ROAS Real vs. ROAS da Plataforma: Por Que os Números Nunca Batem

Abra o Google Ads e o Gerenciador de Anúncios da Meta lado a lado e some as conversões que cada um reivindica para o mesmo dia. Na maioria das contas, o total é maior que o número de pedidos que realmente existem. As duas plataformas corrigem a própria prova — e as duas se dão notas generosas.

Isso não é um bug. É assim que a atribuição de plataforma foi desenhada para funcionar. Entender essa diferença é o que separa escalar uma campanha que imprime dinheiro de escalar uma que queima dinheiro em silêncio.

Por Que Toda Plataforma Infla os Números

Três mecanismos inflam o ROAS de plataforma, e eles se somam:

• Cada plataforma reivindica a conversão inteira. Um cliente clica no seu anúncio da Meta na segunda e no seu anúncio do Google na quarta, e então compra. A Meta reporta 1 compra. O Google reporta 1 compra. Você vendeu um produto e seus painéis mostram duas conversões. As plataformas não enxergam os cliques umas das outras, então nenhuma deduplica (configurações de atribuição da Meta, modelos de atribuição do Google).
• Conversões por visualização contam quem nunca clicou. A atribuição padrão da Meta inclui 1 dia de visualização: a pessoa passou pelo seu anúncio no feed, comprou depois por uma busca da marca, e o anúncio leva o crédito por uma venda que talvez não tenha causado.
• Conversões modeladas preenchem as lacunas de privacidade. Desde o App Tracking Transparency do iOS, as plataformas estimam parte das conversões estatisticamente em vez de observá-las. Número modelado é palpite — e quem dá o palpite é quem vende o anúncio.

Qual o Tamanho da Diferença?

Varia conforme o mix, mas o padrão é consistente. Uma conta típica de e-commerce rodando Google + Meta ao mesmo tempo vê algo assim:

Nota de metodologia: a tabela acima é uma conta ilustrativa, montada para mostrar a mecânica da dupla contagem. Não é dado de estudo, benchmark nem de conta de cliente. Não cite os 47% (nem nenhum número desta tabela) como estatística empírica — a sua diferença é algo que você mede, e os passos de diagnóstico abaixo mostram como.

As plataformas, somadas, reivindicam 47% mais conversões do que existem. Seu retorno real combinado — receita no banco dividida pelo investimento total — é um terço menor do que qualquer um dos painéis sugere. Decisão tomada em cima do 4,2x é decisão tomada em cima de ficção.

O Que Significa "ROAS Real"

ROAS real é calculado a partir dos seus próprios dados, não dos dados da plataforma:

1. Seu pixel registra o clique — com o gclid, fbclid ou os parâmetros UTM — como um evento first-party no seu domínio.
2. Seu checkout reporta o pedido — via webhook do Shopify, Stripe ou do seu provedor de pagamento, com o valor que foi de fato cobrado.
3. A atribuição junta os dois — cada pedido é casado com o clique que o produziu, uma única vez, sob um modelo que você controla (último clique, ou multi-touch quando quiser distribuir o crédito).

Um pedido, um crédito. Reembolso subtrai. O resultado é o único ROAS que fecha com o seu extrato bancário — exatamente como o pipeline do Decisa calcula, do clique à receita, com a evidência de cada match disponível para inspeção.

As Plataformas Não Estão Mentindo — Estão Vendendo

As métricas de plataforma existem para otimizar dentro daquela plataforma, e para isso são genuinamente úteis. O lance inteligente precisa de sinais de conversão; envie-os. O erro é tratar o ROAS de plataforma como demonstrativo financeiro:

• Alocação de verba entre Google e Meta usando o ROAS auto-reportado de cada um financia sistematicamente a plataforma que infla mais.
• Decisões de escala ("ROAS 4x, dobra a verba") tomadas sobre números ~40% acima transformam campanha lucrativa em campanha no zero a zero quando escala.
• Testes de criativo julgados por atribuição cheia de view-through premiam o anúncio que compradores viram, não o anúncio que criou compradores.

Como Fechar a Diferença Ainda Esta Semana

1. Instale rastreamento first-party no seu site (um pixel que captura cliques e click IDs no seu próprio domínio).
2. Conecte seu checkout para que cada pedido — e cada reembolso — entre no mesmo sistema que os seus cliques.
3. Compare lado a lado. Mantenha os números de plataforma para otimização interna; use o ROAS real para decisões de verba e escala. A própria discrepância é uma métrica: quando ela abre de repente, algo mudou na atribuição da plataforma, não nas suas vendas.
4. Devolva a verdade. Envie suas conversões verificadas para o CAPI da Meta e o Enhanced Conversions do Google, para que os algoritmos aprendam com pedidos reais em vez das próprias estimativas.

A diferença entre o ROAS de plataforma e o ROAS real nunca chega a zero — mas a partir do momento em que você enxerga os dois números, você para de pagar por conversões que nunca aconteceram.

Como Diagnosticar a Diferença na Sua Própria Conta Ainda Esta Semana

Você não precisa de ferramenta nova para descobrir o tamanho do problema na sua operação. Precisa de uma planilha, uma hora livre e acesso a dois sistemas que você já tem: as plataformas de anúncio e o backend da sua loja. O caminho é este.

Passo 1 — Escolha uma janela limpa de 30 dias. Pegue um período que terminou há pelo menos uma semana, para que as janelas de atribuição das plataformas tenham assentado — Meta e Google continuam adicionando conversões a datas passadas por dias depois que elas acontecem, e comparar contra uma janela que ainda está se mexendo subestima a diferença. Evite períodos em que você mexeu no pixel, trocou o evento de conversão ou migrou de checkout; você quer um trecho em que a medição estava estável, mesmo que imperfeita.

Passo 2 — Exporte as conversões reportadas pelas plataformas. Em cada plataforma, puxe as compras (não carrinho, não lead — o evento que corresponde a dinheiro) e a receita da janela. Aproveite e anote as configurações de atribuição em vigor — o padrão da Meta inclui conversões por visualização, e esse detalhe importa na hora de interpretar o resultado (configurações de atribuição da Meta, modelos de atribuição do Google). Some as compras de todas as plataformas que você roda.

Passo 3 — Conte os pedidos reais no backend da loja. Abra o Shopify, o Stripe ou o sistema que de fato cobra o cartão e conte os pedidos pagos na mesma janela, líquidos de reembolsos e cancelamentos. Esse número é a verdade no chão: ele não modela, não estima, não reivindica crédito. Se uma fatia relevante dos seus pedidos vem de canais que anúncio nenhum poderia ter tocado (uma linha de atacado, um marketplace), exclua — mas seja honesto nesse corte, porque "orgânico" é exatamente onde a atribuição inflada da plataforma se esconde.

Passo 4 — Calcule os dois ROAS e a diferença. O ROAS de plataforma você já tem, por plataforma. O ROAS real combinado é a receita líquida do passo 3 dividida pelo investimento total em todas as plataformas. A diferença é a soma das compras reivindicadas pelas plataformas menos os pedidos reais, expressa como percentual dos pedidos reais.

Como ler o resultado: uma diferença abaixo de uns 20% é sobreposição e ruído de modelagem normais — os números de plataforma ainda servem como direção, só não como verdade financeira. Entre 20% e 50%, a dupla contagem está distorcendo seus números de forma material: pare hoje de usar ROAS de plataforma para decidir verba entre plataformas, porque a que infla mais está silenciosamente ganhando a sua alocação. Acima de 50%, seus painéis se descolaram da realidade — em geral é crédito pesado de view-through, públicos amplos sobrepostos reivindicando os mesmos compradores, ou um pixel disparando eventos duplicados. Nesse nível, conserte a medição antes de escalar qualquer coisa, porque você genuinamente não sabe qual campanha funciona.

Uma ressalva: a comparação é aproximada. As plataformas também perdem conversões que de fato geraram (jornadas entre dispositivos, pixels bloqueados), o que empurra na direção contrária. A diferença que você calcular é uma ordem de grandeza, não uma auditoria precisa — mas a direção e a magnitude são confiáveis, e isso basta para mudar como você decide.

Montando a Medição First-Party

Depois de ver a diferença, a correção é estrutural, não um ajuste de configuração. A arquitetura tem três peças, e funciona em qualquer stack.

Um pixel no seu próprio domínio que captura click IDs. Um script pequeno no seu site registra cada chegada com o que o clique do anúncio carregava — gclid, fbclid, ttclid, parâmetros UTM — e grava um cookie first-party no seu domínio, para que visitas futuras da mesma pessoa se conectem àquele clique. Por ser first-party, o cookie não sofre o bloqueio de cookies de terceiros que destruiu o rastreamento convencional; e como o click ID é capturado no momento em que existe na URL, você não depende de a plataforma contar depois qual clique foi. Os eventos caem no seu banco de dados, não no de outra empresa.

Um webhook de checkout que reporta pedidos — e reembolsos. Sua loja ou provedor de pagamento envia uma notificação servidor-a-servidor para cada pedido: o valor realmente cobrado, a moeda, a referência do cliente e, crucialmente, cada reembolso e cancelamento que vier depois. O webhook é a peça estrutural, porque passa por fora de tudo que quebra o rastreamento no navegador — bloqueadores de anúncio, banners de consentimento, os limites de armazenamento do Safari, o comprador que finaliza o pagamento em outro dispositivo. Se o pedido aconteceu, o webhook dispara. A receita fica líquida, porque o reembolso entra pelo mesmo cano e subtrai.

A junção sob um modelo inspecionável. A terceira peça casa cada pedido com o histórico de cliques da pessoa que comprou — pelo click ID quando existe, pelo cookie first-party ou pela sessão quando não — e atribui o crédito sob um modelo explícito: último clique, ou uma divisão multi-touch quando você quiser espalhar o crédito pela jornada. "Inspecionável" é a propriedade que separa isso de mais uma caixa-preta: para qualquer pedido, você abre o match e vê qual clique levou o crédito, por quê, e sob qual versão do modelo. Quando um número parece errado, você audita em vez de dar de ombros.

Duas métricas de saúde dizem se o pipeline está funcionando. A taxa de match — a fração dos pedidos que se conecta a um clique rastreado — deve ser a primeira coisa que você acompanha; pedido sem match não é falha, é um mapa dos canais que você ainda não rastreia. E guarde os eventos brutos: armazenando cliques e pedidos de forma imutável, você pode reprocessar a atribuição sob outro modelo depois, sem perder histórico. Essa é a arquitetura que o Decisa implementa de ponta a ponta, mas o padrão em si não depende de ferramenta — o que importa é que cada peça escreve em um sistema que é seu.

O Que Fazer com os Dados Históricos

A resposta desconfortável: não dá para corrigir o passado. Os números de plataforma do trimestre passado foram calculados com crédito de view-through, conversões modeladas e as configurações de atribuição vigentes na época — os dados de clique necessários para recalculá-los com honestidade não existem mais, pelo menos não em lugar nenhum ao seu alcance. Aplicar um desconto fixo ("nossa diferença é 40%, então multiplica o ROAS antigo por 0,6") produz um número que parece rigoroso e não é: a diferença não é estável entre meses, campanhas e mixes de público.

O que funciona no lugar:

1. Trace uma linha no calendário. O dia em que sua medição first-party entra no ar é o dia zero da sua linha de base real. Anote essa data em todo lugar onde você reporta números.
2. Compare tendências, não valores absolutos, através da linha. Se o ROAS de plataforma dizia 4,2x em março e o ROAS real diz 2,6x em julho, a performance não desabou — a régua mudou. Dentro de cada era, a tendência tem significado; atravessando a linha, só a direção tem.
3. Rode os dois números em paralelo daqui para frente. Mantenha o ROAS de plataforma para otimização interna, o ROAS real para decisões de dinheiro, e acompanhe a diferença entre eles como métrica própria. Em 30 a 60 dias você tem uma linha de base real com histórico suficiente para agir — e dali em diante, toda comparação é real contra real.

Os números antigos foram o melhor que você tinha na época. O papel deles agora é contexto, não verdade.