LMMLarge Media Model
Todos os posts
MMM5 min de leitura

Curvas de saturação e adstock: como saber quando o próximo real em mídia para de render

Todo canal tem um ponto a partir do qual investir mais rende cada vez menos. Entenda saturação, retorno marginal e efeito residual da mídia, com fórmulas, exemplos e o erro mais caro do planejamento anual.

LMMEquipe Large Media Model
Avenida Paulista ao entardecer, com painéis digitais e pontos de ônibus repetindo o mesmo anúncio enquanto pedestres passam com guarda-chuvas sob garoa

Imagine um anúncio em todos os pontos de ônibus da Avenida Paulista. Na primeira semana, boa parte de quem passa por ali vê a mensagem pela primeira vez. Na quarta semana, quase todo mundo já viu, várias vezes. O custo continua o mesmo, mas o número de pessoas novas alcançadas e convencidas cai. Esse é o princípio da saturação, e ele vale para qualquer canal: TV aberta, YouTube, Meta, busca, CTV ou mídia exterior.

Ignorar a saturação é o erro mais caro do planejamento anual. O canal que entregou o melhor ROAS no ano passado recebe mais verba, mas o retorno do dinheiro extra é muito menor que o retorno médio que justificou a decisão. Entender curvas de resposta muda a pergunta de “qual canal é melhor” para “onde o próximo real rende mais”.

O que é uma curva de saturação

Uma curva de saturação descreve como o resultado incremental de um canal cresce conforme o investimento aumenta. No começo, cada real adicional gera bastante resultado. A partir de certo ponto, a curva achata e o ganho de cada real extra diminui. Em Marketing Mix Modeling, uma forma comum de representar isso é a função Hill: resposta = β × xˢ ÷ (xˢ + Kˢ), em que x é o investimento, K é o ponto de meia saturação, onde o canal entrega metade do seu potencial máximo, e s controla o formato da curva.

Quando s é maior que 1, a curva tem formato de S: existe um investimento mínimo para o canal começar a funcionar, típico de TV e mídia exterior, que precisam de frequência para gerar lembrança. Quando s é menor ou igual a 1, a curva é côncava desde o início, comum em busca paga, em que os primeiros reais capturam a demanda mais quente.

Retorno médio versus retorno marginal

O retorno médio é o resultado total dividido pelo investimento total. O retorno marginal é o resultado do próximo real investido, a inclinação da curva no ponto atual. Um canal pode ter iROAS médio de 3,2 e iROAS marginal de 0,9 ao mesmo tempo. Se o ROAS de equilíbrio da empresa for 2,5, o canal é lucrativo no conjunto, mas cada real adicional ali destrói margem. A decisão de aumentar ou cortar depende do marginal, não do médio.

O orçamento ótimo é aquele em que o próximo real rende o mesmo em qualquer canal. Se não rende, ainda há dinheiro para mover.

Adstock: a mídia que continua trabalhando

Nem todo efeito da mídia acontece na semana em que ela roda. Um comercial visto hoje pode influenciar uma compra daqui a três semanas. Adstock é a forma de modelar esse efeito residual. No formato geométrico, o mais simples, o efeito acumulado em uma semana é o investimento da semana mais uma fração λ do efeito acumulado da semana anterior: Aₜ = xₜ + λ × Aₜ₋₁.

  • λ = 0,3: efeito curto, típico de busca paga e ofertas de varejo. Meia-vida inferior a uma semana.
  • λ = 0,5: meia-vida de 1 semana, comum em social e vídeo online de performance.
  • λ = 0,8: meia-vida de cerca de 3 semanas, frequente em TV, CTV e campanhas de marca.
  • A meia-vida é calculada como ln(0,5) ÷ ln(λ). Ela indica quantas semanas leva para o efeito cair pela metade.

Ignorar o adstock faz canais de marca parecerem piores do que são, porque o crédito pelas vendas das semanas seguintes vai para os canais de conversão que estavam ativos nesse momento. Também distorce a leitura de pausas: desligar a TV por duas semanas pode não mostrar queda imediata, e a conclusão errada é que ela não fazia diferença.

Como usar curvas no planejamento

  • Localize cada canal na própria curva. Canais no trecho plano são candidatos a corte, canais no trecho inclinado são candidatos a aumento.
  • Mova orçamento em passos de 10% a 20%. Curvas só são confiáveis dentro da faixa de investimento já observada no histórico.
  • Valide a mudança com um teste geo ou holdout antes de transformá-la em política permanente.
  • Reestime as curvas a cada trimestre. Criativos novos, concorrência e preço de mídia mudam a forma da curva ao longo do ano.

No LMM, as curvas de resposta vêm do Meridian, o framework open source de MMM bayesiano do Google, com intervalos de credibilidade em vez de um número único. A Plataforma mostra onde cada canal está na curva, qual o retorno marginal estimado e marca como fora do suporte qualquer cenário que exija investimento nunca observado. A recomendação de realocação respeita esses limites e segue para aprovação humana antes de qualquer mudança.

Perguntas frequentes

O que é saturação de mídia?

É a redução do retorno de cada real adicional conforme o investimento em um canal aumenta. Acontece porque o público mais propenso já foi alcançado e a frequência extra convence cada vez menos gente nova.

Qual a diferença entre adstock e saturação?

Adstock trata do tempo: quanto do efeito da mídia continua nas semanas seguintes. Saturação trata do volume: quanto o retorno diminui conforme o investimento cresce. Um MMM bem especificado modela os dois para cada canal.

Como saber se um canal está saturado?

Compare o retorno marginal estimado com o ROAS de equilíbrio da empresa. Se o próximo real rende menos que o equilíbrio, o canal está saturado no nível atual. Sinais práticos incluem frequência subindo, CPA crescente e alcance incremental estagnado.

Preciso de MMM para estimar curvas de saturação?

O MMM é o método mais completo, mas exige cerca de 2 anos de histórico semanal. Sem isso, testes geo com níveis diferentes de investimento em praças comparáveis já dão uma boa estimativa de pontos da curva.

Continue lendo

LMM

Seus dados de mídia já contêm sinais.

O LMM transforma esses sinais em um caminho claro da medição à decisão.