Como Funciona A Fórmula Hoje

O cálculo que define se sua campanha funciona ou não

A maioria das pessoas olha para o resultado final e acha que entendeu. Eu passei três anos analisando dados de campanhas de performance e posso te dizer que o problema nunca está na conta em si. O problema é o que você escolhe colocar dentro dela e, mais importante, o que você ignora porque não cabe na planilha. Vou começar pelo oposto do que todo mundo espera. Não vou te dar a fórmula. Vou te mostrar onde ela quebra.

como funciona a fórmula hoje na prática

A estrutura básica é simples demais para ser útil sozinha. Receita dividida pelo investimento, multiplica por cem, ponto. Mas quando você tenta aplicar isso em campanhas reais, especialmente as que têm ciclo de conversão longo ou múltiplos pontos de contato, o número que sai não diz nada. Pelo menos não sem contexto. Em 2022 eu gerenciei uma campanha de aquisição para um produto SaaS com ticket médio de R$470. O ROI aparente era de 340%. Parecia perfeito até eu mapear o churn dos primeiros noventa dias. A conta real, considerando o valor que o cliente deixava de gerar, era de menos de noventa por cento. Perda. Eu tinha gastado o dobro do necessário para adquirir clientes que nunca pagavam o segundo mês. A fórmula funcionou. Ela apenas respondia à pergunta errada. O que eu fiz foi adicionar uma camada de LTV ajustado por retention. Em vez de usar o ticket médio bruto, apliquei um fator de retenção projetado baseado nos dados históricos do produto. Para aquele específico, o fator era 0,62 nos primeiros ninety days. A conta mudou de 340% para -8%. Diferença entre escalar e queimar caixa.

Não existe fórmula única que resolva isso automaticamente. Cada negócio tem um padrão de consumo, um ciclo de venda, um tipo de churn. O que funciona para e-commerce de moda não se aplica a software B2B. O que funciona para assinatura não funciona para transação única.

Os componentes que realmente importam

Voltando à estrutura. Você precisa de quatro variáveis no mínimo. Valor médio da conversão, custo de aquisição, taxa de retenção no período relevante, e o tempo de ciclo entre investimento e retorno. Qualquer coisa menos que isso é uma aproximação, não uma medida. O valor médio da conversão é onde a maioria erra. Não use o preço de lista. Use o preço efetivo, descontando devoluções, cancelamentos, e o custo do produto em si se for varejo físico. Eu vi equipes de growth usarem o preço público em cálculos de CAC e depois se perguntarem por que o caixa sempre acabava mais rápido que o previsto. A margem real era metade do que eles acreditavam. O custo de aquisição também merece atenção. Não é só o spend em mídia. Inclua comissões de vendas, custo de ferramentas, overhead de atendimento durante o onboarding. Em negócios com ciclo longo, esses custos podem representar até quarenta por cento do CAC total se forem ignorados.

A taxa de retenção é a mais negligenciada. Campanhas que trazem usuários que convertem no primeiro dia mas não retornam no terceiro mês criam uma ilusão de rentabilidade. O dinheiro entra, você comemora, e seis meses depois o churn come tudo. Eu recomendo rastrear retenção em três pontos: dia 7, dia 30, e dia 90. Se você não tem dados de retenção, pelo menos estimativas conservadoras baseadas no setor. Retenção zero é pessimista demais. Retenção igual ao primeiro mês para sempre é ingênuo demais. O tempo de ciclo define quando você deve avaliar. Campanhas de imóveis podem levar de dois a seis meses para fechar. Campanhas de afiliados de produtos digitais podem gerar retorno em horas. Calcular o ROI depois de sete dias para um produto imobiliário é inútil. Calcular depois de seis meses para um produto de baixo ticket é perder oportunidades de realocação de verba.

Quando a fórmula não serve

Existem cenários onde o cálculo tradicional simplesmente não responde à pergunta certa. Produtos em fase de lançamento com rede de efeitos. Negócios com múltiplos canais que se complementam. Campanhas de branding que não geram conversão direta mas alimentam outras etapas do funil. Para produtos novos, o primeiro cohort de clientes muitas vezes não representa o cliente ideal. Eles são early adopters, mais tolerantes, com necessidades diferentes. O LTV projetado a partir deles tende a superestimar o resultado real. Eu recomendo esperar pelo menos noventa dias ou três cohorts completas antes de projetar sustentabilidade. Para canais que trabalham juntos, como cold email mais LinkedIn Plus mídia paga, isolar o ROI de cada um gera distorção. O email pode não converter sozinho, mas quando combinado com o touchpoint no LinkedIn, a taxa sobe trinta por cento. Calcular ROI por canal individual mostra tudo como perda. A média ponderada ao longo do funil é mais honesta.

Métricas de retenção baseadas em cohort são melhores que médias globais. Uma média de retenção de sessenta por cento pode esconder um declínio progressivo: oitoenta por cento no primeiro mês, cinquenta no segundo, trinta no terceiro. A média parece aceitável. A tendência mostra o problema.

Um ajuste que faz diferença

Existe um refinamento que eu passo a usar em todos os projetos atualmente. Em vez de apenas projetar o LTV, calculo um CAC ajustado pelo risco de churn. A lógica é simples: se a retenção cai com o tempo, o investimento inicial precisa ser recuperado mais rápido. O cálculo usa uma curva de retenção exponencial simplificada. Cada mês que passa reduz o peso do CAC inicial porque o cliente continua pagando sem custo adicional de aquisição. O resultado é um número que reflete melhor a realidade do que o ROI bruto. Não elimina a necessidade de acompanhamento, mas dá um ponto de partida mais preciso. O problema é que isso exige dados. Se você não tem histórico de churn, precisa construir um modelo baseado em benchmarks do setor. Para SaaS B2B, retenção média no primeiro ano varia de cinquenta a setenta por cento dependendo do nicho. Para e-commerce, o número é drasticamente menor, geralmente entre quinze e trinta por cento para novos clientes.

Não confunda isso com adivinhação. Um intervalo de setenta a noventa por cento para retenção anual em SaaS enterprise é razoável. Um intervalo de trinta a quarenta para subscriptions de conteúdo também. Quando os números saem muito desses patamares sem justificativa clara, revise os pressupostos.

O erro mais comum

Pessoas usam a fórmula como se ela fosse uma verdade absoluta. Ela não é. É uma aproximação baseada nos dados que você coloca dentro. Se os dados são ruins, o resultado é pior que inútil. É perigoso porque dá uma sensação de precisão que não existe. O segundo erro é tratar o número como fim em si mesmo. Um ROI de duzentos por cento em um cenário de alta retenção é diferente de duzentos por cento em um cenário onde sessenta por cento dos clientes saem no primeiro mês. O número é igual. A realidade não é. O terceiro erro, e o mais frequente, é não atualizar a fórmula periodicamente. O mercado muda. Os custos de mídia mudam. O comportamento do consumidor muda. O que funcionava no trimestre passado pode não funcionar no atual. Revisar os parâmetros a cada noventa dias é um mínimo aceitável.

Aprendi isso na prática quando uma campanha que eu avaliava como altamente lucrativa começou a falhar sem motivo óbvio. Os números do ROI estavam perfeitos. O que eu não estava vendo era que o custo por clique havia subido dezoito por cento no mês anterior devido a uma mudança na concorrência do leilão. A fórmula continuava correta. Os dados de entrada já não refletiam mais a realidade.

Resumindo sem resumo

A regra prática que eu uso agora é: calcule, valide com dados reais de retenção, compare contra benchmarks do setor, e recalcule a cada ciclo de campanha. Se alguma dessas etapas está sendo pulada, o número que você tem provavelmente está errado ou incompleto. Não é sobre encontrar a fórmula perfeita. É sobre reconhecer que toda fórmula é uma ferramenta, não uma resposta definitiva, e que o trabalho real está em garantir que os dados que entram nela sejam tão bons quanto possível.