Como personalizar anúncios para pessoas sobre as quais você não sabe nada? A resposta honesta: no nível individual, não dá. Mas você pode perfeitamente entender as pessoas que se interessam por uma categoria e associar novos usuários a uma persona adequada a partir de poucos sinais. Esse é o cerne de uma estratégia de cold start viável.
O quanto o setor busca alternativas aos dados clássicos de público aparece em reportagens recentes do Digiday: os públicos sintéticos estão saindo do experimento e entrando no dia a dia do planejamento e do trabalho de estratégia. A Aveeno Body usou a pesquisa sintética da Vurvey para reduzir o tempo de um briefing de estratégia de cerca de 30 dias para três. A Goodway Group usa a “população sintética” de consumidores dos EUA, do Reino Unido e da Alemanha da Arima para planejamento de mídia.
O que é o problema de cold start na publicidade?
O termo vem do mundo dos sistemas de recomendação. Um sistema que aprende com o comportamento precisa de comportamento para aprender – e um novo usuário ainda não tem nenhum. Então o sistema serve a média: os mais vendidos, mensagens genéricas, o anúncio que funciona um pouco para todo mundo e de verdade para ninguém.
Na publicidade, o problema se agrava. Vários navegadores bloqueiam cookies de terceiros por padrão, banners de consentimento fazem parte do dia a dia na Alemanha e nem todo mundo clica em “Aceitar tudo”. A saída clássica, os segmentos comprados, ficou mais espinhosa do ponto de vista da lei de proteção de dados e, de qualquer forma, revela pouco sobre por que alguém compra. Na região DACH (Alemanha, Áustria e Suíça), moldada pelo GDPR, “vamos simplesmente comprar mais dados” deixou de ser estratégia.
Por que mais dados não resolvem o problema
A pesquisa sobre qualidade de dados tem uma fórmula sóbria para isso: dados só são tão bons quanto sua adequação ao propósito. Precisão por si só não basta; os dados precisam ser relevantes, atuais e adequados à pergunta específica. Na literatura, isso se chama “fitness for use”.
Um segmento comprado como “mulheres, de 25 a 34 anos, interessadas em beleza” é formulado com precisão. Para a pergunta “O que faria essa pessoa experimentar nosso produto?”, porém, é quase inútil. Ele descreve atributos, não motivações. O engajamento nasce da compreensão, não de números.
Para o cold start, isso significa que o recurso decisivo não é o histórico do usuário individual, mas um retrato sólido das motivações, preocupações e da linguagem da categoria. E esse retrato pode ser traçado a partir de conteúdo publicamente disponível.
Como são criadas personas a partir de conteúdo público?
As pessoas dizem muita coisa em público sobre por que compram – ou não: em comentários sob posts de marcas, em avaliações de produtos, em vídeos de creators, em threads de fóruns. Esse conteúdo pode ser coletado, agrupado por tema e tensão e destilado em personas – com citações reais em vez de perfis inventados.
A diferença em relação à persona clássica de workshop: ela se baseia no que as pessoas realmente dizem, não no que uma equipe supõe sobre elas. O Digiday descreve uma abordagem parecida: para a marca Sacheu, a Limitless Labs analisa milhares de vídeos do TikTok e do Instagram do seu ecossistema de creators para construir personas.
Importante para o mercado alemão: personas como essas funcionam no nível de padrões e grupos. Elas não precisam de um perfil de usuários individuais para escolher uma primeira mensagem. A avaliação jurídica da sua estrutura específica continua sendo assunto para o seu consultor de proteção de dados.
Que abordagens existem para o cold start?
| Abordagem | Base de dados | Ponto forte | Fraqueza |
|---|---|---|---|
| Segmentos de terceiros comprados | Perfis externos, cookies | Disponíveis rapidamente | Pouca visão das motivações; espinhoso do ponto de vista da proteção de dados |
| Segmentação contextual | Ambiente, horário, localização, dispositivo | Funciona sem dados pessoais | Diz pouco sobre as motivações |
| Dados zero-party | Respostas de quizzes ou do onboarding | Diretos e baseados em consentimento | Só de quem participa; atrito no funil |
| Públicos sintéticos | Modelos baseados em dados de pesquisas, estatísticos e de painéis | Simulação rápida de reações | Tendência à média; a qualidade depende dos dados de entrada |
| Personas a partir de conteúdo público | Comentários, avaliações, conteúdo de creators, anúncios de concorrentes | As motivações e a linguagem reais da categoria | Precisa de sinais para associar usuários individuais |
Nenhuma abordagem resolve o problema sozinha. Na prática, as personas de conteúdo público fornecem as hipóteses, os sinais contextuais fazem a associação e os dados first-party dão a confirmação.
Como colocar a personalização de cold start em prática em seis passos?
- Reúna as conversas da categoria. Comentários, avaliações, conteúdo de creators e anúncios de concorrentes dos últimos meses – não só sobre a marca, mas sobre a categoria inteira.
- Construa personas e tensões. Agrupe o conteúdo por motivação e preocupação. Três a cinco personas bem distintas bastam para começar.
- Escreva uma hipótese por persona. Qual mensagem, qual gancho, qual oferta se encaixa? Desenvolva pelo menos uma variante criativa própria para cada persona.
- Defina os sinais de associação. Página de destino, termo de busca, contexto, origem da campanha, primeiros cliques: decida qual sinal aponta para qual persona.
- Veicule com exploração. Reserve parte da entrega para variantes que não correspondem à persona presumida. Assim o sistema continua aprendendo em vez de apenas confirmar a própria premissa.
- Realimente com dados first-party. Cada interação refina a associação. Atualize as personas regularmente, porque as conversas mudam.
Qual a utilidade dos públicos sintéticos para o cold start?
Bastante útil – se você conhece seus limites. Na reportagem do Digiday, até os envolvidos manifestam ressalvas: Chad Reynolds, CEO da Vurvey, diz que os grandes modelos de linguagem entregam o topo da curva de sino, ou seja, a resposta mais comum. Julie Clark, da TransUnion, alerta para personas construídas sobre dados de entrada ruins. E Stef Hoffman, da Code & Theory, resume bem: os resultados informam o julgamento, mas não o substituem.
É exatamente aqui que o conteúdo público mostra seu valor. Ele não é uma simulação; é evidência. Se uma persona afirma que as pessoas da sua categoria temem principalmente comprar a coisa errada, você deve conseguir ver os posts de onde essa afirmação vem. Uma persona que você não consegue rastrear é só uma afirmação.
O Defy Monitor segue esse caminho: o conteúdo do público é agrupado automaticamente em personas e tensões, e o planejamento parte de conversas reais, e não de dados demográficos. É um dos blocos da plataforma Defy, que dá às agências independentes a mesma capacidade analítica que as grandes redes gastaram muito para construir.
Como saber se a sua estratégia de cold start está funcionando?
Compare as variantes baseadas em personas com um grupo de controle genérico. As métricas mais reveladoras são os números iniciais dos novos usuários: interação com o primeiro anúncio, profundidade da primeira visita, tempo até a primeira conversão. Se as variantes de persona não estiverem na frente, isso não é fracasso, mas uma pista: ou as personas estão erradas, ou os sinais de associação são fracos demais.
