Como superar a crise de mensuração de ROI no marketing
Juliana Rosso Frediano analisa o impacto da IA na integração de dados e os erros comuns na atribuição de canais B2B.
A dificuldade de integrar dados fragmentados e a pressa por retorno imediato distorcem a avaliação de campanhas no marketing. Em debate sobre mensuração, a análise mostra como modelos estatísticos e automação ajudam a avaliar canais sem depender do clique final.
Juliana Rosso Frediano, CMO da First Answer, tratou da fragmentação de dados e dos gargalos na mensuração de retorno sobre investimento em conversa com Bruno Gimenes no Marketing - The Podcast. O debate parte de levantamentos de mercado apresentados no programa: dados do CMO Outlook 2026 da Nielsen, via Business Wire, indicam que 83% dos CMOs mantêm confiança no valor de suas marcas, enquanto a cobertura do CMO Summit 2026 realizada pelo Mundo do Marketing aponta que 54% dos líderes veem a conexão de fontes dispersas de dados como seu principal obstáculo e 23% admitem uma crise de confiança no ROI.
Para entender o contexto completo da discussão — que faz parte de um episódio mais amplo sobre arquitetura de receita corporativa —, assista ao vídeo acima para acompanhar a dinâmica completa entre os participantes.
Descentralização de relatórios e apoio da IA
Ao avaliar o cenário de dispersão de métricas, Frediano argumenta que o avanço de ferramentas de IA reduziu a dependência de estruturas tradicionais de análise. Segundo ela, o processo que antes exigia filas internas de solicitação técnica agora pode ser operado diretamente pelos times de marketing por meio de automações e consultas estruturadas a repositórios.
Frediano relembra a rotina anterior do setor: "A gente tinha uma área de BI e que a gente tinha que entrar numa fila e pedir para o time de BI montar dash e relatórios que ajudassem a gente a mostrar resultado de campanha, resultado de investimento e tudo mais." Para ela, ter mecanismos de consulta direta em mãos facilita a construção de relatórios sem os gargalos de atendimento que historicamente atrasavam a comprovação de valor.
Desalinhamento de prazos e modelos de atribuição
A percepção de ineficiência no cálculo do ROI decorre, segundo Frediano, da tentativa de medir canais distintos sob uma mesma régua temporal. No ambiente B2B de soluções complexas, como sistemas de gestão ou CRMs, exigir conversão imediata de iniciativas de relacionamento desconsidera a duração real do ciclo comercial, que pode se estender por três a seis meses.
Ao exemplificar a cobrança por resultados rápidos em ativações presenciais, Frediano destaca o conflito frequente com áreas financeiras: "Ah, a gente fez um evento esse mês. E aí na semana seguinte o financeiro está perguntando quantos novos contratos foram fechados vindo daquele evento. Esquece, não é assim que você mede ROI de evento." Ela pontua que, se o indicador for apurado no mês subsequente, a métrica deixa de refletir a realidade do negócio.
O problema persiste nas mídias digitais quando se adota a lógica de último clique como critério absoluto de sucesso. Frediano reforça os limites dessa abordagem: "Não necessariamente a pessoa que viu uma campanha foi lá e deu last click e a gente fez uma atribuição de que a aquele aquela venda, né, aquele novo negócio tenha vindo daquele canal. De novo, o ROI está sendo medido errado."
Modelos estatísticos e inferência causal
Para lidar com a complexidade de múltiplos pontos de contato, Frediano aponta a utilização de modelagem de mix de marketing (MMM), citando ferramentas de mercado como a Purple Metrics, fundada por Guta Tolmasquim e mencionada por Bruno durante a conversa. O modelo busca cruzar investimentos em canais online e offline com o volume de vendas para estimar a correlação de impacto estatístico ao longo do tempo.
Bruno nota o interesse crescente pela aplicação da inferência causal no mercado de tecnologia, defendendo uma compreensão mais rigorosa da lógica que conecta cada ação ao fechamento de negócios. Frediano concorda que decodificar as relações de causa e efeito além da simples correlação numérica é o caminho para conferir fidedignidade às métricas de desempenho.