Smart Bidding: quando a automação te trai

Por Miguel Maio · Publicado em 27 de outubro de 2026

O Smart Bidding não falha por ser burro. Falha por fome de dados. E quem lhe dá de comer o prato errado és tu - muitas vezes por conselho de quem devia saber melhor. A promessa é real quando há dados e o desastre é real quando não há. A diferença entre as duas vive no que a Google diz que o algoritmo precisa e no que ele precisa mesmo.

A promessa do Smart Bidding, na versão mais forte

O Smart Bidding ajusta o lance de cada leilão em tempo real com sinais que tu nunca verias a tempo: dispositivo, hora, lista de público, histórico de pesquisa, e a combinação de tudo isto num só utilizador. Nenhum gestor humano faz isto milhão a milhão, todos os dias, sem dormir. Na versão mais forte da promessa, ganhas o que a mão perdia: granularidade à escala do leilão.

E é verdade. Em contas com volume e medição limpa, o Smart Bidding bate o lance manual com folga - não por magia, por capacidade de processar sinais que a ti te escapam. A Optmyzr, que vive de otimizar contas de terceiros e portanto tem viés a favor da automação, reporta ganhos consistentes acima de certos volumes de conversão. Levo o número com pinça pela origem, mas a direção bate certo com o que vejo no terreno. Quando há dados, o algoritmo é melhor do que eu a pôr o lance. Ponto. O problema nunca foi a inteligência da máquina. É a dieta.

O "mínimo de conversões" para Smart Bidding: a letra e o espírito

A letra: a Google escreve, no próprio documento de boas práticas, que o número mínimo de conversões para usar o Target CPA e a Maximização de conversões é zero. O espírito é outro. A mesma Google, duas linhas abaixo, avisa que "tens de ter conversões a ser medidas" - e o Target ROAS, que precisa de aprender valores, já exige 15 conversões nos últimos 30 dias (Google, Smart Bidding best practices).

A pergunta óbvia: se zero chega para a Maximização de conversões, porque é que o primo exige 15? Porque "mínimo para ligar" e "mínimo para funcionar" são coisas diferentes, e a Google só te diz a primeira. Zero é o que o botão aceita, não o que o algoritmo precisa para não gastar à cega. É como dizer que o mínimo para conduzir é ter carta: verdade, e inútil para quem nunca se sentou ao volante. É aqui que a automação te trai - não porque mente, mas porque te deixa fazer uma coisa que ela sabe que vai correr mal, e chama-lhe "suportado".

A autópsia: de ~100 leads por dia para 2 ou 3

Caso real, cliente anonimizado, lead generation pura. Um consultor da própria Google pediu ao cliente para passar uma campanha nova - sem histórico de conversões no GA4, sem públicos consolidados - para a Maximização de conversões. O cliente, com a Google a dizer-lhe para o fazer, fez. Resultado: de cerca de 100 leads por dia para 2 ou 3. Durante perto de uma semana. Exatamente a janela do learning period.

O algoritmo fez o que lhe mandaram: começou a aprender do zero, num leilão onde não tinha padrão nenhum para distinguir quem converte de quem clica e desaparece. Gastou o budget a explorar. E a exploração, sem histórico, é indistinguível de desperdício. Recuperei ao repor o meu setup anterior a partir de um backup do Google Ads Editor - que faço sempre, antes de deixar alguém mexer na conta. Sem esse backup, a reconstrução tinha levado semanas em vez de uma tarde.

A lição não é "a Google deu mau conselho", apesar de ter dado. É mais incómoda: a interface deixou passar uma mudança estrutural - campanha nova, estratégia nova, goal novo - que dispara o learning period por tudo o que vamos ver a seguir, sem um único aviso proporcional ao risco. A letra ("mínimo zero") cobriu o espírito (isto vai partir).

A camada que ninguém vê: conversões modeladas no Smart Bidding

Aqui está a parte que quase ninguém mede, e que decide se a tua dieta de dados é real ou inventada. Boa parte das conversões que o Smart Bidding usa para aprender, em mercados com consentimento como a UE, não são observadas - são modeladas. Estimadas por um modelo quando o utilizador recusou cookies. O algoritmo otimiza para um número que, em parte, é uma previsão sobre outra previsão.

E a modelação tem limiares duros, que a Google publica mas quase ninguém lê. No Google Ads, o preenchimento de conversões por modelação exige 700 cliques em anúncios ao longo de 7 dias, por país e agrupamento de domínio (Google Ads Help). No GA4, a modelação de comportamento para consent mode pede pelo menos 1000 eventos por dia com consentimento negado durante 7 dias, e pelo menos 1000 utilizadores diários com consentimento dado em 7 dos últimos 28 dias (GA4 Help). Abaixo destes volumes não tens modelação pior - não tens modelação nenhuma. Tens o buraco do consentimento, cru, e o algoritmo a aprender com metade da verdade.

Há um detalhe que separa quem percebe isto de quem repete slides: os dados modelados não entram no export de BigQuery. Vivem só nos relatórios e na Data API (GA4 Help). Quem audita pelo BigQuery, como eu faço quando quero o dado cru, vê menos conversões e, às vezes, menos utilizadores do que o relatório do GA4. Não é erro de um dos dois. É um a mostrar o modelado e o outro a mostrar o observado. Se não sabes qual estás a ver, estás a comparar duas línguas e a chamar-lhe discrepância. A automação come o número modelado. Se o teu volume não chega ao limiar, estás a alimentar o algoritmo com uma estimativa que nem sequer existe.

Dados fragmentados: a mesma armadilha, do outro lado

A fome de dados tem um irmão gémeo: dados que existem mas estão partidos, e por isso mentem. Mesma lei, sentido inverso. Caso real: campanhas de Display segmentadas por dispositivo, uma para desktop e outra para mobile. O Universal Analytics não atribuía conversões cross-device - o utilizador via no telemóvel e convertia no portátil, e o UA contava zero à campanha de mobile. O CPA aparente inflacionou. A automação, a ler esse CPA inflacionado, cortava precisamente a campanha que trazia a procura.

Resolvi ao terminar as duas segmentações por dispositivo e deixar o sinal consolidar-se. O CPA "caiu" - na verdade nunca tinha sido aquele, estava só mal contado. A ironia é que a Google hoje recomenda exatamente isto: consolidar, não fragmentar, para dar ao modelo o sinal inteiro. A lição de há anos virou a boa prática de agora, porque o princípio é o mesmo desde sempre: o algoritmo decide tão bem quanto o pior dos teus dados o deixa decidir. Fragmentar por dispositivo, por campanha, por conta ou por conversão duplicada é tudo a mesma coisa. Dás-lhe pedaços e ele toma decisões inteiras sobre pedaços.

O que faço antes de ligar a automação de lances

Antes de passar seja o que for para Smart Bidding, corro uma lista curta e inegociável - e o porquê de cada ponto, que é o que falta nos guias que dizem só "ativa e espera". Automatizo a deteção, nunca a decisão de ligar.

• Histórico real de conversões na campanha, não zero com a bênção da Google. Sem padrão, o learning period é exploração cega e o budget arde.
• Públicos e sinais consolidados, não uma campanha recém-nascida sem lista nenhuma - o algoritmo precisa de saber com quem já ganhou.
• Medição a passar o limiar de modelação, ou a assunção explícita de que vou operar abaixo dele e o que isso significa.
• Backup no Google Ads Editor antes de qualquer mudança estrutural, porque a mudança dispara o learning period e eu quero poder voltar atrás numa tarde, não numa semana.
• Uma mudança de cada vez, para o learning period ter uma causa só e eu saber o que mexeu.

Não é desconfiança da máquina. É dar-lhe de comer antes de lhe pedir para correr. É o mesmo princípio que aplico nos scripts de Google Ads: automatizar a deteção, não a estratégia.

O custo de ligar cedo demais

A automação não te pune quando falha. Pune-te uma semana depois, quando o learning period já queimou budget que não volta e tu estás a explicar ao cliente porque é que os leads caíram a pique no mês em que "modernizaste" a conta. O algoritmo é bom - a pergunta nunca foi essa. A pergunta é se tu lhe deste o que ele precisa, ou só o que a Google diz que basta.

Fontes

• Google - Smart Bidding best practices (PDF)
• Google Ads Help - Duração do learning period
• Google Ads Help - Conversões e consent mode
• GA4 Help - Modelação de comportamento (consent mode)
• GA4 Help - Comparação de superfícies de relatório

Perguntas frequentes