“Um homem com um relógio sabe a hora certa, um homem com dois relógios nunca tem certeza“
Lei de segal
Em um mundo cada vez mais ferramentas mensurando o resultado uma pergunta frequente é “esse número está certo?”.
Nenhuma métrica representa melhor esse tipo de apreensão do que a conversão. Ao comparar o dado em diferentes ferramentas são comuns dúvidas como:
- Por que os números são mais altos do que no banco de dados?
- Por que as conversões do Facebook Ads são muito maiores do que a do Google Analytics?
- Essa diferença significa que a tag não foi bem implementada?
Esse tipo de pergunta representa o medo cada vez mais comum de tomar decisões com base em dados errados ou imprecisos.
Ao longo desse guia vou “debugar” os problemas mais comuns e formas de ter mais confiança nessa métrica estratégica. É uma questão que envolve definições de negócio, questões técnicas e metodologias de mensuração, com bastante zonas cinzentas no caminho.
Logo, não será tarefa fácil.
Mas é somente isolando essas variáveis que vamos conseguir identificar quando a métrica é confiável, seus pontos de atenção e quando se deve atuar para uma correção.
E o primeiro passo é simples: ter clareza no conceito da métrica.
O que é uma conversão?
Conversão é um evento configurado que representa um objetivo de negócio cumprido. Uma vez que cada negócio tem critérios próprios de conversão não é uma métrica simples de padronizar como sessão, clique ou visualização de página.
Para simplificar vamos trabalhar com os dois tipos mais comuns de conversão no ambiente digital:
Transação: em português claro, uma venda. É um evento que sempre envolve uma transação monetária, mesmo que não necessariamente faturada (ex: geração de um boleto).
Lead: Embora seja utilizado de forma bastante ampla (e frequentemente incorreta), lead é um dado de contato de uma pessoa com intenção de compra – como uma solicitação de um orçamento ou um carrinho abandonado no último passo.
É comum faltar clareza no critério exato que determina o que é um lead. Por exemplo:
- Se uma pessoa que preencher dois formulários no seu site no mesmo dia considera-se um lead ou dois leads? (resposta: um lead com duas interações)
- Uma inscrição de newsletter é um lead? (resposta: a newsletter normalmente não tem intenção de compra associada, o melhor seria considera-la como um cadastro e não um lead).
Existem diversas metodologias para determinar a qualidade de um lead, como classifica-los como MQL (marketing qualified lead) ou SQL (sales qualified lead). Mas a questão principal não é a metodologia utlizada mas ter clareza nas regras que determinam a mensuração de um lead.
Do contrário você pode terminar com cada ferramenta utilizando conceitos completamente diferentes, por exemplo:
Embora menos grave, esse tipo de problema pode ocorrer também com transações. Por exemplo, quando se compara o número de receita Google Analytics (que por padrão vai incluir não faturadas) com vendas faturadas do banco de dados.
Logo, por mais básico que pareça, o primeiro passo é dar uma resposta detalhada para a pergunta: o que é uma conversão para o seu negócio?
Na sequência é necessário entender as diferenças nos critérios de contabilização de cada ferramenta.
Discrepância esperada entre ferramentas
Diferentes ferramentas tem diferentes critérios tanto para contabilizar uma conversão quanto para atribuir essa conversão a uma fonte de tráfego / campanha.
Na tabela abaixo você pode conferir as principais diferenças na forma como uma conversão é contabilizada nos meios mais comuns de mensuração.
| Facebook ads | Google Ads | Google Analytics – Meta | Google Analytics – e-commece | Banco de dados | |
| Críterio | Page view | Page view | Page view / evento | Page view com ID de conversão | Entrada no banco de dados |
| Conversão entre diferentes dispositivos | Sim | Sim (com estimativas) | Não* | Não* | Não |
| Duração do Cookie (padrão) | 1 / 7 / 28 dias | 30 dias | 6 meses | 6 meses | Não aplicável |
| Data da conversão | Retroage para a data do último clique | Retroage para a data do último clique | Data da conversão | Data da conversão | Data de conversão ou do pagamento |
| Atribuição (padrão) | Último clique realizado em um anúncio no Faceboo ads | Último clique realizado em um anúncio no Google Ads | Último clique realizado em um link parametrizado | Último clique realizado em um link parametrizado | Não aplicável |
*informação pode ser visualizada em relatórios específicos e/ou mediante certas configurações
Embora possamos customizar ao menos algumas dessas variáveis, mesmo quando elas estão padronizadas, é comum que haja diferenças significativas no total de conversões.
Isso ocorre porque mesmo com os critérios alinhados as ferramentas ainda contabilizam de forma diferente as conversões de sessões que retornam.
Lembre-se que nem sempre a conversão ocorre logo após o clique, com usuários retornando no site para converter somente no dia seguinte via acesso direto ou alguma outra fonte de tráfego.
Relatório do Google Analytics – dias até a conversão
Embora esse tipo de atribuição seja padrão, identificar que se trata da mesma pessoa retornando nem sempre é tarefa fácil, particularmente quando envolve diferentes dispositivos.
Ao clicar em um anúncio no celular e finalizar no computador é possível que o Facebook Ads entenda que se trata da mesma pessoa e o Google Analytics não (de forma geral o Facebook é mais preciso para identificar um mesmo usuário em diferentes dispositivos).
Além disso, as ferramentas de mídia vão ter somente uma visão enviesada da jornada até a compra: atribuindo a conversão para si qualquer que tenha sido o ponto que o usuário clicou no anúncio. Já o Google Analytics apresenta uma visão mais completa, como padrão oferecendo uma atribuição de último clique.
Vamos comparar 3 cenários diferentes para entender melhor:
Na prática isso quer dizer que quanto mais longo for seu ciclo de compra e maior a quantidade de fontes de tráfego, maior deve ser a discrepância entre os dados das plataformas de mídia e do Google Analytics.
Isso é necessariamente ruim? Não. Os dados de conversão do Google e Facebook Ads – de forma geral – podem ser utilizados para otimizar o investimento entre diferentes campanhas na própria plataforma.
Ou seja, no dia-a-dia, pode-se alocar investimento da palavra A para a palavra B utilzando como base somente as conversões do Google Ads.
Mas você nunca deve tomar decisões entre diferentes mídias comparando conversões de diferentes ferramentas (ou seja, que utilizam diferentes metodologias para calcular a conversão). Nesse caso você deve utilizar uma ferramenta comum para analisar as campanhas utilizando os mesmos critérios, normalmente o Google Analytics.
Trocando em miúdos: o custo/conversão utilizando a conversão do Google Ads nunca deve ser comparado com o custo/conversão utilizando a conversão do Facebook Ads.
Por fim vale ressaltar que as ferramentas de mídia vão retroagir a conversão para a data do último clique.
Isso significa que se um usuário clicar no anúncio dia 4 e voltar ao site para a compra no dia 5, o Facebook ou o Google Ads vai considerar a conversão para o dia 4. Quem usa as ferramentas com regularidade já deve observar que os números do passado recente podem aumentar.
Esse efeito é intencional: o anunciante paga pelo clique e – ao retroagir as conversões para a data do último clique – as análises de rentabilidade se tornam mais assertivas. Dessa forma a análise ocorre sempre a partir do investimento que ocasionou o resultado.
Essa diferença entre o Google Analytics e as ferramentas de mídia deve ser menor quando analisado grandes períodos (o mês ou o semestre) mas pode ser bem significativa no dia-a-dia, principalmente quando há grandes oscilições no investimento diário.
Vale ressaltar que, ao contrário do que se imagina, o modelo de atribuição em si raramente é uma questão de discrepância entre ferramentas, uma vez que o modelo de “último clique” é padrão em praticamente todas elas. As diferenças normalmente estão associadas aos critérios e capacidades de cada ferramenta para contabilizar uma conversão e não ao modelo utilizado.
Erros de mensuração
Existem casos mais críticos em que realmente uma ferramenta apresenta um total inflacionado (ou deflacionado) por um problema efetivo de mensuração nas conversões. Quando a diferença é grande e inconstante essa tende a ser a explicação.
Existem dois motivos principais pelos quais pode haver um erro de mensuração: problemas na implementação do código ou na configuração da regra para contabilizar a conversão.
Existem dezenas de problemas diferentes que podem se originar por esses motivos, sempre necessitando de um diagnóstico e um plano de ação específico.
Um exemplo comum de configuração incorreta ocorre quando o carrinho ou formulário não altera a URL ao longo do processo.
O que ocorre nesse caso é que pela configuração de meta (a partir da página de destino) do Google Analytics vai contabilizar toda entrada no passo 1 como uma conversão.
Nesse caso o Google Ads contabilizaria somente quem efetivamente chegou no passo 3, que é o momento em que a tag de conversão é carregada na página.
Existem diversas formas de resolver o problema o mais simples sendo alterar o formulário para que a URL se altere em cada passo do formulário:
Outro problema comum é utilizar uma regra que acabe contabilizando os visualizações de outra página do site que não seja a de conclusão. Por exemplo, se a regra de conversão está configurada para qualquer página que tenha a palavra “conclusão”:
Outros problemas comuns são:
- A tag do Google Analytics não está em todas as páginas do site.
- A tag de conversão do Facebook ou Google Ads está na página errada ou não foi instalada corretamente.
- Estão sendo consideradas conversões internas ou de testes.
- Não são desconsideradas conversões de robôs ou duplicadas.
- A parametrização dos links de mídia não foi feita corretamente.
- O processo de compra passa por diferentes domínios e o Google Analytics não foi configurado para considerar esse fator.
Ainda assim existem muitas outras possibilidades de problemas de mensuração.
Caso você não consiga identificar a origem do problema vale considerar a contratação de mão-de-obra especializada para revisar a implementação e configurações das ferramentas.
Melhores práticas
Uma boa prática é sempre buscar ter um ID único de conversão para qualquer conversão realizada no site, comum entre o Google Analytics (ou ferramenta similar) e seu banco de dados.
Essa prática facilita imensamente a conciliação de dados online e offline, ajudando não só a entender a jornada do cliente, como a comparação das conversões de diferentes ferramentas e o por quê das suas diferenças.
Um ID único do seu cliente (normalmente associado ao e-mail, telefone e/ou CPF) ajuda ainda mais a entender esse ciclo, tornando mais preciso associar diferentes conversões a uma mesma pessoa.
Outros pontos de atenção são:
- Utilize plug-ins como o Google tag assistant ou o Ghostery, aliados valiosos ao verificar a implementação das tags.
- Sempre contabilizar “conversões por impressão” como uma métrica 100% a parte, particularmente no Facebook Ads.
- Tenha regras claras e consistentes para parametrização dos links externos.
- Configurar a contagem de conversão para o número mais conservador em qualquer ferramenta. No caso do Google Ads por exemplo basta configurar a contagem como “uma” para evitar a contabilização de duas conversões iguais em uma mesma sessão:
Conclusão
Dados de diferentes ferramentas nunca vão ser exatamente iguais – nem você deve esperar que sejam. É natural que hajam diferenças – e contanto que elas ocorram de forma consistente – não devem ocasionar problemas.
Por exemplo, digamos que você tenha como meta um custo / conversão de R$ 50. Ao entender as diferenças padrão entre ferramentas é possível calibrar essa meta para cada uma delas:
| Ferramenta | Conversões | Custo / conversão de meta |
| Banco de dados | 100 | R$ 50 |
| Google Analytics | 105 | R$ 48 |
| Google Ads | 110 | R$ 45 |
| Facebook Ads | 120 | R$ 42 |
Quando maior a diferença de conversões para o número “oficial”, melhor deverá ser a rentabilidade esperada para compensar essa relação. O mesmo racional pode ser aplicado para metas de outras métricas de rentabilidade, como ROI ou CAC.
São muitas metodologias diferentes em jogo, ao invés de pensar se o número está “certo” ou “errado” considere realizar uma pergunta mais adequada:
Esse dado é confiável?
É muito comum que o gestor – ao se deparar com uma diferença entre duas ferramentas – coloque a questão como um erro de mensuração ou questão 100% técnica.
Como acabamos de ver, a questão não é tão simples, a confiança nos dados é conquistada ao conciliar 3 aspectos diferentes de conhecimento: técnico, negócio e plataforma. É só conciliando o conhecimento que você poderá tomar decisões que efetivamente vão crescer seu resultado.
Quer entender melhor o universo de métricas e tomada de decisão no meio digital? Faça análises melhores e cresça seus resultados com os cursos Fundamentos do marketing data-driven e Marketing data-driven avançado!
Deixe um comentário