Nem tudo é o que parece

Sabe quando você olha um número da sua empresa e ele parece bom demais para ser verdade?

Normalmente você o valida várias vezes, calcula de diferentes formas para garantir que ele está certo.

Essa semana me deparei com um caso desse em uma análise.

Um dos nossos clientes mais antigos possui um mecanismo de vendas via embaixadores (muito forte, por sinal).

É um grupo de centenas de pessoas que usam ou usaram o produto e o divulgam nas redes sociais e canais digitais.

Cada um desses embaixadores tem o seu cupom específico e é por meio dele que controlamos a sua performance e que eles são comissionados (e é uma bela comissão).

Pois bem... há 6 meses eu reportava baixa performance de um embaixador X.

Ele tinha sido um dos líderes de venda na primeira parte de 2025 e depois havia ficado preguiçoso e diminuído muito o volume de conteúdos e, por consequência, de vendas.

No relatório de fechamento de fevereiro, fui mais duro no apontamento sobre a performance dele e meu cliente falou que iria fazer uma cobrança mais pesada.

Metade de março, esse embaixador começa a acelerar muito as vendas.

Pensamos: a cobrança funcionou.

Início de Abril, ele pula para a terceira posição geral no programa com um ritmo 2x mais rápido em relação aos seu  melhor mês.

Pensamos: a cobrança funcionou e muito! Recuperamos ele.

Na análise da metade do mês, o ritmo tinha melhorado ainda mais e ele estava com o mesmo ritmo dos dois melhores embaixadores (que tem uma produção de conteúdo absurda e são gigantes em presença digital).

Aí eu tive aquele estalo. “Isso aqui está parecendo bom demais para ser verdade.”

Validei todos os números três vezes e sempre chegava no mesmo resultado: o cupom dele estava vendendo muito.

E eu sou o maior defensor de que os dados não mentem.

Mas também sei que mesmo falando a verdade, eles podem contar a história errada.

A minha conclusão guarda uma sutileza. 

Eu comentei que era o cupom que estava vendendo, não que era o embaixador.

O número estava lá. As vendas realmente subiram. O desempenho realmente melhorou. O problema não era o dado. O problema era a explicação que estávamos quase aceitando sem investigar.

Fui assistir os últimos conteúdos que ele havia postado.

Não encontrei nada de especial. Poucas curtidas, pouco engajamento, basicamente a mesma performance que ele vinha tendo nos últimos 6 meses.

Eu vou ser sincero, não sei como tive a ideia da investigação que vou te contar agora.

Mas eu decidi digitar no Google: “Cupom” e o nome do meu cliente (que não vou falar por razões óbvias).

Esse foi o resultado:

O Google começou a recomendar o cupom dele!

Não o cupom principal da empresa (cuja busca é inclusive patrocinada). Nem os outros vários cupons de marca. Muito menos qualquer cupom das outras centenas de embaixadores.

O recomendado era o dele: *******TO45.

O termo de busca do cupom tem mais de 10.000 procuras mensais (de pessoas já muito propensas a comprar).

E o Google resolveu mostrar o cupom do nosso amigo embaixador para essas pessoas.

E o mais curioso é que isso não nasceu de um conteúdo viral, de uma grande campanha ou de algum post recente que bombou.

A origem parecia estar em dois vídeos antigos que ele tinha postado no Instagram havia algum tempo. 

Vídeos que, olhando pelas métricas das redes, pareciam quase irrelevantes. Nada que chamasse a atenção de ninguém.

Só que o Google encontrou ali o código de cupom na descrição, entendeu aquele conteúdo como relevante para aquele tipo de busca e começou a recomendar justamente aquele código.

E aqui também não podemos nos apressar para concluir qual a lição por trás da história, afinal, ela não tem uma só.

A primeira lição (e mais óbvia) é que tomar decisões em cima de dados crus e soltos (mesmo eles estando corretos) pode te levar para conclusões completamente distantes da realidade.

Conhecer o contexto, aprofundar os motivos e conseguir explicar o número é que vão realmente te dar embasamento para decidir.

Afinal, nem sempre um bom número ou resultado conta uma boa história

A segunda, é que, mesmo o embaixador tendo sorte, ele tem um mérito inquestionável. Foi ele que postou aqueles conteúdos lá atrás. Ele plantou.

Quantas vezes a gente despreza um conteúdo porque ele teve pouco engajamento?

Quantas vezes assume que algo “não deu certo” por que não explodiu rápido?

Quantas vezes medimos o valor de uma ação só pela resposta imediata que ela gerou?

No caso desse embaixador, dois conteúdos aparentemente fracos talvez tenham construído justamente a trilha que, meses depois, o permitiu ter um resultado que fazia quase um ano que ele não tinha.

E, mesmo reconhecendo esse mérito, a terceira lição vem com jeito de clichê:

Nem tudo é o que parece.

É por isso que uma boa análise não para no “o que aconteceu”.

Ela pergunta:

- Por que isso aconteceu?

- Isso é recorrente ou pontual?

- Veio de mérito operacional, contexto externo ou até sorte?

- É replicável ou foi só um caso isolado?

Ao mesmo tempo, a terceira lição também me lembrou que certas coisas que parecem pequenas demais para se importar podem se tornar gigantes meses depois.

E isso me faz lembrar que nem tudo o que performa pouco fracassa. Nem tudo o que explode de resultado hoje é mérito do hoje.

Às vezes é uma plantação antiga finalmente dando fruto.

Espero que tenha curtido o percurso de hoje.

Grande abraço e até a próxima milha,

César Mazzillo

Dados no Cotidiano

A pressão para sustentar argumentos com dados está crescendo, mas a confiança nesses dados não acompanha no mesmo ritmo.

Uma pesquisa da Salesforce com 552 líderes de empresas dos EUA mostrou que 76% deles sentem pressão crescente para embasar opiniões com dados, e 57% sentem até competição interna para ganhar um argumento usando números. 

O avanço da IA aumentou ainda mais esse peso: outros 76% disseram que ela elevou a necessidade de serem mais orientados por dados. 

O problema é que esse movimento veio acompanhado de uma queda de confiança. Em comparação com 2023, a confiança na relevância dos dados caiu 18%, e a confiança na precisão deles caiu 27%. 

E talvez o dado mais preocupante esteja aqui: 63% desses líderes precisam encontrar, analisar e interpretar dados sozinhos, mas 54% não estão totalmente confiantes na própria capacidade de fazer isso. 

Ou seja, mais da metade das pessoas que precisam fazer análises estratégicas para sustentar decisões importantes não se julgam capazes de fazer isso.

Vá uma milha a mais

Ficou pensando “nossa, bem que o Google poderia recomendar minha empresa em algumas buscas também?” ou quer apenas entender como funciona a lógica por trás das recomendações de IA do Google?

Esse aqui foi o vídeo que eu assisti para tentar entender como nosso amigo embaixador foi parar lá. Ele ajuda bastante a entender um pouco mais sobre o assunto (apesar de ele tentar ficar vendendo a ferramenta ao longo do vídeo hehe)