O Erro de Estratégia de Lance que Ninguém te Conta na Era da IA do Meta

O papel da estratégia de lance na era da IA da Meta

Muito já foi dito sobre a Andromeda, o sistema de IA que redesenhou a forma como a Meta entrega anúncios. A conversa geralmente gira em torno da estrutura de campanha: menos segmentação manual, mais criativos por campanha, deixar o algoritmo aprender.

É um conselho correto. Mas incompleto.

O que quase ninguém está discutindo é o outro lado da equação: a estratégia de lance. E foi exatamente essa lacuna que me custou um ROAS de 28x — que caiu para 11x em menos de três semanas, enquanto o número de compras quase triplicou.

Este é o relato de um experimento acidental que se tornou uma das maiores lições que já tive sobre como a Meta funciona hoje.

O que a Andromeda realmente é

A Andromeda não é apenas um algoritmo de segmentação aprimorado. É uma mudança de arquitetura. Antes dela, a Meta exigia que o anunciante fizesse a maior parte do trabalho de segmentação: você definia públicos, exclusões, interesses, e o sistema entregava para aquela fatia.

Com a Andromeda, o sistema aprende no nível do criativo. Ele observa quem interage com qual anúncio, em qual contexto, em qual momento, e redistribui a entrega em tempo real com base nesses sinais. A segmentação passou a ser uma consequência do criativo, e não o contrário.

O que isso muda na prática:

• Públicos fechados e hipersegmentados se tornam gargalos de aprendizado

• Mais criativos por campanha = mais dados = melhor otimização

• A estrutura granular que protegia o controle manual agora fragmenta o sinal e enfraquece o algoritmo

A lógica é clara: confie menos na segmentação manual, invista mais em criativos diversificados e deixe a IA descobrir quem compra.

A peça que a Andromeda não resolve: o objetivo de lance

A Andromeda é excepcional em responder a uma pergunta: quem, na Meta, tem maior probabilidade de realizar a ação que você deseja?

Mas quem define qual ação você deseja, e como quer maximizá-la, é a estratégia de lance.

São dois sistemas diferentes operando em camadas:

• Andromeda → Quem vê o anúncio e quando

• Estratégia de lance → O que otimizar dentro dessa entrega

Quando ambas as camadas estão alinhadas, a campanha performa de forma extraordinária. Quando não estão, a Andromeda será muito eficiente em fazer a coisa errada.

O caso: quando o algoritmo performa perfeitamente e o resultado é ruim

Eu gerencio uma campanha Advantage+ Shopping para um e-commerce canadense especializado em facas japonesas artesanais. A campanha tinha múltiplos criativos em vídeo, todos apontando para produtos de alto valor: Touroku Sakai, Ryusen Blazen, Shiro Kunimitsu, Masamoto, entre outros. Ticket médio alto, boas margens, ROAS sólido.

A estratégia de lance: maximizar volume de conversões.

Em 19 de fevereiro, adicionei um novo criativo: um vídeo sobre as Facas de Bolso. Um produto diferente: ticket médio significativamente mais baixo, mas forte apelo visual e alto potencial de impulso. O tipo de produto que as pessoas compram sem pensar muito.

Nas semanas seguintes, os números começaram a se mover.

Antes vs. depois (29/jan a 19/fev vs. 20/fev a 13/mar):

• Compras: 95 → 270 (▲ 184%)

• Custo por compra: $13,43 → $7,12 (▼ 47%)

• Gasto total: $1.275 → $1.924 (▲ 51%)

• ROAS: 28,02x → 11,48x (▼ 59%)

Na superfície: uma vitória. A Meta até exibiu um emblema de desempenho: "seu custo por compra é 78% menor do que anunciantes semelhantes". Mais compras, CPA menor, painel verde.

Mas o ROAS caiu quase 60%.

O que o algoritmo fez

Abrindo o detalhamento por criativo para o período após 19 de fevereiro, a história ficou explícita:

• Facas de Bolso: $1.915,94 em gasto / 265 compras

• Criativo produto 1: $3,27 / 4 compras

• Criativo produto 2: $0,46 / 1 compra

• Criativos 3 a 5: menos de $2 / 0 compras cada

A Andromeda concentrou 99,6% do orçamento no produto com o menor ticket.

E estava certa. De acordo com o objetivo que eu dei a ela.

"Maximizar conversões" significa: encontre o caminho de menor resistência para gerar o maior número de eventos de compra. O produto mais barato converte com mais facilidade, mais frequência, para um público maior. O algoritmo fez exatamente o que foi instruído a fazer.

O erro não foi da Andromeda. Foi meu.

O desalinhamento: o problema que ninguém está nomeando

Aqui está a tensão central da era Andromeda para o e-commerce:

O sistema se tornou tão bom em otimizar para o objetivo declarado que um objetivo mal escolhido agora tem consequências muito mais rápidas e severas do que antes.

Quando a segmentação era manual e a entrega era mais lenta, um objetivo ligeiramente errado era amortecido por todas as outras restrições da campanha. Hoje, com a Andromeda aprendendo em tempo real e redistribuindo orçamento dinamicamente, o desalinhamento é amplificado.

Isso cria uma armadilha específica para lojas de e-commerce com mix variado de produtos:

• Você coloca criativos de produtos com tickets diferentes na mesma campanha (o que a Andromeda incentiva)

• Você usa "maximizar conversões" porque quer volume

• O algoritmo encontra o produto que converte mais facilmente e concentra tudo ali

• Suas métricas de volume ficam ótimas; suas métricas de valor entram em colapso

É uma armadilha construída com boas intenções.

Como alinhar a estratégia de lance com a Andromeda

A pergunta certa antes de configurar qualquer campanha hoje não é mais "como segmento meu público". É: o que estou pedindo a esse algoritmo para otimizar, e isso reflete o que eu realmente quero?

Quando usar "Maximizar conversões"

Funciona bem quando:

• Seu mix de produtos tem tickets similares

• Você está em fase de aprendizado e precisa de volume de dados rápido

• O produto de menor ticket ainda tem margens saudáveis

Risco: se você tiver produtos com tickets muito diferentes na mesma campanha, o algoritmo sempre priorizará o mais barato.

Quando usar "Maximizar valor de conversão"

Este é o objetivo correto quando:

• Você tem produtos com tickets variados e quer que o algoritmo priorize receita, não volume

• Seu pixel está configurado para passar o valor da compra corretamente (pré-requisito obrigatório)

• Você prefere menos compras de maior valor a muitas compras de baixo valor

No meu caso: essa teria sido a escolha correta desde o início. A Andromeda teria aprendido a priorizar as facas premium, mesmo com o criativo das facas de bolso existindo na campanha.

Quando separar campanhas por faixa de ticket ainda faz sentido

Às vezes a separação ainda faz sentido — não para segmentação de público, mas para alinhamento de objetivo. Se a diferença de ticket entre produtos for muito grande (por exemplo, um produto de R$150 e um de R$2.000), rodar objetivos diferentes para cada grupo pode ser mais estratégico do que tentar resolver via estratégia de valor dentro da mesma campanha.

Isso é o oposto do mantra "consolide tudo" que a Andromeda popularizou, mas há casos em que faz sentido. A distinção é que você não está segmentando públicos; está separando por objetivo de negócio.

O que mudou e o que ficou igual

A Andromeda mudou muito sobre como estruturar campanhas na Meta. Mas a lógica de negócio por trás da estratégia de lance não mudou. Na verdade, ficou mais importante.

O que mudou:

• Segmentação manual virou gargalo, não alavanca de controle

• Mais criativos por campanha é melhor, não pior

• Estrutura granular por funil ou por público fragmenta o sinal

O que ficou igual:

• Você ainda precisa definir o que quer otimizar

• O algoritmo ainda otimiza literalmente para o objetivo declarado

• Um mix de produtos com tickets muito diferentes ainda exige atenção estratégica no nível do lance

A era Andromeda não eliminou a necessidade de pensar sobre estratégia de lance. Ela tornou essa decisão mais consequente, porque agora o sistema executa com muito mais velocidade e precisão.

Conclusão

A Andromeda é genuinamente poderosa. Mas poder sem direção correta gera eficiência no lugar errado.

No meu caso, o sistema funcionou perfeitamente. O problema foi o briefing que eu dei a ele. "Maximizar conversões" com um mix de produtos de tickets muito diferentes é uma instrução que o algoritmo vai seguir — e você vai assistir as métricas de volume subirem enquanto o ROAS desaba.

A lição não é desconfiar da Andromeda. É entender que ela opera em duas camadas que precisam estar alinhadas: a camada de entrega (que a Andromeda gerencia muito bem) e a camada de objetivo (que ainda é sua responsabilidade definir corretamente).

Quando essas duas camadas se comunicam, o resultado é o que a Meta prometeu: mais performance com menos trabalho manual. Quando não se comunicam, você tem um algoritmo de alta performance otimizando na direção errada — e fazendo isso com muita eficiência.