Um retorno sobre investimento em anúncios (ROAS) de 11x parece motivo de festa. Na teoria, é o tipo de número que qualquer dono de loja online adoraria mostrar num slide para investidores. O problema é que, sem contexto, essa métrica pode estar escondendo uma empresa sangrando dinheiro silenciosamente — e foi exatamente isso que aconteceu numa conta de e-commerce analisada recentemente.
Um 11x que era, na verdade, um alarme vermelho
Uma agência assumiu uma conta que ostentava um ROAS combinado de 11x. A agência anterior tinha colocado o número numa apresentação, o fundador tinha repetido isso para investidores, e em algum canto do escritório o diretor financeiro provavelmente estava tendo um treco silencioso — porque ele era o único que enxergava os dois lados da história: o ROAS bonito e o caixa apertado.
A verdade nua e crua: a loja perdia dinheiro em cada pedido. Não nos pedidos ruins. No pedido médio. Depois de considerar custos que o ROAS simplesmente ignora, a contribuição por venda era negativa — e vinha sendo negativa havia um bom tempo. Os números usados no exemplo são uma composição fictícia, mas o padrão é real e pode estar acontecendo, agora mesmo, em contas que você conhece.
O que o número “11x” realmente diz (e o que ele esconde)
Um ROAS de 11x afirma apenas uma coisa: o investimento em anúncios representou cerca de 9% do valor de conversão reportado. Só isso. Tudo o que as pessoas costumam deduzir a partir daí — que o negócio é lucrativo, que está saudável — é pura inferência, não fato.
O detalhe está no que entra em “valor de conversão reportado” e no que nunca chega a aparecer em “custo de anúncio”. Veja a decomposição de um pedido de £100 em moda (mercado do Reino Unido, com IVA incluso e contabilizado antes das devoluções — que é como praticamente toda configuração de Shopify e GA4 registra os dados, não por má-fé, mas porque ninguém parou pra ajustar isso):
- Valor de conversão reportado: £100,00
- Devoluções de 28%, registradas depois da conversão e invisíveis para a plataforma de anúncios: sobram £72,00
- Retirando o IVA: £60,00 de receita líquida
- Custo da mercadoria (63% do líquido, período de forte promoção): sobram £22,20
- Logística, subsídio de frete, postagem e manuseio de devoluções: sobram £11,20
- Taxas de pagamento e da plataforma: sobram £8,70
- Custo do anúncio, considerando o ROAS de 11x: -£0,39
Ou seja: £11 de retorno para cada £1 investido em mídia, mas a empresa perde £0,39 em cada pedido de £100. O painel de métricas e o balanço financeiro descrevem os mesmos pedidos — só que um deles está mentindo por omissão. E o pior: a taxa de devolução de 28% é normal para moda, e o custo de mercadoria de 63% é típico de período promocional, justamente quando o ROAS costuma bater recordes, porque produto com desconto converte muito bem. A conta parecia estar no seu melhor momento exatamente quando estava indo pior — e ninguém percebeu, porque a métrica observada era incapaz de mostrar isso.
A média que escondia o problema
Se isso já seria grave com um ROAS “honesto”, o problema piora porque o 11x era uma média combinada. Campanhas de marca rodavam perto de 18x e concentravam a maior parte da verba, enquanto campanhas fora da marca ficavam em torno de 3x. O número final era, na prática, uma média ponderada entre demanda que a marca já tinha conquistada e um esforço bem mais modesto de aquisição real.
Boa parte dessas vendas de marca provavelmente aconteceria de qualquer jeito, via busca orgânica ou acesso direto — afinal, quem digita o nome da marca no Google já decidiu comprar dela. Descontando isso, o retorno incremental real ficava bem abaixo de 11x, antes mesmo de entrar na conta de margem. A campanha estava levando crédito por vendas que não gerou, com uma margem que não existia.
O aviso que ninguém dá: eficiência demais também mata
A correção “de manual” é reconstruir o valor de conversão em cima da contribuição real e otimizar por lucro (POAS) em vez de receita (ROAS). Funciona, e já é praticamente consenso entre quem entende de PPC para e-commerce. Mas há um detalhe pouco discutido: apertar demais o alvo de eficiência pode sufocar o negócio por outro caminho.
Um alvo de eficiência muito rígido ensina o Smart Bidding a comprar só as conversões mais baratas e certeiras. Ele obedece — e o volume de vendas despenca. Para um negócio de serviços, tudo bem. Mas para quem tem estoque parado, isso é grave: estoque é um ativo que se deprecia, só que fica guardado num galpão em vez de aparecer em algum relatório de marketing.
Uma marca de moda paga pela coleção meses antes de vendê-la. Cada semana com peças encalhadas reduz o valor de recuperação e aprofunda o desconto final necessário para limpar o estoque.
Um exemplo ilustra bem isso: um produto com oito semanas de temporada restante, 1.000 unidades, custo unitário de £18 e preço cheio de £45. Com meta de eficiência apertada, vendem-se 350 unidades com boa margem, sobrando 650 para liquidar com 70% de desconto — a maioria abaixo do custo. Relaxando a meta para 4x, vendem-se 850 unidades com margem menor por peça, sobrando apenas 150 para queima de estoque. O segundo cenário tem ROAS pior no papel, mas gera mais contribuição total e devolve caixa a tempo de financiar a próxima coleção. A configuração “mais eficiente” era, na prática, a mais cara.
No fim das contas, a tal conta do título perdia dinheiro duas vezes: em cada pedido realizado, por causa da estrutura de custos ignorada pelo ROAS; e em cada pedido que deixou de acontecer, por ser “caro demais” para perseguir. A primeira perda aparece no balanço. A segunda não aparece em relatório nenhum, porque não existe métrica para vendas que nunca aconteceram.
Como ajustar o foco para lucro e fluxo de caixa
A solução passa por repensar como as metas são definidas e a conta é gerida:
- Reconstruir o valor de conversão como contribuição real: líquido de IVA, devoluções esperadas por categoria, custo de mercadoria e logística. Enviar esse valor ajustado para o Google usar como base de lance — enquanto o algoritmo não enxerga margem, toda meta definida está sendo negociada numa moeda fictícia.
- Separar campanhas de marca antes de julgar qualquer resultado, já que elas costumam capturar demanda que já existia, distorcendo a leitura do desempenho real de aquisição.
