Anúncios em IA: o que muda no orçamento de mídia de 2027

Todo planejamento anual chega no mesmo impasse quando o assunto é canal novo. De um lado, a leitura de que anúncio dentro de resposta de IA é para onde a atenção está indo. Do outro, a memória das apostas anteriores que consumiram verba e trimestre sem devolver nada.

As duas posições estão discutindo a pergunta errada. O problema do orçamento de 2027 não é decidir se canal de IA entra ou não entra. É que a maioria dos orçamentos não tem onde colocar esse tipo de decisão: existe a verba que sustenta a operação e existe a verba que sobra, e a segunda é sempre a primeira a ser cortada quando o mês aperta.

O que falta é uma linha de aprendizado. Explícita, dimensionada, com prazo e com dono.

Por que ignorar e apostar são o mesmo erro?

Parecem opostos, mas nascem da mesma origem: a ausência de um lugar planejado para o risco.

Quem ignora está protegendo o resultado do trimestre, o que é legítimo. Só que o custo aparece depois, e não como perda de venda: aparece como falta de repertório. Quando o canal amadurecer e o custo por aquisição subir com a entrada dos concorrentes, essa operação começa do zero, pagando caro por um aprendizado que poderia ter sido comprado barato.

Quem aposta está tentando comprar vantagem, o que também é legítimo. O problema é o tamanho e a ausência de saída. Sem critério de parada, o teste vira assinatura: roda mês após mês porque ninguém tomou a decisão de desligar.

Nos dois casos a falha é estrutural, não de julgamento. Faltava no orçamento uma linha cuja função declarada fosse produzir informação em vez de venda. E linha que não existe no papel não tem tamanho, não tem prazo e não tem responsável.

Antes de decidir quanto, vale saber o que existe de fato: o mapa dos anúncios em IA mostra quais plataformas já vendem inventário, quais recuaram e quais nunca entraram. O cenário muda em semanas, e planejar em cima da manchete é como esse tipo de linha estoura.

Como dividir o orçamento de mídia em três camadas?

A separação que funciona não é por canal, é por função. Cada real investido está fazendo uma de três coisas: sustentando o faturamento atual, tentando melhorar a eficiência do que já roda, ou comprando informação sobre o que ainda não se sabe.

Camada	Função	Como dimensionar	Como avaliar	Regra de mexida
Base	Sustentar o faturamento previsto	Meta de pedidos multiplicada pelo CPA máximo que a margem suporta	Custo por aquisição dentro do teto e estabilidade semana a semana	Não se mexe fora do ciclo de revisão. Ajuste sazonal é exceção prevista, não improviso
Otimização	Aumentar o retorno do que já funciona	Fatia da base reservada para teste controlado dentro do mesmo canal	Comparação contra o desempenho anterior da própria conta	Move-se com frequência, sempre uma variável por vez
Aprendizado	Comprar informação sobre canal, formato ou público sem histórico	Perda aceitável em margem, com prazo fechado	Qualidade da conclusão, não retorno sobre investimento	Liberação só com hipótese, critério de parada e responsável definidos

A camada de base é a que paga a conta e a que menos deveria ser tocada. Ela existe porque alguém já pagou o preço de descobrir que aquilo funciona. Mexer nela para financiar experimento é converter certeza em possibilidade, que é a pior troca disponível em um orçamento.

A camada de otimização é onde mora quase todo o ganho real do ano: ajuste de estrutura, teste de criativo, correção de público, revisão de lance. Trabalho menos empolgante que abrir canal novo e que costuma render mais, porque parte de uma base que já converte. O raciocínio de degrau está em como escalar sem quebrar o aprendizado.

A camada de aprendizado é a que quase nunca está escrita. É ela que recebe o teste em canal de IA, e é ela que precisa de regra, porque é a única cujo sucesso não se mede em venda.

Como dimensionar cada camada a partir da margem?

Percentual de faturamento é o atalho mais comum e o menos útil, porque ignora a única variável que decide o assunto: quanto sobra de cada pedido. Duas lojas com o mesmo faturamento e margens diferentes suportam orçamentos completamente diferentes, e o raciocínio completo dessa conta está em quanto investir em tráfego pago.

Aqui o ponto é outro: a camada de aprendizado não se dimensiona em percentual de verba, e sim em margem que você aceita não realizar.

A diferença é prática. Pensar em verba leva à pergunta “cabe no caixa?”. Pensar em margem leva à pergunta certa: se isso virar zero, o que acontece com a meta?

Um exemplo puramente ilustrativo, com números escolhidos para mostrar o raciocínio e que não vêm de nenhuma operação:

Suponha uma loja com margem de contribuição de R$ 100 mil por mês depois de todos os custos variáveis. A direção decide que abrir mão de 3% dessa margem em um mês não ameaça nem a meta nem o caixa. O orçamento de aprendizado é R$ 3 mil no mês, R$ 9 mil no trimestre. Esse é o valor que pode virar pó sem que ninguém precise cortar outra coisa para compensar.

Essa conta transforma “vamos testar IA” em um número defensável e torna o corte automático: se a margem cair, a camada de aprendizado encolhe junto, sem discussão. E se o número de margem por pedido ainda não é confiável, o problema está antes do orçamento, em margem de contribuição.

A origem dessa verba tem três lugares honestos: crescimento planejado do orçamento, eficiência conquistada na camada de otimização, ou uma redução consciente de meta que alguém assinou. Não sai da camada de base, por mais que a tentação de tirar de onde funciona seja grande justamente porque lá tem dinheiro.

O que precisa estar escrito antes de liberar a verba de aprendizado?

Três coisas, e todas antes do primeiro real gasto. Depois que a campanha está no ar, ninguém escreve.

A hipótese. Não “testar anúncio em IA”, que é uma atividade, e sim a frase que o teste confirma ou derruba: o público que chega por pergunta conversacional converte a um custo comparável ao da busca tradicional nesta categoria. Hipótese escrita pode estar errada. Atividade não pode, e por isso nunca termina.

O critério de parada, com prazo. O que precisa acontecer para o teste virar canal, o que precisa acontecer para ele ser desligado, e a data em que a decisão sai de qualquer jeito. Prazo aberto é a forma mais cara de indecisão, porque o gasto continua enquanto a discussão não acontece. Registre junto o volume mínimo de conversão sem o qual a leitura não é confiável: teste que roda abaixo desse piso gasta o dinheiro inteiro e não responde nada.

Quem lê o resultado. Uma pessoa, com nome, e uma data para apresentar a conclusão. É o item mais ignorado e o que mais destrói aprendizado: campanha que roda e ninguém lê custou o mesmo que a que gerou decisão, e entregou menos que não ter rodado, porque consumiu tempo além da verba.

Vale uma quarta linha, curta: o que já se sabe hoje e não precisa ser testado de novo. Sem ela, a mesma pergunta volta ao orçamento no ano seguinte com outro nome. Ler esse tipo de resultado, aliás, é onde a IA ajuda de verdade na operação, e o que dá e o que não dá para delegar está em IA na análise de campanha.

Qual é o custo escondido de abrir um canal novo?

A atenção do time, que é mais escassa que verba e não aparece em lugar nenhum da planilha.

Um canal novo consome criativo próprio, porque o formato é diferente. Consome medição própria, porque o rastreamento não vem pronto. Consome leitura semanal, porque nada está estável. E consome alguém aprendendo uma interface nova enquanto continua respondendo pelo resultado das campanhas que sustentam o faturamento.

Essas horas saem sempre do mesmo lugar: da camada de base, que é onde estava a rotina. O efeito é silencioso, porque ninguém registra que a conta principal ficou duas semanas sem revisão enquanto a equipe configurava o canal novo. O custo aparece depois, como queda de eficiência em um canal maduro, e quase nunca é atribuído à causa certa.

Verba você recompõe no mês seguinte. A semana em que ninguém olhou o que paga a conta não volta.

Daí uma regra prática de planejamento: um teste por vez, com dono declarado. Testar cinco plataformas com pouca verba em cada uma produz cinco leituras inconclusivas e uma equipe exausta, com a conclusão falsa de que o canal não funciona quando o que não funcionou foi a dispersão. Se a estrutura de time é apertada, a decisão honesta é adiar a camada de aprendizado, não fingir que ela cabe. O desenho de quem faz o quê está em cargos e time de e-commerce.

Para quem esse desenho de orçamento não serve?

Para quem ainda não tem a camada de base estável. Se o custo por aquisição do canal principal oscila sem explicação ou se a operação depende do resultado do mês para fechar o caixa, a camada de aprendizado não deve existir em 2027. Não por conservadorismo: porque não há folga para absorver a perda, e teste sem folga vira corte no meio, o pior dos dois mundos.

Também não serve para quem tem ajuste óbvio pendente no que já roda. Arrumar o existente rende mais e é mais previsível que abrir canal novo, e a fila de prioridade deveria refletir isso, começando por entender o que cada métrica realmente diz.

O que fica

O orçamento de mídia de 2027 não se decide pela pergunta “IA entra ou não entra”. Ele se decide pela existência de três camadas com funções diferentes: base que sustenta o faturamento e não se mexe, otimização que persegue eficiência no que já funciona, e aprendizado que compra informação com perda aceitável e prazo fechado.

O tamanho da camada de aprendizado sai da margem que a operação aceita não realizar, não de percentual de mercado. E ela só abre quando hipótese, critério de parada e responsável pela leitura estão escritos, porque sem isso o gasto acontece e o aprendizado não.

O custo maior, no fim, não é o dinheiro da linha de teste. É a atenção que ela tira de quem já estava ocupado. Reconhecer isso muda a conversa de planejamento de lugar: em vez de discutir quanto investir em canal novo, passa a valer a pena olhar quanto da capacidade do time já está comprometida antes de qualquer verba nova ser aprovada.