ROAS de 8x parece resultado bom até alguém perguntar: dessa receita toda, quanto não teria acontecido se a campanha não existisse? Em 2026, com cookies sumindo e atribuição cada vez mais embaçada, geo-experiments viraram o jeito mais sério de provar valor real. Esse post mostra como agência média monta isso sem precisar de time de data science.
O problema com ROAS atribuído
O ROAS que o Meta, Google e TikTok mostram pega toda venda que tocou na campanha em algum momento da jornada. Isso inclui:
- Cliente que já ia comprar e clicou no anúncio por reflexo.
- Compra orgânica que recebeu impressão paga e foi creditada à campanha.
- Venda recorrente atribuída a remarketing que só apareceu depois do checkout.
Resultado: ROAS atribuído normalmente superestima o impacto real entre 30% e 60%, dependendo do canal e da maturidade da marca.
Geo-experiment: a forma mais simples e mais confiável
A ideia é antiga e brilhante: divida o Brasil em dois grupos de regiões parecidas, rode campanha em um e desligue no outro, depois compare receita. A diferença é o lift incremental.
Por que funciona
- Não depende de cookie nem de pixel.
- Funciona em qualquer canal, mesmo TV ou OOH.
- O resultado é imune a mudança de iOS, ATT, ou política de privacidade.
- O cliente entende: "ligamos campanha em SP e RJ, desligamos em MG e BA, vendas subiram X% só onde rodou".
O que precisa pra montar
| Item | Mínimo viável | Recomendado |
|---|---|---|
| Janela de teste | 4 semanas | 6 a 8 semanas |
| Investimento | R$ 30 mil em mídia | R$ 80 mil ou mais |
| Estados/regiões pareadas | 2 grupos de 3 estados | 2 grupos de 5 a 8 |
| Métrica de leitura | Receita por estado | Receita + frequência de compra |
O passo a passo prático
1. Escolha o KPI primário
Geralmente receita ou número de pedidos. Lead gerado funciona, mas exige amostra maior pra ter significância estatística.
2. Pareie regiões parecidas
Use dados históricos de receita por estado dos últimos 6 a 12 meses. Pareie estados com curva de venda parecida. SP costuma parear com MG ou RS, NE com NE, e assim por diante.
3. Defina o tratamento
O grupo "tratado" recebe a campanha (ou recebe orçamento extra). O grupo "controle" segue normal (ou tem campanha pausada).
Em escala média, a abordagem mais usada é:
- Tratamento: liga campanha nova ou aumenta budget em 50%.
- Controle: mantém status quo. Não tem que ficar zerado, só não recebe a mudança.
4. Rode por 4 a 6 semanas
Não interrompa pelo meio mesmo se um lado parecer mal. Resultado parcial induz erro. Confiabilidade só sai com janela completa.
5. Calcule o lift
Receita do grupo tratado menos receita do grupo controle, ajustado pela diferença histórica. Ferramentas como GeoLift entregam intervalo de confiança de 90% ou 95% direto.
A primeira vez que uma agência roda geo-experiment com cliente de e-commerce médio, normalmente descobre que 30% a 50% do ROAS celebrado em reunião é venda que aconteceria de qualquer jeito.
Como vender isso pro cliente sem assustar
Cliente entende investimento em medição quando agência apresenta como seguro do orçamento, não como custo extra.
- Posicione como "teste pra saber onde vale dobrar".
- Mostre que sem isso, está jogando dinheiro em escala às cegas.
- Cobre o experiment como projeto, não como gestão mensal. Algo entre R$ 8 mil e R$ 25 mil dependendo do escopo.
- Entregue relatório que cliente leve pra board, não só pra reunião de marketing.
Quando geo-experiment não serve
- Marca pequena com receita baixa: amostra insuficiente, resultado vira ruído.
- Cliente B2B muito segmentado: tratamento por geografia não captura o ICP direito.
- Categoria sazonal sem histórico: pareamento de regiões fica frágil.
Pra esses casos, lift studies do próprio Meta (Conversion Lift) ou Google (Brand Lift, Search Lift) servem, mesmo que sejam menos precisos.
O que levar dessa leitura
- ROAS atribuído superestima impacto real entre 30% e 60% em média.
- Geo-experiment é a forma mais simples de provar incrementalidade real.
- Mínimo: 4 semanas, R$ 30 mil em mídia, 2 grupos de 3 estados pareados.
- Use ferramentas open source (GeoLift do Google, Geo Lift Library do Meta).
- Posicione pro cliente como seguro de orçamento, não como custo.
Pra rodar geo-experiment direito, é fundamental ter histórico de receita por região e investimento por canal organizados. Plataformas como o Ag.Hub, junto de Looker Studio, Power BI e Triple Whale, ajudam a centralizar dados e separar receita por região, viabilizando o experiment sem montar planilha do zero.
Veja também: Relatório de cliente que retém e First-party data para agências.
Fontes e referências
Dados compilados de fontes públicas e relatórios do setor.
