Resposta direta: a IA não deve mover o próximo real para o canal com maior ROAS médio. Deve comparar o ganho marginal esperado de um pequeno aumento de verba, depois de alinhar resultado econômico, maturação, incerteza e restrições do negócio. Comece em modo sombra, preserve uma reserva de experimentação, exija aprovação para mudanças materiais e registre como desfazer cada movimento. As plataformas continuam otimizando dentro de seus próprios ambientes; a empresa precisa ser dona da decisão entre eles.
Google pode sugerir mais orçamento para uma campanha, Meta pode encontrar outra oportunidade e retail media pode atribuir uma venda que também aparece no analytics. Todas as recomendações podem ser coerentes no próprio sistema e ainda competir pelo mesmo dinheiro. A camada comum não substitui os algoritmos: define qual resultado conta, quais limites são invioláveis e quanto de incerteza a empresa aceita.
Use o Contrato do Próximo Real
- Resultado comum — receita realizada, margem de contribuição, oportunidade aceita ou outro desfecho reconciliado; nunca misture clique, lead e venda na mesma fila.
- Envelope elegível — verba que realmente pode mudar, piso e teto por canal, compromissos, geografia, estoque e capacidade.
- Relógio de maturação — idade mínima da coorte e atraso de dados antes de comparar.
- Curva marginal — resposta esperada do próximo bloco de investimento, com intervalo de incerteza e versão do modelo.
- Reserva experimental — verba protegida para aprender, inclusive em canais que o modelo ainda subestima.
- Gate operacional — margem, inventário, frequência, capacidade comercial, brand safety, consentimento e SLA.
- Aprovação e reversão — quem autoriza, magnitude máxima, duração, alerta e condição de rollback.
- Log de evidência — recomendação, dados lidos, decisão humana, execução, resultado e correção.
O contrato evita três atalhos: transferir verba porque um dashboard está verde, aplicar uma curva antiga a um mercado novo e deixar o agente otimizar um objetivo que finanças não reconhece. Cada decisão deve nomear o denominador, a coorte, o incremento, o risco e o owner.
Retorno médio não é retorno marginal
Um canal pode ter ROAS médio alto porque capturou demanda de marca e já estar saturado. Outro pode ter ROAS histórico menor, mas responder melhor ao próximo bloco. O Robyn chama a derivada da curva no nível atual de gasto de resposta do “próximo dólar” e modela carryover e saturação. O Meridian também otimiza cenários com orçamento e limites. Ambos são instrumentos: sem calibração, dados suficientes e restrições, uma curva precisa só na aparência.
Use três valores separados: resultado observado, resultado atribuído e resultado incremental estimado. O primeiro vem de CRM, commerce ou finanças; o segundo ajuda a operar canais; o terceiro exige modelo ou experimento e carrega incerteza. Nunca substitua um pelo outro no log.
Respeite o que cada plataforma já resolve
O Performance Planner projeta mudanças dentro do Google Ads e inclui atraso de conversão em cenários elegíveis. A Meta pode compartilhar parte do orçamento entre conjuntos elegíveis. Essas automações são úteis, mas não conhecem a carteira completa nem necessariamente o mesmo resultado econômico. Use as recomendações nativas como features da decisão, não como ordens concorrentes.
Suba a escada de realocação
- 1. Corrija custo, identidade, conversão e valor antes de modelar.
- 2. Otimize dentro de cada canal e documente objetivos e limites.
- 3. Simule movimentos entre canais sem executá-los.
- 4. Compare recomendações com decisão atual em shadow mode.
- 5. Libere mudanças pequenas, reversíveis e espaçadas pela maturação.
- 6. Escale apenas após repetição, calibração experimental e operação estável.
Não salte do relatório para um agente com acesso de escrita. Primeiro produza uma recomendação revisável. Depois, se o processo for confiável, automatize somente movimentos dentro de bandas pré-aprovadas e mantenha kill switch.
Piloto de seis semanas
- Semana 1 — escolha dois ou três canais, um resultado e um envelope que possa mudar; reconcilie quatro semanas de custo e resultados.
- Semana 2 — defina maturação, pisos, tetos, reserva experimental e gates de margem, estoque e capacidade.
- Semana 3 — estime curvas e incerteza; compare métodos simples, MMM e sinais nativos sem esconder divergências.
- Semana 4 — gere recomendações em shadow mode e registre o que teria sido movido, por quê e quando seria revertido.
- Semana 5 — execute um ou dois movimentos pequenos com comparador, janela e aprovação explícita.
- Semana 6 — avalie resultado maduro, volatilidade, erro, carga operacional e decisão de manter, corrigir ou parar.
Entregáveis: dicionário de resultado, tabela de custos, regras de maturação, curvas versionadas, restrições, simulador de cenários, fila de aprovação, integração de execução, logs, painel de exceções e runbook. O custo cresce com canais, granularidade, histórico, identidade, mercados, frequência de decisão, experimentos, integrações, revisão e operação.
Meça qualidade da decisão, não apenas ROAS
Meça recomendações aceitas, movimentos revertidos, violações de gate, erro entre previsto e realizado, estabilidade por coorte, lift incremental quando disponível, margem, payback, custo operacional e valor da reserva experimental. Compare com uma política simples — por exemplo, manter verba ou rebalancear por regra fixa. Se a IA não superar a regra depois de custos e risco, mantenha a regra.
Leia a fronteira entre plataforma e empresa em https://makinai.co/insights/pt/ia-midia-paga-alem-automacao-google-meta, alinhe maturação em https://makinai.co/insights/pt/janela-atribuicao-maturacao-receita-ia-orcamento-marketing, conecte margem e payback em https://makinai.co/insights/pt/ia-custo-aquisicao-margem-payback-valor-cliente e preserve capacidade de experimentar em https://makinai.co/insights/pt/ia-capacidade-marketing-sistema-experimentos-validos. Se hoje a decisão acontece por planilha e disputa de dashboards, leve à MAKINAI, em https://makinai.co/services/pt/agencia-marketing-digital-midia-performance-growth, oito semanas de custo, resultado e restrições de dois canais. Podemos delimitar o modo sombra antes de discutir execução automática.
As fontes documentam capacidades e métodos, não provam que uma realocação específica criará valor. Curvas podem confundir correlação, carryover e seleção; experimentos podem ser inviáveis ou inconclusivos. O contrato e o piloto são recomendações editoriais a validar no workflow real.