Dashboard bonito não é decisão: como transformar dados em receita na era da IA
Zach Fox, CMO da Caju, e Vitor Peçanha, fundador da PbyP School, debateram com mediação de Debora Veras, da MoEngage, como escolher a métrica certa, quando ser rápido, como vigiar o que a IA faz e por que a empresa precisa de uma única fonte de verdade.
Não falta dado, falta clareza. Quem cresce não é quem acumula mais informação, e sim quem decide melhor e mais rápido a partir dela, sem terceirizar o critério para a IA.
Palco principal durante o painel “Dados não geram receita. Decisões geram.”, com Zach Fox, Vitor Peçanha e a mediadora Debora Veras.Crédito: Cobertura oficial RevOps Summit
1/3
Para quem é
Lideranças de marketing, RevOps e dados.
Times que usam IA em campanhas, mídia e análise.
Empresas multiproduto ou com várias fontes de dados.
O que você vai aprender
Como conectar o marketing à métrica que importa para o negócio.
Quando priorizar velocidade e quando ser minucioso.
Como evitar que a IA otimize a métrica errada.
Como organizar dados entre marketing, produto e receita.
O problema
Por muito tempo, dados foram tratados como “o novo petróleo”: quem tivesse mais teria mais poder. Debora Veras abriu o painel com a provocação do livro Human or AI, da MoEngage, que serviu de roteiro para a conversa: o problema não é falta de dado, é falta de clareza. A pergunta deixa de ser se a empresa é data-driven e passa a ser se ela é decisiva.
Com a IA, o risco ganhou outra forma. Dashboards podem mostrar números bonitos enquanto a operação perde clientes, e equipes podem passar a aceitar resultados medianos em troca de eficiência.
O método
Cinco princípios para decidir melhor com dados
01
Começar pela métrica do negócio
Para Zach, quem define a métrica principal é a empresa, não o marketing: receita, LTV ou LTV/CAC, conforme a maturidade. O trabalho do marketing é se conectar a ela. Peçanha descreve o mesmo raciocínio como “funil invertido”: partir do resultado e entender quanto vale cada MQL ou SQL pelo ticket e pela retenção que traz.
02
Separar o reversível do irreversível
Poucas coisas exigem perfeição antes do lançamento, como uma grande campanha que só tem uma chance. O resto deve ir ao mercado, ser medido e iterado. A heurística de Peçanha: se a decisão é reversível, não gaste muito tempo nela.
03
Usar IA como ferramenta, sem render o critério
A IA elimina tarefas sem valor humano, mas a responsabilidade continua de quem a usa. Os 10% finais de gosto, experiência e ousadia continuam humanos.
04
Vigiar a IA com IA
Além do dashboard final, crie agentes ou sistemas que monitorem métricas intermediárias e detectem anomalias rapidamente.
05
Ter uma única fonte de verdade
O dado não é de marketing, de produto nem de receita: é da empresa. Cada área consome a mesma base, com governança compartilhada.
Na prática
Caju: de SQL para cash in
Quando Zach chegou, o marketing era medido por SQL. A meta passou a ser o cash in, métrica próxima da receita no modelo da Caju, e agora o time trabalha para chegar a LTV e CAC por perfil de cliente.
Velocidade com propósito
A campanha da Caju com Zeca Pagodinho precisou ser lapidada, porque só havia uma chance. Já no site, o único limite é o tempo para o teste ter relevância estatística, e o próximo teste é desenhado enquanto o atual roda.
O “legista” e a “coroa”
Debora trouxe do livro a provocação de Bryce Marshall, VP de Decision Science da Domino’s. O legista analisa cada detalhe e entrega algo robusto, mas lento; quem usa a coroa decide rápido e aceita alguma perda em troca de agilidade.
Quando o dashboard engana
Debora citou dois casos do livro. Em um, uma migração de tags registrou valores em dólar em vez de real, e a IA passou a investir mídia no lugar errado. No outro, a IA otimizava conversão e começou a disparar várias mensagens seguidas para o mesmo cliente.
O bot que caiu sem ninguém ver
Na Caju, uma mudança no site afetou o bot e derrubou os números, e o time só percebeu dias depois. A lição foi criar agentes que monitorem métricas intermediárias.
O formulário que inflou os MQLs
Na Rock Content, uma página de e-book tinha um segundo formulário para falar com vendas. Os MQLs dispararam, mas eram pessoas que achavam que precisavam preencher os dois para baixar o material. Peçanha diz que hoje um agente detectaria essa anomalia rapidamente.
Análises que antes exigiam um time
Na Xeque Mate, Peçanha usou o Claude para cruzar o consumo de bebida per capita por estado com as vendas da marca. A análise mostrou que investir em Minas traria ganho marginal, enquanto São Paulo tinha muito espaço para crescer. A IA executou; as perguntas foram dele.
A caixa que precisava incomodar
Para o e-commerce da marca, Peçanha só aprovou a embalagem quando pelo menos 30% do time achou que ela estava ousada demais. Se não der certo, é só papelão; se der, vira um ponto de contato memorável e mais um dado.
Uma fonte de verdade na Caju
A empresa organiza um time de RevOps, um de Marketing Ops e um de dados centralizado para construir juntos uma base e tabelas comuns.
E-commerce como fonte de dados
Na Xeque Mate, a loja online não será o principal canal de vendas. A ideia é que ela gere insights sobre o interesse de cada região e seja integrada a um CRM junto com os dados do B2B.
Erros comuns
Medir o marketing por MQL ou SQL sem ligação com receita.
Tratar toda decisão com o mesmo nível de cuidado.
Dizer que “a IA fez” e abrir mão da responsabilidade.
Aceitar resultado mediano em nome da eficiência.
Confiar só no dashboard final da semana.
Deixar cada área criar a própria tabela e a própria versão da verdade.
Insights para guardar
01
A métrica é da empresa
O marketing se conecta a ela; não inventa a sua.
02
Reversível pede velocidade
Guarde o rigor para o que não tem volta.
03
A IA é o serrote, não o marceneiro
Quem decide e responde pelo resultado é a pessoa.
04
Toda automação precisa de vigilância
A própria IA pode monitorar anomalias.
05
Dado é ativo da empresa
Uma única fonte de verdade evita que cada área defenda seus números.
Frases dos palestrantes
“
Ao explicar como define a métrica que importa
A métrica principal não é uma métrica de marketing, é uma métrica de empresa. O nosso trabalho é entender qual métrica a empresa está olhando, que muitas vezes é receita ou vai até o LTV, e como o marketing consegue se estruturar para maximizá-la.
Zach Fox
CMO · Caju
“
Ao falar sobre quem é o dono dos dados
Não vejo uma área como dona do dado ou dona da verdade. A empresa precisa estruturar os dados com uma única fonte de verdade, e os times bebem dessa fonte para as suas análises.
Zach Fox
CMO · Caju
“
Ao falar sobre o uso da IA no marketing
O principal erro é não enxergar a IA como ferramenta. Não foi a IA que fez, foi você, e a IA foi uma ferramenta muito poderosa. Nenhum marceneiro diz que foi o serrote que fez o móvel, por melhor que ele seja.
Vitor Peçanha
Fundador · PbyP School
“
Ao comentar a queda de qualidade em nome da eficiência
A gente está ficando tolerante ao mais ou menos. Na criação, os 10% finais, que são o bom gosto e a experiência humana, a IA não consegue entender. Ela só entende o que já está lá fora.
Vitor Peçanha
Fundador · PbyP School
“
Ao abrir o painel
Não é falta de dado, é falta de clareza. A pergunta não é se a gente tem que ser mais data-driven, e sim mais decisivo.
Marcão Andrade, CSO da 8D Hubify, apresentou oito tendências de IA para operações de receita, com casos reais, e mostrou como estudar, implantar e atravessar a fase em que tudo piora antes de melhorar.
Gabriel Lopes, CEO da Inside, e Bruno Lotfi, da Sólides, debateram com mediação de Tainah Escocard, CBDO da 8D Hubify, as regras de governança que limpam o pipeline, quem decide quando um negócio está perdido e como forecast e contexto dão previsibilidade às vendas.
Vicente Varela, diretor comercial e de marketing da HELLOO Mídia, mostrou como a empresa do grupo Allos trocou a disputa por volume de telas por experiências de marca, dados próprios e produtos de mídia capazes de provar retorno em vendas.
