Marketing de Performance e Testes de Incrementalidade

(Como parar de “otimizar o que aparece no painel” e começar a investir no que realmente gera lucro — em B2B e B2C)

Marketing de performance é, em essência, comprar crescimento com disciplina: investir em canais e criativos que gerem resultado mensurável (leads, vendas, receita, margem), com ciclos constantes de otimização. Só que existe uma armadilha que pega empresas de todos os tamanhos — e que costuma custar caro para empresas médias: confundir atribuição com impacto real.

Em outras palavras: o canal “aparece” como responsável por uma conversão… mas talvez aquela venda acontecesse mesmo sem ele. Aí você escala orçamento, “melhora” o ROAS do painel, e quando o caixa aperta percebe que estava só pagando para levar crédito por algo que já ia acontecer.

É exatamente aqui que entram os testes de incrementalidade: um conjunto de experimentos (com controle e tratamento) desenhados para responder a pergunta que realmente interessa para o dono e para o financeiro:

O que teria acontecido se eu não tivesse rodado essa campanha / esse canal / esse aumento de verba?

A Haus, por exemplo, coloca isso de forma bem direta: Experimentações de incrementalidade mostram “o que teria acontecido sem o marketing”, comparando grupos expostos e não expostos para isolar o impacto causal. A Amplitude define incrementalidade no mesmo espírito: um experimento controlado que mede o efeito causal e calcula o incremental lift, separando o que foi causado pela campanha do que ela apenas “tocou” no caminho.

Este artigo é um guia didático, para empreendedor(a) e gestor(a) de empresa média (Brasil), sobre:

• O que é marketing de performance na prática (e onde ele engana);
• O que são testes de incrementalidade;
• Como desenhar e como interpretar esses testes;
• Exemplos explícitos em B2B e B2C;
• Como transformar o resultado em decisão estratégica de alocação de recursos (canais, verba, funil).

Também vou usar citações e ideias que já apareceram nas referências que usamos na matéria anterior (Ries/Lean Startup, OKRs, Lean Analytics), conectando com incrementalidade.

1) Marketing de performance: o que ele é (e o que ele não é)

Na empresa média, marketing de performance costuma ser associado a “mídia paga + ROAS + lead”. Mas performance bem feita é mais ampla:

• Meta de negócio clara (receita, margem, novos clientes, LTV, pipeline);
• Instrumentação de dados (eventos, conversões, CRM);
• Métrica de eficiência (CAC, CPA, iROAS/MER, payback);
• Rotina de experimentação (testes contínuos).

O problema é que, na prática, muita empresa faz “performance” assim:

1. Roda tráfego;
2. Olha o dashboard da plataforma;
3. Otimiza para o que a plataforma reporta (cliques, conversões atribuídas);
4. Escala o que “melhorou”.

Isso funciona… até não funcionar. Por quê? Porque a plataforma não mede “verdade”, mede atribuição dentro das regras dela. E atribuição não é causalidade.

A consequência típica é o que o próprio Haus ilustra em exemplos didáticos: você vê o anúncio de algo que já ia comprar (por outro motivo), compra, e o canal leva o crédito — mesmo sem ter “causado” a venda (Haus — Incrementality: The Fundamentals).

2) Incrementalidade: a diferença entre “levar crédito” e “gerar resultado”

Incrementalidade é o efeito adicional que sua ação de marketing gerou acima do que aconteceria naturalmente (baseline).

• Se você pausasse o canal e as vendas não mudassem, o canal não era incremental (ou era pouco).
• Se você pausasse e as vendas caíssem significativamente, o canal era incremental.
• Se as vendas caíssem, mas muito menos do que o canal “promete” no painel, então o canal é incremental, porém superatribuído.

A Amplitude resume isso como: o grupo controle mostra o que acontece sem sua campanha; o grupo tratamento mostra o que acontece com; a diferença é o incremental lift (Amplitude — Incrementality Testing).

A Haus reforça a mesma lógica e contrasta com atribuição e MMM tradicional: incrementalidade é “powered by causality” (causalidade), usando metodologia de teste/controle, baseada em dados reais de negócio (Haus — GeoLift).

Tradução para o gestor: incrementalidade é a forma mais direta de responder “vale a pena investir aqui?” com menos achismo e mais evidência.

3) Onde a incrementalidade muda decisões estratégicas (e não só táticas)

O marketing de performance do dia a dia tende a tomar decisões táticas:

• “Aumenta 20% no conjunto A”
• “Troca o criativo”
• “Pausa essa palavra-chave”
• “Muda o público”

Testes de incrementalidade ajudam a tomar decisões estratégicas, do tipo:

• Quais canais entram ou saem do mix;
• Quanto de verba cada canal merece (e onde está o ponto de retorno decrescente);
• Qual papel o canal tem no funil (topo, meio, fundo);
• O que é captação de demanda vs. captura de demanda (muito relevante em search e remarketing);
• Qual é a verdade para o seu negócio (não “a verdade do mercado”).

A Haus lista casos que são muito comuns para decisões estratégicas: efetividade do canal, testes de eficiência (nível certo de gasto), canais de topo (YouTube/CTV/OOH), mix de funil, mudanças por sazonalidade etc.

4) Tipos de testes de incrementalidade (os 3 mais úteis para empresa média)

Não existe um único formato, mas para empresas médias, três “famílias” resolvem a maioria dos problemas:

4.1) Holdout por audiência (test/control)

Você cria um grupo que vê a campanha (tratamento) e um grupo que não vê (controle). Depois compara os resultados.

• Bom para: plataformas que permitem “holdout” (ou estudos de lift), ou quando você consegue segmentar audiência com disciplina.
• Risco: “vazamento” (pessoa do controle impactada por outra via), principalmente com múltiplos devices e múltiplos canais.

4.2) Geo-holdout (teste por região) — o “GeoLift”

Você escolhe regiões (cidades/estados/DMAs) onde roda a campanha (tratamento) e outras onde não roda (controle). Compara vendas/receita/leads entre regiões.

Esse modelo é muito popular em incrementalidade porque permite testar canais online e offline e reduzir algumas limitações de identificação individual. A Haus descreve geo-experimentos como a forma mais clara de responder “o que teria acontecido se não tivéssemos rodado a campanha”, comparando mercados similares com e sem mídia.

• Bom para: medir impacto em receita real, inclusive com vendas offline/omnichannel.
• Risco: regiões não são idênticas; precisa cuidado com sazonalidade local e “spillover” (pessoas viajando, logística, campanhas nacionais que atravessam fronteiras).

4.3) Teste de “nível de gasto” (diminishing returns)

Em vez de “on/off”, você cria células com níveis diferentes de investimento: BAU (normal), +X% e controle/baixo. O objetivo é achar:

• Onde o canal começa a saturar;
• Qual é o ponto ótimo de verba;
• Se aumentar orçamento melhora ou só encarece CAC.

A Haus inclusive aponta “optimal spend level” como uso típico de geo-experimentos (Haus — GeoLift).

5) O ciclo científico aplicado ao marketing (e a ponte com autores usados na matéria)

Aqui vale conectar com dois autores citados antes, porque incrementalidade é “marketing como ciência” aplicado:

Eric Ries (Lean Startup): a lógica do ciclo construir–medir–aprender (build–measure–learn) é essencial para performance. Incrementalidade é a parte do “medir” feita para reduzir ilusões de atribuição e acelerar aprendizado com rigor. Para saber mais.

Lean Analytics: a ideia de escolher métricas que importam (em vez de métricas fáceis/vaidade) é central. Incrementalidade te força a escolher KPI de negócio (vendas, margem, novos clientes), não só clique e view-through. Para saber mais.

OKRs (Measure What Matters): incrementalidade vira uma ferramenta para validar iniciativas ligadas a objetivos; você deixa de “achar que canal X funciona” e passa a ter um resultado-chave do tipo “aumentar receita incremental do canal Y com iROAS mínimo Z”. Para saber mais.

6) Como desenhar um teste de incrementalidade (passo a passo, sem “estatistiquês”)

Um teste bom tem um desenho simples e disciplinado. Use este roteiro.

Passo 1: Defina a decisão que você quer tomar

Não comece com “vamos testar incrementalidade”. Comece com uma decisão real, por exemplo:

• “Devemos aumentar YouTube?”
• “Remarketing realmente traz cliente novo ou só pega quem já ia comprar?”
• “Brand search está incremental ou canibaliza orgânico?”
• “Meta Advantage+ merece mais verba do que campanhas manuais?”
• “Vale abrir um novo canal (TikTok/LinkedIn) ou é melhor aprofundar os atuais?”

A Haus enfatiza que incrementalidade existe para responder decisões — “making decisions and figuring out if those decisions worked” (Haus — Incrementality: The Fundamentals).

Passo 2: Escolha a métrica principal (KPI) e uma métrica de segurança

Para empresa média, a métrica principal deve ser de negócio:

• B2C: pedidos pagos, receita, margem, novos clientes, taxa de recompra.
• B2B: leads qualificados (MQL/SQL), reuniões, pipeline criado, receita fechada (quando o ciclo permitir).

Métrica de segurança (guardrail) evita “ganhar” estragando outra coisa:

• Ex.: aumentar pedidos mas derrubar margem; aumentar leads mas piorar taxa de no-show; aumentar pipeline mas subir CAC demais.

Passo 3: Defina controle vs. tratamento (e o que muda entre eles)

Regra de ouro: mude uma variável por vez (ou, se forem duas, declare e aceite o trade-off).

Exemplos de variável:

• canal ligado vs desligado;
• orçamento BAU vs +50%;
• campanha “upper funnel” vs “lower funnel”;
• criativo A vs criativo B (em células separadas).

Passo 4: Garanta comparabilidade e evite “vazamento”

Em geo, tente escolher regiões comparáveis (perfil de clientes, histórico de vendas, sazonalidade). Em audiência, evite que o controle “receba” impacto via outra campanha semelhante.

A Haus comenta sobre controles e métodos para criar grupos comparáveis em testes geo (e a importância do rigor para isolar o efeito) no contexto de GeoLift e incrementality practice (Haus — GeoLift).

Passo 5: Defina duração e janela pós-teste (post-treatment)

Muita campanha tem efeito depois que para (principalmente topo de funil). A Haus, por exemplo, discute a importância de observar janelas pós-tratamento em análises e como isso muda leitura de eficiência incremental em alguns cenários (isso aparece claramente em análises como relatórios agregados) — o ponto prático é: não pare a medição no dia que a campanha acaba (Haus — The Meta Report).

Passo 6: Decida antes o que você fará com o resultado

Pré-regra de decisão evita “torturar o dado até ele confessar”.

Exemplo:

• Se lift ≥ 5% com probabilidade/certeza aceitável e iROAS incremental ≥ 1,5 → escala 20%.
• Se lift positivo mas iROAS incremental < 1,0 → otimiza criativo/oferta ou reduz verba.
• Se lift ~0 → pausa canal/tática e realoca.

7) Exemplo explícito B2C: e-commerce testando Meta vs. Google (decisão de canal)

Cenário: e-commerce de ticket médio R$250, margem de contribuição 40$250,margemdecontribuic\c​a~o40Orc\c​amentomensal:R 200 mil (Meta R$120k, Google R$120k,GoogleR 80k).
No painel:

• Meta reporta ROAS 4,0
• Google reporta ROAS 3,0
  O time quer tirar verba do Google e jogar em Meta.

Hipótese (a testar): Meta está “levando crédito” por vendas que aconteceriam via demanda já existente; Google (principalmente pesquisa) pode estar capturando intenção, mas talvez seja incremental de modo diferente.

Desenho (geo-holdout 4 semanas):

• 10 regiões (tratamento): manter Meta normal, aumentar Meta +30%.
• 10 regiões (controle): manter Meta normal (sem aumento).
• Google fica constante em todas as regiões (para não contaminar).

KPI: receita líquida (ou margem) e novos clientes.
Guardrail: CAC e margem.

Resultado possível A (comum):

• Lift de receita: +2% (baixo).
• Novos clientes: +1%.
• iROAS incremental do aumento: 0,8.

Decisão estratégica:

• Não escala Meta só porque o painel mostrou ROAS alto.
• Realoca parte do aumento planejado para testar outro ponto: por exemplo, YouTube/CTV ou melhorias de conversão no site; ou aumenta Google em termos não-branded para demanda incremental.

Resultado possível B:

• Lift de receita: +10%.
• Novos clientes: +12%.
• iROAS incremental do aumento: 1,8.

Decisão:

• Escala Meta (mas com governança) e define um “piso” de eficiência incremental.

O pulo do gato: sem incrementalidade você estaria decidindo por ROAS de plataforma. Com incrementalidade você decide por impacto real.

8) Exemplo explícito B2C: “Brand search” é incremental ou canibaliza?

Esse é um clássico, principalmente quando o CFO pergunta: “por que estamos pagando por quem já procura nosso nome?”

Hipótese: campanha de brand search (ou PMax com brand) pode estar capturando vendas que ocorreriam organicamente.

Desenho (geo-holdout):

• Controle: pausar brand search em parte das regiões.
• Tratamento: manter brand search.

KPI: vendas totais (não só cliques do anúncio).
Observação: cuidado com concorrente comprando sua marca; o desenho precisa considerar isso (às vezes o teste mede “incrementalidade + defesa”).

Como isso muda estratégia:

• Se o lift total for mínimo, você reduz brand spend e investe em aquisição incremental.
• Se o lift for alto (por exemplo, por efeito de concorrentes ou por fricção do orgânico), você mantém brand como “seguro”.

A própria Haus sugere testes do tipo “branded vs non-branded” como parte do roadmap de incrementality por canal (Haus — Incrementality use case).

9) Exemplo explícito B2B: LinkedIn Ads para geração de pipeline (decisão de canal e qualidade)

Em B2B, o erro mais comum é medir performance por “lead” e não por pipeline/receita. Incrementalidade aqui ajuda a responder duas perguntas difíceis:

1. O canal gera pipeline novo (incremental) ou só antecipa leads que viriam via indicação/organico?
2. O canal gera o tipo de conta certa (ICP) ou só volume?

Cenário: empresa de software B2B (ticket anual R$ 80K, ciclo de 60 a 120 dias, Orçamento R$ 60k/mês no LinkedIn Ads. Relatório mostra CPL “ok”, mas vendas reclama da qualidade.

Hipótese: LinkedIn gera awareness, mas o impacto aparece como aumento de MQL/SQL em certas regiões/segmentos; ou não aparece e o canal está superatribuído por view-through.

Desenho (geo-holdout 8–10 semanas):

• Controle: regiões sem LinkedIn Ads.
• Tratamento: regiões com LinkedIn Ads.

KPI principal (B2B):

• reuniões qualificadas (SAL), pipeline criado, ou oportunidades em estágio X.
  Guardrail: CAC por oportunidade e taxa de conversão de SQL→won.

Resultado possível:

• Lift em leads: +20% (bonito)
• Lift em pipeline: +2% (quase nada)

Decisão estratégica:

• Você não corta “porque lead veio barato”; você reduz ou reposiciona:
  • muda a oferta para algo mais “bottom-funnel” (demo com qualificação);
  • restringe para ICP real;
  • ou realoca para canal com maior incremental pipeline (ex.: search não-branded, parceiros, ABM).

Esse tipo de decisão conecta bem com a ideia de “métrica que importa”, no espírito do Lean Analytics.

10) Exemplo explícito B2B: Meta/YouTube “não dá lead”, mas pode ser incremental

No B2B brasileiro, é comum dizer: “YouTube é topo, não dá para medir”. Incrementalidade serve justamente para medir efeito de topo com KPI de negócio.

Cenário: indústria/serviço B2B com vendas consultivas, quer crescer em novos estados.
Desenho: campanhas de vídeo/alcance rodando apenas em estados selecionados (tratamento), com estados similares como controle.

KPI: aumento de tráfego de marca, aumento de leads qualificados, aumento de pipeline, etc.

A Haus posiciona geo-experimentos como adequados para medir até canais “no-click” e offline, porque o método compara regiões com e sem mídia e mede resultado de negócio (Haus — GeoLift).

11) Como ler resultado: lift, significância, iROAS incremental e “falsos positivos”

Para tomar decisão, quatro leituras são essenciais:

1. Lift absoluto: quantas vendas/receita a mais.
2. Lift percentual: o % de aumento vs baseline.
3. Certeza/intervalo: o quão confiável é que o lift é > 0 (varia por método).
4. Eficiência incremental: quanto custou cada unidade incremental (ex.: custo por pedido incremental, iROAS).

A Haus usa termos como iROAS (incremental ROAS) em materiais e relatórios e reforça que “ser incremental” não basta: você precisa comparar incrementalidade relativa ao gasto para decidir eficiência (Haus — The Meta Report).

Armadilha comum: “deu lift, então escala”.
Nem sempre. Se o lift veio, mas o custo por lift destrói margem, o canal é incremental mas não é lucrativo naquele nível de investimento.

12) Como incrementalidade organiza o budget (um modelo simples para empresa média)

Pense no orçamento como três caixas:

• Caixa A — comprovadamente incremental e eficiente (escala com disciplina)
• Caixa B — incremental, mas com eficiência incerta (otimiza e retesta)
• Caixa C — sem evidência de incrementalidade (reduz, pausa ou muda abordagem)

O que muita empresa faz no “achismo” é manter tudo no Caixa B e girar. Incrementalidade acelera a migração para A (o que você pode escalar) e elimina C (o que só consome verba).

Essa lógica é perfeitamente compatível com uma gestão por OKRs: objetivos claros e resultados-chave ligados a métricas de negócio, revisados em ciclos (What Matters).

13) Boas práticas e erros comuns (o que mais quebra teste)

Erros que mais aparecem na prática:

• Trocar outras coisas durante o teste (preço, promo, frete, CRM) e depois culpar o canal;
• Escolher KPI errado (ex.: lead em vez de venda/pipeline);
• Rodar por pouco tempo;
• Rodar com pouco volume (sem “potência”);
• Analisar só o que a plataforma reporta;
• Não considerar janela pós-campanha.

Boas práticas:

• Desenhar teste para a decisão (não para “ter um teste”);
• Registrar hipótese e critério de sucesso antes;
• Usar dados de primeira parte e KPI de negócio;
• Começar com testes grandes e óbvios (canais que mais consomem verba);
• Criar uma cadência: incrementalidade não é um projeto único — é uma prática contínua (a Haus enfatiza “Incrementality is a continuous practice”) (Haus — Incrementality 101).

Conclusão: performance sem incrementalidade é “otimizar a ilusão”

Marketing de performance é essencial para empresas médias porque dá alavancas rápidas. Mas, sem incrementalidade, você corre um risco sério: escalar o que “parece funcionar” e cortar o que “parece fraco”, quando na verdade o que você está vendo é só a regra de atribuição.

Incrementalidade corrige isso ao medir causalidade: compara controle e tratamento e estima o que de fato foi causado pela campanha. Com isso, você passa a tomar decisões estratégicas mais sólidas: mix de canais, nível ótimo de investimento e papel de cada canal no funil.

E aqui volta uma frase que resume bem a mentalidade “Lean” aplicada ao marketing: construa, meça, aprenda. Só que, com incrementalidade, você mede melhor aquilo que interessa: impacto real no negócio, não só “crédito no relatório”.

Referências

• Site amplitude.com
• Site haus.com
• Site whatmatters.com
• Eric Ries (The Lean Startup)
• Alistair Croll e‎ Benjamin Yoskovitz (Lean Analytics: Use Data to Build a Better Startup)
• John Doerr (Measure What Matters)
• Site medium.com