhuma plataforma, nenhuma solução alternativa, nenhum remendo rápido. Mas existe um caminho a seguir, que passa essencialmente por uma combinação de abordagens, em que cada uma contribui para completar uma parte diferente do panorama.

‍

‍

Significado:

‍

1. Tracking do lado do servidor (server-side tracking) e APIs de conversão

‍

‍

Tradicionalmente, o tracking dependia de píxeis baseados no browser, como o Meta Pixel, tags do GA4 ou tags do Google Ads, que eram acionados diretamente a partir do browser do utilizador no momento da compra. Mas depois entraram em cena os bloqueadores de anúncios, as recusas de cookies, a prevenção de tracking do Safari e as escolhas de consentimento, e começaram a surgir problemas. Todos estes mecanismos de privacidade acabam por interromper esses sinais, criando reporting incompleto e falhas na atribuição.

O tracking do lado do servidor ajuda os marketers a recuperar parte do sinal que se perde quando o tracking baseado no browser é bloqueado, limitado ou interrompido.

Isto significa que, em vez de depender apenas do browser do utilizador para acionar tags, os dados são enviados através do teu próprio servidor, o que pode melhorar a precisão, a resiliência e o controlo, mantendo-se ainda assim construído em torno do consentimento e dos requisitos do RGPD.

Para mostrar como isto pode funcionar, consideremos uma marca de eCommerce que envia eventos de compra a partir do seu backend para a Meta Conversions API e para as conversões melhoradas do Google Ads. Se um utilizador comprar depois de clicar num anúncio, mas o píxel do browser falhar, o evento enviado pelo backend continua a registar a venda e dá à plataforma um sinal melhor para otimização.

O mesmo acontece, por exemplo, com um negócio de geração de leads que envia submissões de formulários do CRM para a plataforma de anúncios, para que as campanhas possam ser otimizadas com base em leads qualificadas, em vez de apenas em submissões de formulários visíveis no site.

Tanto as Conversões Melhoradas da Google como a Conversions API da Meta (CAPI) funcionam desta forma. Quando um cliente conclui uma compra e fornece o seu email, esse email é convertido em hash do lado do servidor e transmitido à plataforma. A plataforma cruza-o com o seu próprio grafo de utilizadores e atribui as conversões, sem precisar de cookies de terceiros.

De acordo com dados da Weld.app, “as empresas que dependem apenas de tracking do lado do cliente veem apenas 50–65% das conversões dentro do Meta Ads Manager. Depois de implementarem a CAPI (Conversions API da Meta, também conhecida como Facebook Conversion API ou ‘CAPI’), esse número sobe para mais de 95%, resultando numa segmentação de campanhas significativamente melhor, numa atribuição mais precisa e num custo por conversão mais baixo”.

Entre as APIs de conversão mais utilizadas atualmente, encontram-se:

• Meta Conversions API (CAPI)
• Google Enhanced Conversions
• TikTok Events API
• Pinterest Conversion API

‍

‍

2. Consent Mode e técnicas de modelação semelhantes

‍

Os banners de consentimento criam um novo desafio para os anunciantes. Se os utilizadores recusarem o tracking, as ferramentas tradicionais de analytics perdem totalmente a visibilidade e, em algumas indústrias, as taxas de opt-out podem reduzir significativamente os dados observáveis.

Quando um utilizador clica em “recusar” no banner de cookies, a maioria dos sistemas de medição simplesmente fica às escuras. O Consent Mode foi pensado para impedir que isso aconteça. Em vez de contornar a escolha do utilizador e forçar o tracking, respeita essa escolha ao trabalhar em torno da ausência de dados, de uma forma que mantém as campanhas funcionais.

A mecânica é relativamente simples. Em vez de cortar completamente o sinal, o Consent Mode regista que o consentimento não foi dado e usa padrões comportamentais agregados e anonimizados de utilizadores que deram consentimento para modelar o que provavelmente aconteceu a seguir. É uma inferência informada, não uma forma de contornar o consentimento. A preferência do utilizador é respeitada; a plataforma simplesmente não finge que o resto do mundo deixou de converter porque uma pessoa fez opt-out.

O Consent Mode v2 da Google tornou isto bastante mais robusto. Enquanto a versão original tratava de sinais básicos de consentimento, a v2 introduziu dois novos parâmetros, ad_user_data e ad_personalization, dando aos marketers mais controlo sobre o que é transmitido à Google e em que condições. Em mercados onde as taxas de consentimento ao abrigo do RGPD são estruturalmente baixas, como acontece em grande parte do Reino Unido e da UE, esta distinção é importante.

Uma configuração bem implementada do Consent Mode v2 significa que o Smart Bidding continua a ter algo relevante contra o qual otimizar, mesmo num contexto em que uma grande parte da audiência optou por não permitir tracking direto.

Um exemplo prático seria uma empresa de viagens a correr campanhas de Google Ads no Reino Unido e no EEE, onde uma grande percentagem de visitantes recusa cookies no banner. O Consent Mode permite à Google modelar algumas conversões que, de outra forma, ficariam excluídas dos relatórios, ajudando a preservar a performance de bidding e a otimização de conversões. A Google publicou um case study da TUI que mostra um aumento de 7% nas conversões após a implementação do Consent Mode, um ponto de prova forte para referir no artigo.

Basicamente, a modelação de consentimento estima o comportamento provável a partir de padrões agregados, para que os anunciantes mantenham uma visibilidade direcional sobre a performance das campanhas.

Isto é especialmente útil para:

• Geração de Leads
• Negócios de subscrição
• Jornadas Cross-device
• Compras de elevada consideração

Aqui estão algumas plataformas de consentimento recomendadas:

• Usercentrics
• Didomi
• CookieYes
• CookieBot

A limitação desta abordagem é que as conversões modeladas não são o mesmo que conversões observadas. Um valor de ROAS (return on ad spend) que mistura ambos sem os distinguir não é uma base fiável para decisões de investimento com confiança. Além disso, o Consent Mode só funciona quando está corretamente implementado, ou seja, quando os sinais de consentimento são transmitidos com precisão e as tags da Google não carregam antes de o consentimento ser dado.

‍

3. Testes de incrementalidade em anúncios

‍

A incrementalidade é, basicamente, o caminho para perceber o que está genuinamente a gerar resultados, e não apenas o que está a ser medido. Procura responder à pergunta que os modelos de atribuição não conseguem responder: estas conversões teriam acontecido sem esta campanha?

Os testes de incrementalidade seguem uma abordagem diferente da atribuição tradicional. Em vez de rastrearem a jornada de um utilizador através de vários pontos de contacto, comparam resultados ao nível de grupos: uma audiência exposta à campanha versus um grupo de controlo semelhante que não foi exposto. Isto torna-os muito mais úteis quando as regras de privacidade, as escolhas de consentimento e as limitações das plataformas deixam os dados de atribuição incompletos.

Um exemplo simples seria uma marca de retalho a correr paid social em duas regiões semelhantes. Uma região vê a campanha, a outra não. Se as vendas aumentarem apenas na região exposta, é provável que a campanha esteja a gerar valor incremental real. Se ambas as regiões tiverem uma performance semelhante, os anúncios podem não estar a criar muita procura adicional.

A mesma lógica aplica-se a uma marca que esteja a fazer remarketing. Os testes de incrementalidade podem mostrar se esses anúncios estão realmente a gerar conversões adicionais ou se estão apenas a captar pessoas que já estavam perto de comprar.

Se estiveres à procura de ferramentas de incrementalidade, a biblioteca open-source GeoLift da Meta, disponível em R, e a framework de experiências geográficas da Google são bons pontos de partida. Outras plataformas comerciais, como a Northbeam, a Measured e a Haus, oferecem desenho de testes e validação estatística mais automatizados.

‍

4. Marketing Mix Modelling (MMM)

‍

O Marketing Mix Modelling está a viver um grande revivalismo porque funciona sem tracking individual.

Basicamente, oferece uma visão da performance entre canais usando dados agregados, sem depender de qualquer tracking individual de utilizadores.

Em vez de seguir utilizadores, o MMM estima a contribuição de receita de diferentes canais de marketing com base em dados agregados ao nível da população, como investimento por canal, condições de mercado, sazonalidade e fatores económicos, sem exigir qualquer tracking ao nível individual. É totalmente imune à perda de sinal causada por opt-outs de consentimento, bloqueio de cookies e restrições dos browsers, porque nunca dependeu desses mecanismos em primeiro lugar.

Isto torna-o especialmente valioso num contexto privacy-first, e é por isso que é frequentemente usado por equipas de liderança para compreender a contribuição dos canais, otimizar budgets e avaliar o ROI global em todo o media mix.

O MMM é mais lento do que a atribuição, o que o torna mais adequado para decisões trimestrais de alocação de budget do que para gestão de bids em tempo real. Mas é a única ferramenta que oferece uma visão agnóstica em relação aos canais e independente do tracking sobre o que está realmente a gerar receita em todo o mix. Usado em conjunto com testes de incrementalidade, que podem ser utilizados para calibrar e validar os outputs do MMM, fornece a abordagem cross-channel mais robusta e baseada em evidência disponível para decisões de performance marketing.

Além disso, os novos modelos de MMM reforçados com machine learning conseguem agora correr a um nível geográfico mais granular e ser atualizados com maior frequência do que os modelos anuais tradicionais, tornando-os acionáveis para ciclos de planeamento, e não apenas para análise retrospetiva. Plataformas como o Meridian da Google, open-source, e fornecedores comerciais como a Analytic Partners e a Nielsen, merecem ser avaliados em função da dimensão da equipa e da maturidade dos dados.

‍

Considera tudo em conjunto

‍

Vistos individualmente, nenhum destes métodos é perfeito. Combinados, criam uma framework de medição muito mais resiliente.

E, mais uma vez, a principal diferença está na mentalidade. Em vez de perseguires visibilidade total — deixa isso no passado… isso é tão 2025 — procura tornar-te uma marca líder e construir um sistema que funcione apesar dessa falta de visibilidade.

Foca-te em confiança direcional, que te permite dizer, com um grau razoável de certeza, o que está a contribuir para o crescimento e o que não está. Porque a realidade é que as regras mudaram. O RGPD reformulou como e quando os dados podem ser recolhidos, enquanto a posição em evolução da Google relativamente aos cookies preservou a aparência de tracking sem restaurar a sua antiga fiabilidade.

Perante isto, uma abordagem de medição em camadas e com múltiplos métodos não é uma solução temporária, mas sim a forma como o marketing funciona agora.

‍

‍