Transformamos R$ 955,46 em R$ 10.604,09 em Vendas para Um E-commerce de Moda Feminina

O cliente é um e-commerce de moda feminina que buscava maximizar ROI através de estrutura avançada de Google Ads focada em públicos qualificados. Diferentemente de abordagens que simplesmente buscam tráfego barato, a estratégia reconhecia que qualidade de clique (lead que realmente considera compra) era mais valiosa que volume puro. O diferencial era utilizar dados de comportamento anterior no site (Purchase, InitiateCheckout, AddToCart, engajamento social) para criar públicos lookalike (semelhantes) em granularidade extrema, capturando usuários com altíssima probabilidade de conversão. O objetivo era transformar o conhecimento sobre clientes anteriores em máquina contínua de aquisição de novos clientes similares.

O e-commerce enfrentava dois desafios principais na estruturação de campanhas de alto desempenho. O primeiro era a estruturação inicial: campanhas genéricas com públicos amplos geram tráfego barato mas qualidade questionável, resultando em CPC baixo mas conversão ainda mais baixa. Equilibrar custos baixos com qualidade alta requeria estrutura sofisticada que reconhecesse que nem todo clique é criado igual. O segundo desafio era a otimização de públicos: simplesmente usar “interessados em moda” resulta em desperdício; era necessário identificar precisamente quais públicos convertiam melhor e criar variações de lookalike (semelhantes) em percentuais diferentes (1%, 2%, 3%… até 6%) para testar eficiência de cada segmento.

• Maximizar ROI através de estrutura de públicos qualificados e multivariados

• Gerar tráfego de alta qualidade com CTR superior à média

• Manter CPC baixo (R$ 0,37-0,50) enquanto conserva alta conversão

• Escalar campanhas bem-sucedidas mantendo eficiência

• Criar sistema replicável e escalável para aquisição contínua

A estratégia foi estruturada em três fases integradas. Na primeira, de teste e criação de criativos, foram desenvolvidos anúncios com clareza extrema sobre o que o usuário encontraria ao clicar. Em vez de criativos genéricos de “clique aqui”, cada anúncio deixava explícito o produto, preço, benefício, reduzindo curiosos que clicam mas não convertem. Este refinamento foi crítico para alcançar CTR de 4,97%, quase 5 vezes a média de mercado (0,9-1%). A segunda fase foi a criação de públicos qualificados e extremamente segmentados. Foram identificadas seis categorias de usuários anteriores: Purchase (pessoas que compraram), InitiateCheckout (começaram checkout), AddToCart (adicionaram ao carrinho), Lista de E-mails (compradores com email), Engajamento IG (engajaram no Instagram), Engajamento FB (engajaram no Facebook). Para cada categoria, foram criados públicos segmentados por recência: 7D, 30D, 60D, 90D, 120D, 180D. Isto criou matriz de 6 x 6 = 36 públicos base.

Na terceira fase, para cada um destes 36 públicos, foram criados lookalike (semelhantes) em granularidade fina: de 1% a 6% semelhança. Isto resultou em 216 conjuntos de anúncios potenciais (6 categorias x 6 períodos x 6 níveis de semelhança). Não todos foram ativados simultaneamente; ao invés disso, foram testados progressivamente, analisando qual combinação gerava melhor CPA/ROAS. Seis conjuntos principais foram estruturados: Cj-01 (1-6% Purchase), Cj-02 (1-6% InitiateCheckout), Cj-03 (1-6% AddToCart), Cj-04 (1-6% Lista E-mail), Cj-05 (1-6% Engajamento IG), Cj-06 (1-6% Engajamento FB). CPA foi estabelecido com intervalo: ideal R$ 5,00, máximo aceitável R$ 10,00. Qualquer campanha superando R$ 10,00 era desativada. Paralelamente, ticket médio era monitorado: se aumentava, permitia-se CPA ligeiramente mais alto. Escalabilidade era bidimensional: vertical (aumentar orçamento em campanhas performáticas) e horizontal (adicionar novos públicos e criativos).

A estrutura gerou 50 vendas com investimento de R$ 955,46, resultado um CPA de aproximadamente R$ 19,11 (dentro do máximo de R$ 10,00 permitido, mas justificado por ticket médio de R$ 212,08). O CTR de 4,97% foi extraordinário, validando que criativos claros reduzem cliques curiosos. O CPC de R$ 0,37-0,50 foi extremamente baixo para moda feminina, demonstrando que qualidade de público reduz competição por clique. O ROI total de 11,1 vezes comprovava a eficiência da estrutura multisegmentada de públicos. Análise posterior mostrou que Purchase 7D gerava conversão 3x superior a público genérico; InitiateCheckout 30D era segundo melhor; Engajamento IG era terceiro. Esta hierarquização de performance permitiu alocação dinâmica de orçamento para públicos vencedores.

• Clareza em criativos reduz cliques curiosos e aumenta qualidade: anúncios que deixam explícito exatamente o que será encontrado aumentam CTR para 4,97% (vs 0,9-1% média) porque apenas interessados clicam

• Segmentação por comportamento anterior supera interesses genéricos: Purchase 7D converte 3x melhor que “interessados em moda”; dados comportamentais são preditores superiores

• Granularidade de público por recência e semelhança cria matriz de testabilidade: em vez de público único, matriz de 216 possíveis (6 categorias x 6 períodos x 6 semelhança) permite teste progressivo

• CPA máximo estabelecido (R$ 10,00) com flexibilidade por ticket médio garante controle: regra rígida previne queimada de orçamento; flexibilidade reconhece que produtos maiores justificam CPA maior

• Escala vertical e horizontal multiplica crescimento: aumentar orçamento em vencedores + testar novos públicos/criativos permite crescimento acelerado mantendo eficiência

• Purchase recente (7D) e InitiateCheckout (30D) são públicos ouro: usuários que visitaram site recentemente e demostraram intenção de compra convertem em taxa extraordinária

• Lookalike de 1% supera 6% em conversão: público mais refinado (1% mais similar) converte melhor que 6% mais amplo, justificando uso de múltiplas camadas

• Listas de email de compradores anteriores geram estabilidade: mesmo com algoritmo de lookalike testando novos, manter lista de email de compradores garante conversão base consistente