Marketing, vendas e GEO · Tutorial prático

Como analisar um relatório de marketing com IA

Para analisar um relatório de marketing com IA, começa por conferir as fontes, os períodos e o significado das métricas. Calcula os indicadores de forma reproduzível e só depois pede interpretação. O resultado deve separar o que aconteceu, as explicações possíveis e a próxima verificação, sem transformar uma variação num diagnóstico automático.

Dois relatórios, calculadora e lupa para conferir os dados antes da análise. Ilustração conceptual gerada com IA.
Ilustração gerada com IA para o Laboratório da IA.

Neste guia vamos usar um exemplo fictício de captação de contactos comerciais. O custo por lead melhora, mas outro indicador obriga a olhar com mais atenção. Vais preparar os dados, orientar a análise e decidir o que investigar antes de mexer na campanha.

Que pergunta deve orientar a análise do relatório?

Define a decisão que o relatório precisa de apoiar antes de o entregar à IA. Podes querer perceber uma quebra nas oportunidades comerciais, comparar períodos ou escolher o próximo teste. Escreve o objetivo, o público do relatório e o limite da análise, para evitar uma lista de comentários sobre números sem consequência prática.

«Analisa estes resultados» deixa demasiadas escolhas em aberto. Um pedido mais útil é: «Quero perceber se a melhoria no custo por lead também aparece nos contactos aceites pela equipa comercial. Compara os dois períodos, identifica lacunas e propõe uma verificação antes de recomendar mudanças de orçamento.»

O objetivo altera os dados necessários. Para avaliar contactos comerciais, precisas de saber o que aconteceu depois do formulário. Para analisar vendas, precisas de encomendas e estados relevantes. Cliques, impressões e gostos podem ajudar a compreender etapas anteriores, mas não substituem o resultado que estás a tentar avaliar.

Separa também público e etapa da campanha. Uma ação dirigida a pessoas que ainda não conhecem a oferta pode ter uma função diferente de uma campanha para contactos já interessados. Compará-las apenas pelo custo final, sem explicar essa diferença, pode esconder o papel de cada uma no processo.

A primeira entrega da IA pode ser uma lista de perguntas sobre o relatório. Se faltam definições importantes, responder a essas perguntas é trabalho de análise. Não é necessário pedir logo uma recomendação completa para a ferramenta ser útil.

Como preparar os dados antes de pedir interpretação?

Entrega uma tabela com valores de origem, definições e datas, em vez de depender apenas de capturas de ecrã. Identifica a moeda, o fuso, os filtros e o momento da exportação. Mantém os dados originais separados das contas e das conclusões, para conseguires reproduzir uma afirmação sem voltar a descobrir como foi calculada.

Para cada indicador, regista o numerador e o denominador. «Taxa de conversão» pode significar coisas diferentes: compras por sessão, contactos por clique ou oportunidades por contacto recebido. Usa um nome que explique a conta. Se a taxa do teu relatório divide contactos qualificados por leads, escreve exatamente isso.

Guarda a origem dos valores. O investimento pode vir da plataforma de anúncios, os contactos do formulário e a classificação comercial do CRM. Estes dados não passam a ter a mesma definição só por aparecerem na mesma folha. Explica como ligaste os registos e o que ficou sem correspondência.

Remove informação pessoal desnecessária antes de usar uma ferramenta de IA. Para comparar totais por campanha, normalmente não precisas de enviar nomes, emails ou mensagens integrais. Se o diagnóstico exigir exemplos de pedidos, usa uma amostra autorizada e reduzida ao conteúdo necessário para avaliar o problema.

Quando o relatório junta várias origens, o guia sobre combinar dados com o Merge do n8n ajuda a pensar nas chaves e nas correspondências. Mesmo numa junção manual, confirma duplicados e registos sem par antes de calcular os resultados.

Como comparar dois períodos sem distorcer os resultados?

Escolhe períodos com duração e condições comparáveis e explicita as diferenças que não consegues eliminar. Confere se os dados tiveram tempo semelhante para amadurecer, sobretudo quando a qualificação ou a venda acontece dias depois do primeiro contacto. Uma semana recente pode parecer pior apenas porque parte dos resultados ainda não foi registada.

No exemplo fictício deste artigo, os períodos A e B têm sete dias completos. Cada conjunto de leads é observado durante trinta dias após a sua entrada, usando os mesmos critérios comerciais. Esta janela foi escolhida para o exercício; o teu processo pode precisar de outra, conforme o tempo habitual de acompanhamento.

Uma lead é um contacto único recebido pelas campanhas incluídas, depois de retirar duplicados segundo a regra definida. Um contacto qualificado tem dados de contacto válidos, necessidade identificada e enquadramento nos critérios da oferta. A equipa aplicou a mesma definição aos dois conjuntos. Não estamos a chamar venda a uma classificação comercial.

O investimento cobre apenas as campanhas que originam os contactos do exemplo. Se juntares leads orgânicas ao denominador e mantiveres só investimento pago no numerador, mudas o significado do custo. Essa conta pode ter utilidade, mas deve ter outro nome e uma explicação explícita.

Regista ainda alterações de oferta, formulário, equipa, campanhas ou disponibilidade que possam afetar a comparação. Um período com uma promoção e outro sem ela não são equivalentes em todas as condições. Podes analisá-los, desde que a diferença acompanhe a interpretação e não desapareça do resumo.

O que mostra um exemplo com custo por lead mais baixo?

Olha para os volumes e para a qualidade comercial em conjunto. No exemplo seguinte, o investimento aumenta e chegam mais contactos, reduzindo o custo por lead. Porém, a equipa aceita menos contactos como qualificados. A primeira conclusão é descritiva: a melhoria na captação não aparece da mesma forma na etapa comercial analisada.

Todos os valores da tabela são fictícios e foram escolhidos para demonstrar as contas. Não representam resultados de clientes, do Laboratório ou de uma plataforma específica.

IndicadorPeríodo APeríodo B
Investimento nas campanhas incluídas1200 €1500 €
Leads únicas dessas campanhas60100
Contactos qualificados3025
Custo por lead20 €15 €
Contactos qualificados por lead50%25%
Custo por contacto qualificado40 €60 €

As contas são diretas. No período A, 1200 divididos por 60 dão 20 euros por lead. No B, 1500 divididos por 100 dão 15 euros. Para o custo por contacto qualificado, divides os mesmos investimentos por 30 e por 25, obtendo 40 e 60 euros, respetivamente.

O custo por lead desceu 25%, enquanto o custo por contacto qualificado subiu 50%. A proporção de contactos qualificados passou de 50% para 25%: uma descida de 25 pontos percentuais, equivalente a uma redução relativa de 50%. Distinguir estas duas formas de expressão evita exagerar ou diminuir a mudança.

Estes números justificam investigar a diferença, mas não dizem qual foi a causa. Podem existir alterações na origem dos contactos, na promessa do anúncio, no formulário ou no acompanhamento. A tabela não permite escolher uma dessas explicações como certa. Também não contém vendas nem margem, pelo que não demonstra lucro ou prejuízo.

Que contas deves conferir fora do texto da IA?

Confere somas, divisões e variações numa folha de cálculo ou noutro método reproduzível. Mantém as fórmulas disponíveis e trata denominadores nulos sem inventar resultados. Ao agregar campanhas, calcula os rácios a partir dos totais relevantes, porque uma média simples das taxas individuais pode atribuir o mesmo peso a grupos de tamanhos muito diferentes.

Num segundo exemplo fictício, uma campanha gasta 100 euros e obtém dez ações; outra gasta 900 euros e obtém trinta. Os custos por ação são 10 e 30 euros. A média simples seria 20 euros, mas o custo global correto é 1000 divididos por quarenta: 25 euros.

A definição oficial de CPA médio no Google Ads usa o custo total dividido pelo total de conversões. A documentação distingue também o valor observado do objetivo de CPA. Antes de usares o indicador, confirma que ação está a ser contada como conversão no relatório em análise.

Se houve investimento e nenhuma ação, não apresentes um custo por ação de zero. A divisão não tem um valor finito que represente essa situação. Mostra o investimento, o número de ações e uma indicação de que o rácio não pode ser calculado daquela forma.

Também não confundas zero com dado em falta. Uma exportação que falhou, uma coluna vazia ou um estado ainda por atualizar não demonstram ausência de resultados. Guarda um campo de estado da recolha e confirma a origem antes de pedir à IA para interpretar uma quebra.

Dados, hipótese a investigar e teste de confirmação. Ilustração conceptual gerada com IA.
Dados, hipótese a investigar e teste de confirmação. Ilustração conceptual gerada com IA. Ilustração gerada com IA.

Como lidar com atribuição e diferenças entre plataformas?

Trata a atribuição como uma forma de distribuir crédito pelos contactos de marketing, mantendo separada a contagem de transações únicas. Confere o modelo, a janela e o momento da atualização em cada fonte. Quando duas plataformas apresentam valores diferentes, procura a definição e os registos subjacentes antes de escolher um total ou somar resultados.

A documentação do Google sobre atribuição no Analytics explica que os modelos determinam como o crédito é atribuído ao longo do percurso. Por isso, dois relatórios podem responder a perguntas diferentes, mesmo quando ambos apresentam uma coluna associada a resultados comerciais.

Uma encomenda pode receber crédito em mais de uma plataforma. Somar esses créditos como se fossem compras distintas aumenta artificialmente o total. Para contar vendas únicas, parte de uma fonte transacional adequada, identifica as encomendas e confere os estados que decidiste incluir, mantendo as regras documentadas.

Se o relatório usa pedidos pendentes, escreve «pedidos pendentes». Se usa pagamentos confirmados, identifica esse estado. Considera cancelamentos e reembolsos conforme a definição acordada. A informação pode ser útil em fases diferentes do processo, mas não deve mudar de significado entre a tabela e a conclusão.

O mesmo cuidado aplica-se à receita. Um rácio de receita atribuída sobre investimento publicitário pode representar ROAS, quando as definições são coerentes. Não representa automaticamente lucro nem inclui todos os custos do negócio. Confere moeda, impostos e período para que a comparação use valores com o mesmo significado.

Não precisas de fazer desaparecer todas as divergências antes de escrever o relatório. Precisas de as tornar compreensíveis, indicar o que foi reconciliado e preservar o que ainda não tem explicação. Uma conclusão limitada por dados incompletos é mais útil do que um total aparentemente exato sem origem clara.

Que pedido podes fazer à IA para obter uma análise útil?

Entrega o objetivo, a tabela conferida e as definições, pedindo uma análise em etapas. Começa por observações sustentadas, passa às hipóteses e termina nas verificações necessárias. Exige que cada afirmação numérica indique a conta ou a linha de origem, e que qualquer informação ausente permaneça identificada como uma lacuna na resposta.

Podes usar este pedido com os dados fictícios: «Compara os períodos A e B. O objetivo é avaliar captação de contactos qualificados. Usa apenas a tabela e as definições fornecidas. Apresenta três observações verificáveis, hipóteses separadas e os dados necessários para as investigar. Não atribuas causas aos anúncios sem evidência adicional.»

Acrescenta: «Confere os rácios a partir dos totais e distingue percentagem de pontos percentuais. Não trates contactos qualificados como vendas. Se uma conclusão depender de informação que não tenho, explica qual é. Propõe uma próxima verificação com responsável e critério, sem alterar campanhas nem enviar o relatório.»

Pede uma resposta curta primeiro. Se a IA começar por um texto extenso sobre tendências gerais do mercado, volta à pergunta concreta. O objetivo é avaliar este conjunto de dados. Contexto externo só deve entrar quando for pertinente, identificado e sustentado por uma fonte que possas conferir.

Depois aprofunda uma hipótese de cada vez. Por exemplo: «Que dados me permitem distinguir uma mudança na origem das leads de uma mudança no acompanhamento comercial?» Essa pergunta ajuda a preparar uma investigação útil sem pedir ao modelo que escolha a explicação mais convincente pela forma como a consegue escrever.

Como transformar hipóteses em verificações concretas?

Para cada hipótese, identifica a evidência que a apoiaria, a evidência que a enfraqueceria e a próxima ação possível. Escolhe uma verificação proporcional ao problema e aos dados disponíveis. A IA pode ajudar a estruturar esse trabalho, mas a confirmação depende de observação, registos ou testes que ainda precisam de acontecer.

No exemplo, uma hipótese é que aumentou o peso de uma campanha com contactos menos adequados. A verificação consiste em comparar a distribuição das leads e a qualificação por campanha, usando as mesmas regras e a mesma janela. Se a composição se manteve, essa explicação perde força e precisas de investigar outras.

Outra hipótese é que o acompanhamento demorou mais. Para a avaliar, precisas dos momentos de entrada e primeiro contacto, além do estado comercial. Não concluas que a equipa respondeu devagar só porque a qualificação desceu. Pode ter havido uma falha na atualização do CRM ou outra diferença que a tabela agregada não mostra.

Uma terceira hipótese relaciona-se com a promessa do anúncio. Nesse caso, revê os anúncios e uma amostra autorizada dos pedidos, procurando diferenças entre expectativa e oferta. Regista os critérios da revisão. Uma impressão subjetiva sobre o texto não basta para explicar toda a variação observada.

Escolhe o próximo passo pelo que pode esclarecer. Pode ser corrigir um dado, confirmar uma definição ou preparar um teste de comunicação com orçamento e aprovação próprios. Uma recomendação de análise não autoriza automaticamente mudanças nas campanhas. Mantém essa passagem explícita quando trabalhas com agentes que também conseguem executar ações.

Como escrever a conclusão sem prometer mais do que sabes?

Escreve uma conclusão que ligue o resultado observado à decisão seguinte, preservando as limitações. Inclui o período, a fonte principal, a diferença relevante e a verificação proposta. Evita transformar uma hipótese numa causa confirmada só para tornar o texto mais convincente, e não escondas um dado em falta numa frase vaga sobre desempenho.

Para o exercício, uma conclusão possível é: «O custo por lead desceu de 20 para 15 euros, mas o custo por contacto qualificado subiu de 40 para 60 euros. A comparação usa a mesma janela de acompanhamento. Antes de recomendar mais investimento, vamos conferir a distribuição por campanha e a atualização dos estados comerciais.»

Esta conclusão é um exemplo de redação, não uma recomendação para uma conta real. A decisão final pode mudar quando surgirem dados de vendas, margem ou diferenças no acompanhamento. Regista quais são essas dependências para quem lê perceber o que já está sustentado e o que continua por confirmar.

Mantém uma versão do relatório com data, fontes e fórmulas. Se os valores forem atualizados mais tarde, compara versões e explica a alteração. Não substituas silenciosamente o número numa apresentação que já foi usada para decidir. A rastreabilidade ajuda a rever o raciocínio sem reconstruir todo o trabalho.

O guia sobre preparar decisões com critérios e alternativas usando IA pode ajudar a organizar essa passagem da análise para a escolha. O relatório deve permitir decidir o próximo passo com informação suficiente, mesmo quando esse passo é recolher um dado que falta.

Como repetir esta análise sem voltar sempre ao início?

Guarda um modelo com objetivo, definições, fontes, contas e perguntas de revisão. Reutiliza a estrutura, atualizando os dados e o contexto de cada período. Mantém uma pessoa responsável pela conferência final e revê o modelo quando a oferta, a medição ou o processo comercial mudar, para não automatizares interpretações que deixaram de fazer sentido.

A parte repetitiva pode incluir recolha autorizada, preparação de tabelas e cálculo de indicadores. O artigo sobre criar um relatório semanal automático com Google Sheets mostra um exemplo de preparação com verificações. A análise continua a exigir que saibas o que os números representam.

Guarda as perguntas que revelaram problemas reais. «O denominador mudou?», «Este período já teve o mesmo tempo de acompanhamento?» e «Estamos a somar atribuições?» podem tornar-se verificações recorrentes. Acrescenta uma regra ao modelo quando ela resolve uma falha observada, em vez de acumular instruções que ninguém consegue manter.

Ao longo do tempo, compara recomendações com o que foi efetivamente feito e observado. Se a hipótese não se confirmou, regista isso. O histórico permite melhorar as perguntas e evita repetir uma explicação que já foi contrariada pelos dados.

O resultado que procuras é uma análise compreensível e verificável: contas que consegues reproduzir, diferenças que fazem sentido no contexto e uma próxima ação definida. A IA ajuda-te a organizar esse trabalho, desde que as fontes e a revisão continuem presentes em cada etapa.

Aprende no Laboratório a transformar dados em análises úteis

No Laboratório da IA podes aprender a preparar dados, construir relatórios e usar IA para investigar questões do teu negócio. As aulas semanais e os Zooms de acompanhamento semanais ajudam-te a trabalhar exemplos concretos, conferir resultados e melhorar processos antes de dependeres deles para decisões recorrentes.

Este guia adapta unidades revistas de Patrícia sobre reconciliação e métricas, de Roberto Cortez sobre cálculo e hipóteses, de Bruno e Marcelo sobre reporting e de uma sessão de acompanhamento de Patrícia Pereira. Os dados e as conclusões do exercício são fictícios. Referências oficiais consultadas em 17 de outubro de 2026.

Leva um relatório sem dados pessoais desnecessários, a decisão que queres apoiar e as dúvidas sobre os indicadores. A partir daí, podes trabalhar uma análise mais clara e uma forma concreta de verificar o que a IA te propõe.

Aprofunda este percurso no LAB

IA para negóciosIA para marketing
Passa à prática

Aprende a construir isto no Lab.

Trabalha o processo com aulas, materiais e acompanhamento. Leva o que estás a construir e esclarece as dúvidas da tua implementação.

  • Conferir períodos, denominadores e atribuição antes de interpretar um relatório.
  • Separar observações de hipóteses e escolher a próxima verificação com um exemplo calculado.
  • Aplicar o método nas aulas semanais e nos Zooms de acompanhamento semanais do Laboratório.

Aulas semanais para aprender e aplicar. Zooms de acompanhamento semanais para esclarecer dúvidas. Replay e materiais para retomar o trabalho ao teu ritmo.

Entrar no Laboratório da IA

Continua a aprender

Como criar um relatório semanal automático com Google SheetsComo preparar uma decisão com critérios e alternativas usando IAComo juntar dados de duas fontes com o Merge do n8n
Laboratório da IA

Formação para empresas

Pede a demonstração para a tua empresa.

Deixa o teu contacto. A nossa equipa liga-te para perceber o contexto da tua empresa, mostrar a plataforma e apresentar as condições para o número de pessoas que queres formar.

O telemóvel serve para a nossa equipa te contactar e marcar a demonstração.

Os teus dados estão seguros connosco. Consulta a nossa Política de Privacidade.

Pedir uma demonstração é gratuito e não implica qualquer pagamento.