Como medir se uma mudança no feed realmente moveu o seu ROAS

A maioria das equipes descobre que uma mudança no feed "funcionou" da mesma forma: corrigiu algo no feed, acompanhou o ROAS no Google Ads por uma semana e ele subiu. Isso não é evidência. O próprio Google Ads deixa isso claro — um experimento de Performance Max compara apenas uma campanha inteira com outra; não há nenhum mecanismo para fazer um teste dividido entre um segmento de produtos e outro dentro da mesma campanha. Se você quer saber se reclassificar 400 SKUs, corrigir uma fórmula de título ou adicionar um custom_label baseado em margem realmente moveu o ROAS, precisa construir essa prova por conta própria, com ferramentas de relatório que não foram criadas para isso. Este guia traz uma rubrica de pontuação para decidir quando um número de ROAS antes/depois é confiável, um exemplo prático usando o próprio atributo custom label do Google e uma lista clara do que os relatórios nativos de Performance Max vão e não vão mostrar. Não se trata de ajustar lances — não fazemos gestão de lances, e nada aqui pede ao Google Ads que mude a forma como dá lances. Esse é o tipo de questão de mensuração com que equipes de growth e de performance se deparam constantemente quando o trabalho de otimização de feeds vai além do básico.

Por que "o ROAS subiu depois da mudança" não é prova

Três coisas acontecem ao mesmo tempo sempre que uma mudança no feed entra no ar: os algoritmos do Google continuam aprendendo, a sazonalidade continua mudando e sua própria equipe continua fazendo outras alterações — uma nova promoção, um aumento de orçamento, um concorrente que fica sem estoque. Uma variação de ROAS medida no meio dessa confusão mostra o que aconteceu, não o porquê. O problema é estrutural, e não uma questão de se esforçar mais: o Performance Max não oferece uma forma nativa e aleatorizada de testar um segmento do feed contra um grupo de controle dentro de uma campanha. A própria documentação do Google sobre experimentos de Performance Max confirma que o escopo é a campanha inteira, e não uma fatia do catálogo: um experimento divide o tráfego entre um "braço base" e um "braço de teste" no nível da campanha e informa apenas "conversões agregadas, valor de conversão, CPA, ROAS e investimento dos grupos" (Ajuda do Google Ads, perguntas frequentes sobre experimentos de Performance Max). Não existe um braço por grupo de produtos ou por custom label dentro dessa estrutura. Portanto, a ferramenta que você usaria primeiro — um experimento adequado do Google Ads — não consegue responder à pergunta "essa mudança específica no feed moveu o ROAS?". Restam os relatórios observacionais, e relatórios observacionais precisam de salvaguardas antes de você confiar neles.

O que o Google realmente permite medir dentro do Performance Max

O único mecanismo nativo para ver o desempenho detalhado por um atributo do feed dentro do Performance Max é a visualização de grupos de produtos (listing groups) dentro de um grupo de recursos. Você pode subdividir o conjunto de produtos por categoria, marca, ID do item, condição, tipo de produto, canal ou até cinco custom labels, e a tabela de grupos de produtos informa métricas — a própria documentação de ajuda do Google confirma que você pode "filtrar seus grupos de produtos para procurar os dados que mais lhe interessam, como cliques, conversões ou o custo por clique médio" (Ajuda do Google Ads, gerenciar uma campanha Performance Max com grupos de produtos). Isso é diferente do relatório "Combinações" do grupo de recursos, que mostra apenas quais recursos criativos tiveram bom desempenho juntos e não tem nada a ver com o desempenho no nível do produto ou do atributo do feed (Ajuda do Google Ads, sobre os relatórios de grupos de recursos do Performance Max). Se o seu plano para medir uma mudança no feed é "olhar o relatório do grupo de recursos", você está olhando o relatório errado — e vale conferir exatamente o que o seu feed do Google Merchant Center está enviando antes de presumir que os grupos de produtos estão mesmo construídos sobre o atributo que você imagina.

O atributo que a maioria das equipes usa para criar um segmento mensurável é o custom_label_0 a custom_label_4. Segundo a própria especificação do Google Merchant Center, cada um é uma string de 1 a 100 caracteres, opcional por produto, com um valor por label por produto, e limitado a 1.000 valores únicos em toda a conta por atributo de label (Ajuda do Google Merchant Center, custom_label_0–4). Os exemplos práticos do próprio Google sobre como usar os cinco espaços são temporada, desempenho de vendas (BestSeller/LowSeller), status de liquidação e margem de lucro (LowMargin/HighMargin) (Ajuda do Google Ads, usar custom labels em anúncios do Shopping) — que é exatamente o tipo de segmento de que você precisa se quiser isolar uma mudança no feed em um grupo pequeno o bastante para ser analisado, mas ainda grande o bastante para gerar dados. Dois detalhes operacionais importam para qualquer coisa que você meça dessa forma: alterações de label levam de 24 a 48 horas para se propagar nos relatórios do Google Ads, e o Performance Max limita os grupos de produtos a 1.000 por grupo de recursos, com o Google alertando explicitamente que chegar a esse número "não é uma prática recomendada", porque o desempenho tende a cair (Ajuda do Google Ads, gerenciar uma campanha Performance Max com grupos de produtos).

A rubrica de pontuação de mensurabilidade

Antes de interpretar um número de ROAS antes/depois como veredito sobre a sua mudança no feed, avalie-o com base em seis critérios. Cada um vale 0, 1 ou 2 pontos, com um máximo de 12.

Interpretação da pontuação: de 9 a 12 significa que você pode agir com base no número com razoável confiança. De 5 a 8 significa que ele deve ser tratado como indicativo — vale um segundo ciclo antes de escalar a mudança. 4 ou menos significa que o número é ruído; não o apresente internamente como resultado e não deixe que ele justifique uma implantação maior.

Um exemplo prático: reclassificando SKUs de baixa margem

Digamos que seu feed tenha 8.400 SKUs e nenhum sinal de margem. Você adiciona custom_label_3 com os valores HighMargin e LowMargin, preenchidos a partir dos seus dados de custo de produtos, e aplica isso apenas à categoria de agasalhos (612 SKUs) como primeiro teste, antes de estender para toda a conta.

No Performance Max, você cria um nó de grupo de produtos para custom_label_3 = LowMargin dentro do grupo de recursos de agasalhos, espera 48 horas para o label se propagar e, depois, deixa passar uma janela limpa de 2–3 semanas sem nenhuma outra alteração na conta que afete esse grupo de recursos. Ao fim da janela, você extrai o ROAS desse nó de grupo de produtos das duas semanas anteriores à existência do label (usando o desempenho no nível da categoria como linha de base aproximada, já que o label ainda não existia) e compara com as duas semanas seguintes. Passe essa comparação pela rubrica acima antes de dizer qualquer coisa sobre o resultado: se os agasalhos geraram 140 conversões por semana dentro da janela, sem fatores de confusão, e você esperou toda a margem de propagação, você está entre 10 e 12 pontos e o número é confiável. Se uma promoção de Black Friday começou três dias após o início da janela de teste, você cai para 5–6 pontos, e a conclusão honesta é "inconclusivo, testar novamente em uma janela limpa" — e não "o ROAS subiu 14%".

Lendo o relatório de grupos de produtos sem se enganar

Três hábitos mantêm essa mensuração honesta. Primeiro, compare sempre janelas de mesma duração — um "depois" de cinco dias contra um "antes" de catorze dias vai mexer nas médias por motivos que não têm nada a ver com a sua mudança. Segundo, faça a comparação no nível do grupo de produtos, e não no nível do grupo de recursos ou da campanha; o ROAS no nível da campanha absorve tudo o que os outros segmentos estão fazendo e dilui o seu sinal. Terceiro, trate cada ciclo de antes/depois como um único ponto de dado, e não como um veredito — repita-o em um segundo segmento antes de estender uma mudança de labels para o feed completo de 8.400 SKUs. Nada disso exige mexer na estratégia de lances, no ROAS desejado ou no orçamento; é inteiramente um exercício de dados do feed e de relatórios, e é também por isso que sua plataforma de feeds deveria oferecer suporte direto a ele, em vez de algo que você faz apenas manualmente na interface do Google Ads. Equipes de growth e de performance que acertaram esse trabalho de segmentação o usaram para justificar mudanças em todo o catálogo com números reais por trás — a entrada da Bilyoner nos anúncios de catálogo é um exemplo em que uma mudança no nível do feed foi vinculada a um resultado de ROAS medido, e não a um palpite.

O que este guia não cobre, e onde ele tem limites

Este framework oferece uma leitura indicativa defensável usando ferramentas que todo anunciante de Performance Max já tem. Não é um ensaio controlado aleatorizado. Como o Google não oferece um verdadeiro grupo de controle no nível do segmento dentro de uma campanha Performance Max ativa, você não consegue descartar totalmente que o próprio algoritmo de lances do Google tenha realocado impressões para o seu segmento rotulado por motivos sem relação com o label em si — a rubrica reduz esse risco, mas não o elimina. Se você precisa de uma mensuração de incrementalidade estatisticamente rigorosa — um grupo de controle real, intervalos de confiança, geo-holdouts —, esse é um trabalho para uma plataforma dedicada de experimentação ou de marketing mix modeling, e não para uma ferramenta de feeds, e você não deve esperar que uma plataforma de gestão de feeds (incluindo o Feedance) produza esse nível de prova. Da mesma forma, se o seu objetivo real for o ajuste automatizado de lances com base na margem, e não a mensuração — ter um sistema que aja com base no label de rentabilidade, e não apenas gere relatórios sobre ele —, essa é uma decisão de produto em torno da qual algumas plataformas desse segmento foram construídas; o trabalho do Feedance termina em garantir que o label exista, esteja corretamente preenchido e seja reportado de forma limpa. Não ajustamos lances em seu nome. Se a sua equipe faz parte de uma área de growth ou de performance, essa disciplina de relatórios — e não os lances automatizados — costuma ser o ponto de partida com maior alavancagem.

Perguntas frequentes

Posso fazer um teste A/B entre um segmento de custom_label e outro dentro de uma única campanha Performance Max?
Não. A estrutura de experimentos de Performance Max do próprio Google divide o tráfego no nível da campanha, entre um braço base e um braço de teste, e não entre grupos de produtos dentro de uma campanha, e informa apenas métricas agregadas de cada braço.

Quantos custom labels posso usar, e eles aumentam a complexidade do feed?
Cinco espaços, de custom_label_0 a custom_label_4, cada um uma string de 1 a 100 caracteres, com até 1.000 valores únicos permitidos em toda a conta por label. Eles são opcionais por produto e invisíveis para os consumidores, então adicioná-los não afeta a forma como o produto é exibido.

Quanto tempo devo esperar depois de uma alteração de label antes de medir qualquer coisa?
Pelo menos 48 horas para que o próprio label se propague nos relatórios do Google Ads e, depois, uma janela limpa completa — o Google recomenda 2–3 semanas para que seus próprios experimentos produzam uma leitura confiável — antes de tirar conclusões.

Qual é a diferença entre o relatório "Combinações" do grupo de recursos e o relatório de grupos de produtos?
O relatório Combinações mostra quais recursos criativos (títulos, imagens, vídeo) tiveram bom desempenho juntos; ele não tem detalhamento por produto ou por atributo do feed. O relatório de grupos de produtos é o que permite filtrar o desempenho por categoria, marca, ID do item, condição, tipo de produto ou custom label.

Meu segmento só tem 15 conversões por semana. Vale a pena medi-lo?
Não de forma confiável por si só. Amplie o segmento (uma categoria mais ampla em vez de um único valor de custom label), estenda a janela de tempo bem além de três semanas ou aceite que qualquer resultado que você vir será, no máximo, indicativo — e pontue-o de acordo na rubrica acima.

Este framework também se aplica às campanhas padrão do Shopping?
Sim e, de certa forma, é até mais limpo nelas, já que as campanhas padrão do Shopping oferecem suporte a experimentos do Google Ads (rascunhos e experimentos) com testes reais de divisão de tráfego no nível do grupo de anúncios e do grupo de produtos, ao contrário do Performance Max.

O Feedance pode fazer essa mensuração automaticamente para mim?
O Feedance pode criar e manter a segmentação por custom_label no próprio feed, na sua programação de sincronização (diária no Essentials, a cada hora no Business), para que os labels existam de forma limpa e consistente para você gerar relatórios no Google Ads. Ele não faz a análise de ROAS nem mexe nos lances.

E se eu mudei várias coisas no feed ao mesmo tempo — título, imagens e o custom label?
Então você não consegue atribuir uma variação de ROAS a nenhuma delas. Dê nota 0 a esse cenário no critério de fatores de confusão e considere todo o teste inválido; isole uma variável por ciclo de mensuração.

Faça uma auditoria gratuita do seu feed de produtos para ver onde faltam ao seu feed os sinais de segmentação — como custom labels limpos — que tornam esse tipo de mensuração possível.