Como superar a perda de sinais construindo uma nova realidade de dados

O avanço da privacidade trouxe uma perda de sinais que dificultou significativamente a capacidade dos profissionais de marketing de segmentar, mensurar e otimizar suas campanhas. Segundo dados da McKinsey, cerca de 10 bilhões de dólares estão em risco devido à perda de sinais, e isso só nos Estados Unidos.

Mas esse desafio pode ser solucionado graças à inovação e adaptação, que permitem a criação de uma nova realidade de dados.

Nesse blog, vamos explicar o que levou a essa realidade, o impacto da perda de sinais sobre o marketing e como superar esse problema.   

O que é a perda de sinais?

A perda de sinais é resultado da perda de acesso a identificadores de dados a nível de usuário. Até recentemente, esses identificadores ocupavam o centro da mensuração baseada em performance. Assim, essa perda de sinais representa um grande desafio para o marketing digital.   

Contexto: o que está por trás dessa mudança

Nos últimos anos, legisladores e consumidores têm pressionado cada vez mais pela proteção da privacidade dos usuários por meio de diversas regulamentações, como GDPR, CCPA, DMA e LGPD, para citar algumas das mais relevantes.

Em essência, trata-se de controlar como os dados a nível de usuário são compartilhados entre diferentes empresas e como o consentimento para esse compartilhamento é solicitado e apresentado.

Em paralelo (de forma reativa ou proativa), Google e Apple desenvolveram mecanismos para limitar ou desativar dados a nível de usuário: 

• iOS – App Tracking Transparency (ATT): Fez com que a taxa de instalações com IDFA caísse de 80% (devido ao Limit Ad Tracking) para apenas 27% – ainda muito importante para modelagem.

• Android – Descontinuação do Google Advertising ID (GAID): Presume-se que o Google irá desativar completamente o identificador a nível de usuário do Android, mas não antes de 2025.

• Web – cookies de terceiros: Após anos planejando a desativação dos cookies no Chrome, o Google decidiu em julho de 2024 mantê-los e adotar uma abordagem parecida com a da ATT. Em comunicado, a empresa afirmou: “Em vez de desativar os cookies de terceiros, introduziríamos uma nova experiência no Chrome que permite que as pessoas façam uma escolha informada… Estamos discutindo esse novo caminho com os reguladores e vamos dialogar com o setor à medida que implementamos essa mudança.” 
  
  Embora o Google não tenha fornecido detalhes sobre essa “nova experiência no Chrome”, parece que a perda de sinal será mitigada, passando de uma desativação total para uma parcial, afetando apenas usuários sem consentimento. Mas é impossível dizer o quanto, já que ainda há muitas incógnitas: o Google usará um mecanismo de opt-out ou opt-in? Consentimento único ou duplo (do lado do anunciante e do publisher)? Uso fixo ou flexível de linguagem e funcionalidades de UX? O tempo dirá.

Por enquanto, a perda de dados a nível de usuário é uma realidade no iOS por causa da ATT, mas em breve se expandirá para o Android e, posteriormente, para a web, afetando todos os profissionais de marketing digital. E embora cada cenário seja diferente, a essência é a mesma.

O impacto da perda de sinais nos anunciantes

Embora essa mudança no ecossistema seja um passo necessário para combater o uso abusivo de dados de usuários, a adaptação tem sido difícil para profissionais de marketing que dependem de dados a nível de usuário para segmentação, mensuração e otimização. 

 1) Mensuração

A perda de sinais tem um impacto significativo na mensuração, criando dois desafios principais para os profissionais de marketing:

a) Fragmentação de dados: já era um desafio há anos, mas se intensificou significativamente desde o lançamento do iOS 14.5. Para citar apenas as fontes de dados mais relevantes:

• Atribuição por MMP (determinística e probabilística) e dados in-app resultantes
• Dados de sistemas operacionais e lojas (SKAN e, futuramente, Sandbox) e dados in-app resultantes
• Dados de atribuição de SRNs
• Dados de usuários com consentimento no iOS
• Dados do Apple Search Ads
• Dados de mensuração top-down (incrementalidade e MMM)
• Dados além do mobile: CTV, Web, PC&C, offline

E isso apenas no iOS.

Como reconciliar dados de tantas fontes e frameworks para entender a performance?

b) Dados limitados e atrasados:

SKAN e AdAttributionKit (sucessor da SKAN) fornecem sinais atrasados intencionalmente e apenas até 64 valores (e somente 3 nos postbacks posteriores). E apesar das melhorias no AdAttributionKit e nos dados do Sandbox, que podem oferecer um LTV de 30 dias, os dados do sistema operacional ainda chegam com atraso e de forma limitada. Como os profissionais de marketing dependem de sinais pós-instalação em tempo real para otimização, esse atraso representa um obstáculo significativo. 

 2) Segmentação

Quando os dados a nível de usuário não estão disponíveis:

• Os anunciantes não conseguem criar segmentos de remarketing e, como resultado, não conseguem se engajar seus clientes ativos de forma eficaz, o que leva ao aumento do custo por ação.
• Os anunciantes não conseguem criar listas de supressão e acabam segmentando os mesmos usuários, o que leva ao aumento do custo por nova aquisição.
• A capacidade das ad networks de otimizar a entrega é significativamente prejudicada, o que eleva os custos de forma geral.

Em resumo, a perda de sinais resultante das medidas de privacidade comprometeu a integridade dos dados, criando riscos de interpretações equivocadas e, consequentemente, de insights enganosos e decisões ineficazes. Como resultado, o trabalho de um profissional de marketing fica 10x mais difícil, e o mesmo vale para a mensuração.

Como superar a perda de sinais e manter a confiança na mensuração

Antes da ATT, os profissionais de marketing tinham uma visão rica e completa dos dados a nível de usuário, como uma imagem em ultra HD 8K.

Mas a nova realidade de dados veio para ficar. Nela, há muitas lacunas que nos impedem de visualizar o panorama completo.

Por isso, os profissionais de marketing precisam aproveitar todos os sinais de dados disponíveis e consolidar diferentes fontes em uma única fonte confiável para mensurar suas campanhas de forma eficaz.

Para criar uma nova “imagem dos dados”, as lacunas precisam ser preenchidas sempre que possível e novos sinais de dados precisam ser adicionados para compensar.

 1) Preenchendo as lacunas com modelagem

A modelagem existe há anos, mas ela nunca foi realmente necessária, já que a maioria dos dados era determinística. No entanto, com a perda de sinais, ela se torna indispensável, podendo ser aplicada com modelos que NÃO violam a privacidade dos usuários. Com a IA ao nosso lado, a precisão dos modelos criados está melhorando de forma significativa.

A modelagem é usada para preencher lacunas em:

1. Atribuição de sistema operacional: Como os dados da SKAN chegam com atraso e de forma limitada (o mesmo valerá para os dados do Sandbox), surgem lacunas nos dados. Com a modelagem, é possível fornecer sinais em tempo real, dados a nível geográfico (não disponíveis na SKAN) e dados de LTV para o dia 7, dia 30 e além.

• Modelagem no lado da mídia: As limitações da SKAN dificultam a mensuração para as Self-Reporting Networks (SRNs), que sempre dependeram exclusivamente da atribuição determinística. Ao combinar modelagem probabilística com a determinística, elas recuperam créditos perdidos. De acordo com nossa análise, o Snap aumentou seu share de instalações no iOS em 138% e seu eCPI caiu 46%. Esses ganhos são o resultado de uma abordagem completa de SSOT(desduplicando dados entre SKAN, atribuição com consentimento e modelagem agregada de campanhas) e não da identificação de usuários individuais sem consentimento.

Além disso, grandes empresas de mídia como Google e Meta também têm dado mais foco à modelagem como uma solução para navegar e solucionar os desafios da perda de sinais em suas estratégias de publicidade e marketing.

Por exemplo, o Google Ads utiliza modelos de machine learning para aprimorar estratégias de bidding, enquanto o Ads Manager do Meta utiliza a modelagem preditiva para personalizar a entrega e a segmentação de anúncios. Além disso, ambas as empresas utilizam modelagem de dados para criar experiências personalizadas, alcançar audiências relevantes e otimizar a performance das campanhas.

• Mensuração bottom-up (last touch): Incrementalidade e Media Mix Modelling (MMM) oferecem uma perspectiva complementar sobre a performance das campanhas, sem depender exclusivamente de sinais bottom-up de último toque.

Continuando com a analogia da imagem em alta resolução: a modelagem ajudou a preencher algumas lacunas, mas ainda não é suficiente. 

 2) Utilizando e criando novos sinais

1. Sinais de criativos e campanhas no topo do funil: com menos sinais no fundo do funil, o foco se volta para o topo, onde há uma abundância de dados vinculados a criativos e campanhas. Isto abrange duas áreas:

• Dados de criativos: sinais ricos e altamente granulares podem ser obtidos, por exemplo, ao identificar, dentro de um único anúncio, tipos de cenas (como conteúdo gerado pelo usuário, animação, vídeos ao vivo, abertura/encerramento) e elementos específicos (cor, cenário, objetos, textos, entre outros).

• Engajamentos enriquecidos (EETs): o padrão de atribuição atual, que considera apenas cliques ou visualizações, é falho. Há muitos sinais intermediários que podem fornecer dados de performance valiosos e redefinir a lógica de atribuição.

2) [Mais] dados first-party: com uma limitação cada vez maior no compartilhamento de dados entre diferentes empresas, o valor dos dados third-party caiu. Por isso, é importante que os profissionais de marketing foquem mais nos dados first-party e priorizem sua coleta e utilização. Isso inclui:

• Como coletá-los corretamente e solicitar informações aos usuários (considerando UX e aspectos legais)
• Como garantir que os dados sejam limpos e acionáveis
• Como utilizá-los em mídias próprias
• Como utilizá-los em mídias pagas (remarketing, commerce media)

Esses dados não precisam ficar restritos ao ambiente interno de uma empresa. Uma plataforma de colaboração de dados pode funcionar como um ambiente confiável para monetização de dados first-party, ativação de audiências e mensuração. Ao permitir que as marcas compartilhem esses dados de forma segura, em compliance com as normas de privacidade, os profissionais de marketing podem maximizar o potencial dos seus próprios dados.

3) Sinais omnichannel: canais como apps, web, CTV, PC e console, commerce media networks e out-of-home oferecem oportunidades únicas para adquirir e engajar usuários no digital. Ao conectar a atribuição de diferentes canais, os profissionais de marketing conseguem conectar novos pontos de dados e comportamentos de usuários de diversas plataformas, acessando uma visão completa de como o marketing cross-platform impulsiona os resultados do negócio.

4) Single source of truth (SSOT): como mencionamos anteriormente, a fragmentação de dados criou uma realidade extremamente complexa, que em grande parte não pode ser acessada pelos profissionais de marketing.

É aqui que entra o SSOT, que combina dados de múltiplas fontes e aplica soluções tecnológicas para identificar e remover instalações duplicadas, preencher lacunas de dados em geos, web-to-app, LTV mais longo, modelagem de CVs nulos, dados orgânicos, remarketing, entre outros.

De acordo com a nossa análise, ao consolidar dados em uma visão única, o app médio registra um aumento de 29% nas instalações atribuídas, uma queda de 40% no eCPI e um salto de 62% na receita atribuída ao marketing.

Atualmente, o SSOT tem como foco o iOS, mas nossa futura solução para web e Android será parecida.

Ao adicionar novos sinais de dados, obtemos informações que antes não existiam, ampliando o contexto do marketing.

Conclusão

A perda de sinais criou um ambiente desafiador para os profissionais de marketing de performance. Com a redução no acesso a dados a nível de usuário, impulsionar o crescimento ficou muito mais difícil. Soluções inovadoras são necessárias para preencher lacunas e criar novos sinais, permitindo que os profissionais de marketing de performance retomem o controle e mensurem suas campanhas com confiança.