O ROI dos Growth Agents 2026

A previsão do Gartner tornou-se uma descrição. As equipas que recuaram não careciam de uma plataforma: a maioria tinha comprado duas. O que lhes faltava era uma forma de demonstrar que o programa produzia receita que a empresa não teria obtido de outra forma, e sem essa demonstração, a linha orçamental perde todos os argumentos em que entra.

A contrapartida é que o valor é real onde é capturado. Os clientes esperam relevância e punem a sua ausência, e as empresas que a operacionalizam crescem mais rápido do que os seus pares. Ambas as coisas são verdadeiras ao mesmo tempo: o pool de valor existe, e a maioria das tentativas de alcançá-lo falham na medição e não na modelagem.

A leitura honesta é que a personalização foi vendida como uma compra de tecnologia quando é uma mudança de modelo operacional. A tecnologia chegou no prazo. A disciplina de medição, as regras de supressão e a vontade de retirar um programa perdedor não.

O trabalho de medição da BCG constata que as organizações com uma prática de incrementality madura veem um growth de receita materialmente superior ao dos seus pares. A história causal não é misteriosa. Uma equipa que consegue distinguir um efeito real de uma coincidência deixa de financiar as coincidências, e o orçamento libertado acumula-se nos programas que funcionam.

A mesma pesquisa alerta sobre os modos de falha que fazem a medição fraca parecer forte: efeitos de novidade que inflamam as primeiras semanas de qualquer novo programa, efeitos de halo e pull-forward que roubam receita do próximo trimestre, e contaminação entre experimentos sobrepostos. Cada um deles inclina-se na mesma direção, e é por isso que os programas não auditados quase nunca são revistos para baixo.

Este é o argumento a levar para uma reunião de orçamento. Não que o teto seja mais alto do que a finança acredita, mas que o piso é conhecível, e que conhecê-lo é o que transforma um piloto num modelo operacional.

O growth de assinantes premium de SVOD caiu para metade num único ano, e o comentário do próprio setor passou da aquisição para a arquitetura de retenção e unit economics. As telecomunicações mostram a mesma pressão na direção oposta: aproximadamente um terço dos clientes globalmente está a considerar ativamente uma mudança, uma taxa que nenhum orçamento de aquisição consegue superar.

Quando a aquisição deixa de ser a alavanca, a economia da base torna-se o jogo principal, e é governada por quatro perguntas feitas milhões de vezes por mês. Quem vale a pena contactar, sobre o quê, quando e a que custo. Esse é um problema de decisioning, não um problema de campanha, e a sua resolução é de onde vem o ARPU incremental.

A composição importa mais do que qualquer alavanca única. Um cliente ativado alimenta o cross-sell; um cliente de alto ARPU retido continua a alimentar ambos por anos; um desconto desnecessário suprimido devolve margem sem enviar uma única mensagem adicional. Casos de negócio construídos numa única alavanca são frágeis precisamente porque estes efeitos são multiplicativos.

Avalie o custo corretamente. Um senior data scientist custa bem mais de seis dígitos totalmente carregado, e a taxa de mercado para as habilidades de causal-inference que este trabalho exige está acima da mediana publicada. A produção dessa pessoa não são dashboards: é um número limitado de experimentos bem desenhados por ano, a maioria dos quais falhará, porque a maioria das ideias falha em todos os lugares onde são medidas corretamente.

A literatura de experimentation é clara: uma alta taxa de falha é o estado normal de um programa saudável, não um sintoma de um fraco. A implicação é aritmética. Se a maioria das hipóteses falha, o valor da função é definido por quantas ela pode passar pelo loop, e por quão barato pode eliminar os perdedores. Uma equipa que executa doze testes por ano está a fazer doze apostas. Um sistema que executa o mesmo design em milhares de segmentos continuamente está a fazer um tipo de investimento inteiramente diferente.

Esta é a parte do caso que é geralmente escrita como uma poupança de recursos humanos, e essa abordagem é tanto errada quanto fraca. Nada é removido. O que muda é para onde as horas escassas são direcionadas: para longe de reconstruir o mesmo relatório de uplift todos os meses, e para decidir o que vale a pena testar a seguir.