Mídia paga quando a IA comprime o funil: incrementalidade, CTV e retail media

Mídia paga em 2026 não morreu, mas mudou de função. A IA comprimiu o funil de busca: a resposta sintetizada resolve a dúvida antes do clique, e o inventário de intenção no topo encolheu. O efeito prático é duplo. A mídia paga precisa gerar demanda, não só captá-la, e a forma de medir precisa abandonar o last click em favor de incrementalidade real. CTV e retail media são a dupla que responde a esse novo desenho.

A tese deste guia incomoda quem cresceu otimizando ROAS de plataforma: o número que o canal te devolve é o número que ele tem interesse em maximizar. Quando o funil era longo e o clique era abundante, dava para conviver com essa distorção. Agora que a IA encurtou o caminho entre a dúvida e a decisão, otimizar pela régua da própria plataforma é deixar a raposa cuidar do galinheiro. A pergunta que sobrou em pé é uma só: esta campanha adicionou receita que não existiria sem ela?

Por que a IA comprime o funil de busca e o que isso faz com a mídia paga?

A busca tradicional alimentava a mídia paga com um fluxo abundante de consultas de intenção. O usuário pesquisava “melhor cafeteira para apartamento pequeno”, recebia uma lista de links, clicava em anúncios, comparava, voltava, clicava de novo. Cada uma dessas etapas era inventário: espaço para um anúncio aparecer e cobrar um clique. O funil longo era, na prática, uma esteira de oportunidades de mídia paga.

A resposta gerada por IA encurta essa esteira. Quando o motor sintetiza “as três cafeteiras mais indicadas para espaço pequeno são estas, com prós e contras”, a dúvida informacional se resolve ali, sem clique para fora. Mais de 60% das interações na web zero-clique terminam sem nenhum clique externo, e 6% das buscas digitais já são diretas por interfaces de IA. Some os dois movimentos e o resultado é direto: menos consulta de topo chega ao leilão pago, e o que chega tende a ser mais embaixo do funil, mais perto da decisão.

A IA não matou a mídia paga. Ela retirou da mídia paga o luxo de viver de demanda que já existia. O que sobra para captar é menos e mais caro; o que falta agora é criar demanda que ainda não existe.

Há uma consequência operacional que poucos times absorveram. Se o topo informacional migra para a síntese da IA, a mídia paga precisa assumir o papel de geração de demanda — alcançar quem ainda não está procurando, criar a categoria na cabeça do consumidor, plantar a marca antes de a intenção nascer. Isso muda o mix: menos peso em search de fundo de funil, mais peso em formatos de construção de demanda como vídeo, social e CTV. E muda a medição, porque geração de demanda não aparece bem num relatório de last click — ela aparece no incremento de vendas totais semanas depois.

Por que o last click virou uma métrica que mente?

O last click sempre foi uma simplificação conveniente: credita a venda ao último anúncio clicado. Num funil longo, ele já distorcia — premiava o canal de fundo (geralmente search de marca ou retargeting) e punia o canal que de fato criou a demanda lá no topo. Num funil comprimido pela IA, essa distorção fica venenosa, porque o último toque mensurável passa a ser quase sempre um clique de altíssima intenção que teria acontecido de qualquer jeito.

O exemplo é cruel na simplicidade. A pessoa vê seu anúncio de vídeo, é impactada pela marca, no dia seguinte pergunta a um motor de IA, recebe a recomendação, e só então clica num anúncio de search de marca para finalizar a compra. O last click dá 100% do crédito ao search de marca. O vídeo que plantou a decisão recebe zero. Se você cortar o orçamento de vídeo por “ROAS baixo no last click”, você corta exatamente o que estava gerando a venda — e descobre o erro três meses depois, quando as vendas totais caem sem que nenhum relatório de canal acuse culpa.

A alternativa não é um modelo de atribuição mais sofisticado — é medir incrementalidade. Incrementalidade pergunta: se eu desligar esta campanha para um grupo e mantiver para outro comparável, qual a diferença de receita? Os métodos práticos são dois. O teste geográfico (geo holdout) suspende a campanha em regiões escolhidas e compara com regiões de controle. O conversion lift, oferecido por algumas plataformas, expõe um grupo de controle ao acaso e mede a diferença de conversão. Os dois respondem a pergunta certa — quanto a campanha adicionou — em vez da pergunta fácil — quem tocou por último.

Critério	Last click	Incrementalidade
Pergunta que responde	Quem foi o último toque?	Quanto de receita a campanha adicionou?
Funil longo	Distorce a favor do fundo	Mede o efeito real de cada camada
Funil comprimido pela IA	Praticamente inútil	Continua válida
Risco operacional	Cortar o que gera demanda	Decisão de budget baseada em causa
Como medir	Tag do último clique	Geo holdout, conversion lift

O que é MER e por que ele substitui o ROAS de plataforma?

ROAS de plataforma é receita atribuída pelo próprio canal dividida pelo gasto naquele canal. O problema é estrutural: cada plataforma usa a régua que mais a favorece, e a soma dos ROAS de todos os canais costuma “explicar” mais vendas do que a empresa de fato fez — porque vários canais reivindicam a mesma conversão. É contabilidade dupla disfarçada de performance.

MER (Marketing Efficiency Ratio) corta esse nó. É a receita total da empresa dividida pelo gasto total de marketing, sem atribuição por canal. Não diz qual anúncio converteu, mas diz a verdade que importa para o caixa: para cada real investido em marketing no agregado, quantos reais de receita a empresa fez. Combinado com testes de incrementalidade para decidir a alocação entre canais, o MER vira o painel de controle do negócio — robusto justamente porque não depende de quem vende o anúncio. Quando o funil é curto e a jornada cruza IA, social, CTV e varejo no mesmo dia, o número que não se deixa enganar pela jornada é o agregado.

Por que CTV e retail media viraram a dupla emergente?

Porque eles ocupam as duas pontas do funil comprimido e se completam. A IA tirou inventário do meio; CTV e retail media reconstroem o ciclo nas extremidades — uma cria demanda, a outra a fecha.

CTV (Connected TV, a TV conectada à internet) é geração de demanda em tela grande com a precisão de mídia digital. Diferente da TV linear, ela permite segmentação de audiência, controle de frequência e mensuração de exposição. É o formato que assume o papel que o search de topo perdeu: alcançar quem ainda não procura, com impacto de marca em tela cheia. A força dela é exatamente onde a mídia paga mais precisa de reforço agora — no plantio da demanda.

Retail media é a outra ponta. São os anúncios dentro de varejistas e marketplaces, ao lado do produto, no momento em que o consumidor já está em modo de compra. O diferencial é o dado first-party de intenção: o varejista sabe o que a pessoa busca, coloca no carrinho e compra. É o fechamento perto do checkout, com mensuração de conversão de fundo de funil que poucos canais conseguem. Onde o CTV planta, o retail media colhe.

CTV cria a demanda na sala de estar; retail media a converte no corredor digital do varejo. A IA cortou o meio do funil — a dupla reconstrói o ciclo pelas pontas, e a incrementalidade é o que prova que as pontas se encontram.

A dupla só funciona se medida em conjunto, e aqui o erro comum é fatal: medir CTV por last click. CTV quase nunca recebe o clique final — ela impacta na sala de estar, a conversão acontece dias depois num celular. Avaliar CTV pela régua do clique imediato é repetir o erro de cortar o vídeo de topo. O CTV se mede por incrementalidade (geo holdout entre regiões expostas e não expostas) e por lift de busca de marca e de vendas no varejo. O retail media, por estar colado ao checkout, aceita mensuração de conversão mais direta, mas mesmo ele merece teste de incrementalidade para separar a venda que ele causou da venda que aconteceria de qualquer forma.

Como o retail media se conecta ao dado first-party?

Retail media é, no fundo, a monetização do dado de primeira mão do varejista — o que torna o tema vizinho da operação de dados e da mensuração com parceiros. A campanha usa o histórico de busca e compra dentro do ambiente do varejo para mostrar o produto certo a quem demonstrou intenção. Por isso o retail media converte tão perto do checkout: ele age sobre intenção observada, não inferida. Para o anunciante, isso significa tratar a verba de retail media como extensão da estratégia de demanda, não como linha solta de trade marketing — e cobrar do parceiro mensuração de incrementalidade e de new-to-brand, não só de ROAS autodeclarado.

Por que a landing page agora precisa ser legível por máquina?

Há um deslocamento silencioso que afeta toda a mídia paga: parte crescente do clique não é mais humana. Quando um agente de IA executa a tarefa de comprar em nome do usuário, é ele quem chega à página de destino. E o agente não lê banner, não se emociona com criativo, não rola a página atrás de informação. Ele extrai preço, prazo de entrega e disponibilidade em dado estruturado — e, se não encontrar, desiste e vai para o concorrente que respondeu limpo.

Isso reposiciona a landing page de mídia paga. Ela continua precisando converter o humano com clareza e prova, mas passa a precisar também responder a máquina com dado estruturado coerente com o anúncio. O preço do anúncio bate com o preço da página? A promessa de entrega é calculável e exposta? A disponibilidade é real ou contábil? Mídia paga cara que joga o agente numa página ilegível é orçamento queimado na chegada. Esse é o ponto de contato entre demanda e execução — e conecta a otimização de campanha à mesma disciplina de fulfillment como sinal de ranqueamento e de GEO para e-commerce que rege a descoberta por IA.

Onde o e-commerce mais erra na mídia paga de 2026?

O primeiro erro é continuar otimizando para o funil antigo. O time mantém o peso no search de fundo, vê o ROAS de marca “alto” e conclui que a mídia vai bem — sem perceber que está colhendo demanda que a IA e o vídeo geraram de graça e creditando ao canal errado. Quando a geração de demanda some, a colheita seca, e aí já é tarde.

O segundo erro é confiar no ROAS que a plataforma reporta. Cada canal infla o próprio número, a soma estoura, e o operador toma decisão de budget com base em ficção. A correção é institucional: adotar MER no agregado e incrementalidade na alocação, e tratar o ROAS de plataforma como sinal direcional, nunca como verdade contábil.

O terceiro erro é tratar CTV e retail media como experimentos isolados, cada um num silo, medidos por réguas diferentes. CTV no relatório de branding, retail media no relatório de trade, e ninguém olhando o ciclo inteiro. A dupla só entrega quando é medida junto, contra o mesmo MER, com testes de incrementalidade que conectam o plantio do CTV à colheita do retail media. Silo de mensuração é a forma mais cara de desperdiçar uma estratégia que, no papel, estava certa.

A decisão prática

Pare de pilotar a mídia paga pelo ROAS que cada plataforma te entrega e comece a pilotar por incrementalidade e MER. Concretamente: defina o MER como a métrica de topo do negócio, rode um teste de geo holdout no canal que mais consome orçamento neste trimestre e descubra quanto dele é realmente incremental. É provável que o resultado redistribua verba do fundo de funil — que estava colhendo demanda alheia — para a geração de demanda que a IA tornou indispensável.

Em paralelo, trate CTV e retail media como um único sistema de demanda, não como duas linhas de orçamento. Use o CTV para plantar e o retail media para colher, e amarre os dois ao mesmo painel de incrementalidade, para que o crédito da venda vá para a causa, não para o último toque.

Próximo passo

Escolha a campanha que mais consome orçamento hoje e responda três perguntas antes de aprovar a próxima verba. Primeira: se eu desligasse esta campanha em metade das regiões por quatro semanas, a receita cairia — e quanto? Segunda: o número de receita que estou usando para justificar este gasto vem da plataforma ou do meu próprio caixa? Terceira: quando um agente de IA clica neste anúncio, a página de destino devolve preço, prazo e disponibilidade em dado estruturado coerente com o anúncio? Se você não consegue responder as três com confiança, o problema vai além do criativo e do lance: você ainda está medindo um funil que a IA já comprimiu.