Social Rocket
O Google continua a expandir a sua infraestrutura de medição e de dados próprios (First-Party Data). A empresa integra o Data Manager de forma mais profunda no Google Analytics e no Display & Video 360, torna a API do Data Manager utilizável de forma mais universal e acrescenta diagnósticos automáticos que devem detetar problemas nos dados antes que afetem o desempenho das campanhas. Em paralelo, o modelo de Marketing Mix de código aberto do Google, o Meridian, recebe novas funções agênticas para a verificação de dados e a construção de modelos.
Para as equipas de marketing, isto é mais relevante do que uma atualização comum de funcionalidades do Google Ads: o Google procura aproximar mais a ativação de dados, a medição e a gestão de campanhas assistida por IA no mesmo fluxo de trabalho.
O Data Manager torna-se a camada central para dados próprios
O Google posiciona o Data Manager como o ponto central para ligar dados do site, da app, da loja física ou do CRM e disponibilizá-los para a medição e a ativação de campanhas.
Uma novidade é que o Data Manager passa a ser integrado diretamente no Google Analytics e no Display & Video 360. A API baseia-se na norma de eventos e conversões API do IAB Tech Lab e deve funcionar como um conector unificado para dados de públicos e de medição em diferentes produtos publicitários do Google.
Além disso, o Google alarga as integrações diretas, incluindo Mailchimp, ActiveCampaign, Klaviyo e Google Drive. Assim, a fronteira entre dados de CRM, comércio eletrónico e adtech torna-se ainda mais permeável.
Para equipas que já trabalham com vários fornecedores de dados e de medição, isto encaixa numa tendência mais ampla de consolidação. As recentes aquisições relacionadas com a Nielsen, a DoubleVerify e a LiveRamp mostram como os dados, a medição e a ativação estão a aproximar-se cada vez mais.
Os diagnósticos automáticos devem detetar erros de dados mais cedo
O Data Manager recebe Diagnostics integrados, que devem identificar e tratar automaticamente problemas nas ligações de dados. A utilidade prática está sobretudo em tornar visíveis mais cedo os sinais defeituosos ou incompletos, ou seja, antes de afetarem as estratégias de licitação, os públicos ou os relatórios.
O Google introduz ainda a métrica Data Strength Uplift no Google Ads. Esta deve mostrar quantas conversões adicionais são captadas ou recuperadas pela respetiva configuração de dados próprios.
Os dados de desempenho publicados pelo Google devem ser lidos como declarações do próprio fabricante. O Google indica, por exemplo, que os anunciantes com dados offline e de apps ligados ao Data Manager registam, em média, um ROAS incremental mais elevado. Estes valores não são uma promessa geral para contas individuais e dependem fortemente da configuração, do tipo de campanha e da qualidade dos dados.
O Meridian recebe apoio agêntico para modelos de Marketing Mix
O Meridian, o modelo de Marketing Mix de código aberto do Google, também é alargado. As novas funções agênticas devem verificar a qualidade dos dados, detetar erros na modelação e apoiar os utilizadores durante a construção dos modelos.
Além disso, sinais de marca, como o volume de pesquisas por uma marca, podem ser incluídos nos modelos. Assim, torna-se mais fácil perceber como investimentos no topo do funil – por exemplo, vídeo ou TV – acabam por influenciar a procura e as vendas.
Com o Meridian GeoX, a biblioteca da Google para experiências causais geográficas já está disponível de forma geral. Estes testes podem ser usados para medir efeitos incrementais fora da atribuição tradicional das plataformas e, depois, alimentar modelos de marketing mix.
Isto é especialmente relevante porque muitas equipas de marketing utilizam cada vez mais IA, mas continuam a ter dificuldade em demonstrar com clareza o efeito real no negócio. Esta lacuna também é visível na nossa visão geral sobre a utilização de IA e a medição de resultados no marketing.
O que muda na prática para os anunciantes
A tendência estratégica é clara: os dados de primeira parte tornam-se a base para a gestão de campanhas assistida por IA e, ao mesmo tempo, para a sua medição. Por isso, a Google deixa de tratar as ligações de dados, os diagnósticos, a medição de conversões e os modelos causais como ferramentas separadas.
Para equipas maiores, isto significa também que a qualidade dos dados e a governação ganham importância. Se os mesmos sinais forem usados para a segmentação, as licitações, os relatórios e os agentes de IA, dados incorretos podem afetar vários pontos ao mesmo tempo.
A utilização mais sensata não é, por isso, "mais dados a qualquer custo", mas sim um pipeline de dados fiável, com fontes claramente definidas, lógica de consentimento e objetivos de medição rastreáveis. Como os agentes assumem cada vez mais tarefas operacionais de media, estes controlos tornam-se ainda mais importantes; nesse sentido, vale a pena ler o nosso artigo sobre agentes de IA na compra de media e novos processos de custos e auditoria.