A discussão sobre automação e inteligência artificial no Marketing tem colocado cada vez mais peso sobre os algoritmos. A promessa é que, com dados suficientes, as plataformas encontrem o público, distribuam a mensagem e otimizem os resultados. Para Adriano Gianini, especialista em Google Ads, a inteligência que alimenta a mídia precisa ser construída antes de ser automatizada.
A tese apareceu durante a palestra dele no Hotmart FIRE 2026, ao discutir a construção de campanhas no YouTube e no Google Ads. Em vez de tratar a plataforma como ponto de partida, Gianini defendeu uma sequência baseada em validação. Antes de escalar, o profissional precisa descobrir quem é o público, em quais ambientes ele está, qual problema está tentando resolver, que mensagem é capaz de interromper sua atenção e, principalmente, se essas escolhas estão chegando à venda.
A diferença parece pequena, mas muda a função do Marketing. “O algoritmo pode otimizar aquilo que recebe como sinal, ele não substitui a definição estratégica do que deve ser buscado”, afirmou.
O público não está apenas pesquisando
Um dos pontos levantados por Gianini é a necessidade de olhar para momentos em que o consumidor ainda não está fazendo uma busca direta por uma marca ou produto. O YouTube aparece como um ambiente em que a pessoa pode estar procurando conhecimento, comparação ou solução para um problema antes de formular uma intenção explícita de compra.
O exemplo usado foi o de reviews de produtos. Quem procura uma avaliação de uma geladeira ou máquina de lavar já demonstra algum nível de necessidade, ainda que não tenha necessariamente pesquisado por uma marca específica. Isso significa olhar para o comportamento que antecede a busca comercial e não apenas para a palavra-chave que aparece no momento da decisão.
Ao deslocar a discussão de mídia para comportamento, Gianini afirma que o trabalho não é simplesmente encontrar espaços para colocar anúncios, mas identificar onde a audiência demonstra sinais de uma necessidade que a marca pode resolver. “Para quem é mais fácil vender? Para uma pessoa que está lá scrollando, buscando meramente distração? Ou uma pessoa que tem um problema, que tem uma necessidade, que está assistindo o vídeo buscando uma solução?”, questionou.
Validação vem antes da escala
A segunda provocação é ainda mais relevante para profissionais de Marketing: campanhas não deveriam ser tratadas como estruturas prontas desde o primeiro dia. Na visão apresentada por Gianini, uma campanha precisa funcionar como um processo de validação. Público, conteúdo, criativo, mensagem e página são variáveis que precisam ser testadas antes que o investimento seja ampliado.
O objetivo inicial não é necessariamente encontrar a configuração definitiva, mas descobrir quais combinações produzem resposta real. “Até aqui, teremos muito trabalho de validação. Validando canal, validando vídeo, validando copy de criativo, validando criativo de modo geral e validando página”, apontou.
Para quem trabalha com performance, a consequência é de que a escala não deveria ser utilizada para descobrir se a estratégia funciona, mas acontecer depois que a estratégia demonstrou que funciona. Isso também muda a interpretação de um resultado ruim. Em vez de concluir rapidamente que determinado canal ou campanha “não funciona”, o profissional pode separar as variáveis: o problema estava no público, na promessa, no criativo, na página ou na capacidade de transformar interesse em venda? Essa decomposição reduz o risco de tomar decisões com base em uma leitura genérica de performance.
O criativo precisa disputar atenção antes de vender
A atenção aparece como outra camada da estratégia. No YouTube, Gianini destaca os primeiros cinco segundos como um momento decisivo porque o usuário pode interromper o anúncio. A questão não é começar imediatamente com a oferta. Antes de vender, o criativo precisa conquistar tempo de atenção suficiente para que a mensagem seja ouvida. “Eu tenho cinco segundos, não para vender, para convencer o dedo nervoso a falar ‘Hum, eu continuo’”, enfatiza.
A estratégia é aplicável além do YouTube. Em um ambiente de excesso de estímulos, o primeiro desafio da comunicação não é realizar a conversão, mas principalmente conseguir uma oportunidade de comunicação. Isso exige que o Marketing pense o início do criativo como parte estratégica da mensagem, e não apenas como uma introdução ao conteúdo principal. Gancho, dor, objeção, desejo e desenvolvimento precisam estar conectados àquilo que o público reconhece como relevante.
Além disso, é preciso haver coerência entre anúncio e destino. Se o criativo aborda uma determinada dor, a página para a qual o consumidor é levado precisa continuar aquela conversa. Parece elementar, mas a fragmentação da operação de Marketing pode produzir exatamente o contrário: um anúncio construído para uma necessidade, uma landing page genérica e uma oferta que introduz outro argumento.
Mas tudo isso ultrapassa a questão de copy. Trata-se de reduzir a ruptura entre expectativa e experiência. Quanto mais elementos da jornada trabalham a partir da mesma necessidade, mais fácil se torna entender o que está funcionando e onde a conversão está sendo perdida. “Se o criativo fala sobre a dor, X. A página tem que falar sobre a dor X”, pontua Gianini.
Com isso, mídia, criação, conteúdo e conversão não podem ser avaliados completamente de forma isolada. Uma campanha pode gerar atenção e tráfego e ainda assim falhar porque a experiência posterior não sustenta a promessa feita no anúncio.
Lead não é o mesmo que inteligência
Talvez a tese mais contundente do especialista esteja na diferença entre gerar sinais e gerar inteligência. Gianini argumenta que lead e lead qualificado são sinais importantes, mas que a venda é o dado que permite entender se o sistema está aprendendo com aquilo que realmente interessa ao negócio. “Lead não é inteligência. Lead qualificado é sinal”, afirma.
A distinção é especialmente relevante em operações nas quais Marketing é pressionado por volume de leads. Um crescimento de cadastros pode parecer positivo enquanto o negócio não necessariamente aumenta receita. Quando a informação sobre venda não retorna para a operação de Marketing, fica mais difícil distinguir atividade de resultado.
A consequência estratégica é que quanto mais próxima a métrica estiver do resultado econômico do negócio, maior tende a ser sua utilidade para decisões de investimento. Isso também coloca uma responsabilidade maior sobre Marketing. Não basta produzir campanhas capazes de gerar respostas intermediárias. É preciso construir uma cadeia de mensuração que permita saber quais respostas efetivamente se transformam em negócio.
IA não elimina a responsabilidade estratégica
O avanço da automação não significa que o profissional possa terceirizar para o algoritmo as decisões que deveriam nascer da estratégia. “Essa inteligência que tem que descobrir não é algoritmo, não é IA, são vocês”, frisa.
A frase resume uma questão que ganha relevância à medida que as plataformas assumem mais decisões de distribuição e otimização. Quanto maior a automação, mais importante passa a ser a qualidade das premissas que o profissional entrega ao sistema.
Definir o que vender, para quem vender, qual estratégia utilizar e qual é o nível de consciência daquele consumidor continua sendo uma atribuição estratégica. A automação entra depois, potencializando uma inteligência que já foi construída.
O risco, portanto, não está apenas em usar IA demais. Está em utilizá-la para compensar uma estratégia que ainda não foi definida. Gianini coloca ainda uma questão incômoda para o Marketing de performance: “talvez parte dos problemas atribuídos à mídia esteja, na verdade, antes dela”, afirmou.
Quando público, oferta, posicionamento, mensagem e jornada não estão suficientemente claros, aumentar investimento apenas amplia a escala de uma hipótese ainda não validada. A estratégia proposta é quase uma inversão da corrida por eficiência: primeiro construir inteligência, depois converter essa inteligência em aprendizado e só então escalar.
A vantagem competitiva, em um mercado cada vez mais voltado a automação, pode estar menos em saber operar cada recurso e mais em fazer perguntas melhores antes de apertar o botão de investir. “Se o algoritmo precisa aprender com os sinais que recebe, quem está ensinando a ele o que realmente importa para o negócio?”, conclui.
Leia também: A economia dos sinais: por que dados já não bastam
COMPARTILHAR ESSE POST
