> ## Documentation Index
> Fetch the complete documentation index at: https://docs.topsort.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Medição de incrementalidade

> Métodos para medir o verdadeiro impacto incremental das campanhas publicitárias

export const LastUpdatedPt = ({date}) => {
  const label = "Última atualização:";
  return <>
      <style>{`
        .last-updated-component {
          display: inline-flex;
          align-items: center;
          gap: 8px;
          padding: 10px 16px;
          border-radius: 8px;
          margin-top: 12px;
          margin-bottom: 16px;
          font-size: 14px;
          background-color: rgba(0, 0, 0, 0.05);
          border: 1px solid rgba(0, 0, 0, 0.12);
          color: rgba(0, 0, 0, 0.75);
          line-height: 1;
        }

        .last-updated-component svg {
          flex-shrink: 0;
          vertical-align: middle;
        }

        .last-updated-component span {
          display: inline-flex !important;
          align-items: center !important;
          line-height: 1 !important;
        }

        [data-theme="dark"] .last-updated-component {
          background-color: #3a3a3a;
          border: 2px solid #888888;
          color: #ffffff;
        }

        [data-theme="dark"] .last-updated-component svg {
          stroke: #ffffff;
        }
      `}</style>
      <div className="last-updated-component">
        <svg width="16" height="16" viewBox="0 0 24 24" fill="none" stroke="currentColor" strokeWidth="2" strokeLinecap="round" strokeLinejoin="round">
          <circle cx="12" cy="12" r="10" />
          <polyline points="12 6 12 12 16 14" />
        </svg>
        <span>
          <strong style={{
    fontWeight: 600
  }}>{label}</strong> 
          <time dateTime={date}>{date}</time>
        </span>
      </div>
    </>;
};

## Visão Geral

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  A medição da incrementalidade determina o verdadeiro impacto causado da publicidade ao
  isolar as conversões que não teriam ocorrido sem a exposição a anúncios. Conforme
  as diretrizes de medição de meios varejistas da IAB/MRC, os testes de incrementalidade fornecem
  a medida mais precisa da efetividade publicitária.
</div>

## O que é a incrementalidade?

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  O **aumento incremental** representa as vendas ou conversões causadas diretamente pela
  publicidade, excluindo aquelas que teriam ocorrido de forma orgânica. Isto
  difere da atribuição, que atribui crédito pelas conversões mas não
  demonstra a causalidade.
</div>

<Tip>
  **Exemplo**: Se 100 pessoas que viram um anúncio realizaram compras, mas os testes mostram que 70
  de qualquer forma teriam comprado, o impacto incremental é de 30 conversões (30%
  de elevação).
</Tip>

## Metodologias de teste

### 1. Ensaios controlados aleatórios (ECA)

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  O padrão de ouro para a medição da incrementalidade:
</div>

<Steps>
  <Step title="Atribuição aleatória: Os usuários são divididos aleatoriamente em grupos de teste (com anúncios) e de controle (sem anúncios)" />

  <Step title="Execução da campanha">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      O grupo experimental foi exposto à publicidade, enquanto o grupo de controle permaneceu excluído
    </div>
  </Step>

  <Step title="Medição">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Compara as taxas de conversão entre grupos
    </div>
  </Step>

  <Step title="Cálculo">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Elevação incremental = (Conversões de teste - Conversões de controle) / Conversões de controle
    </div>
  </Step>
</Steps>

**Vantagens:**

* Medida causada mais precisa
* Elimina o viés de seleção
* Clara significância estatística

**Limitações:**

* Requer um grupo de reserva (oportunidade perdida)
* Tamanho mínimo de amostra necessário
* Pode não refletir as condições do mundo real

### 2. Métodos de controle sintético

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Cria um grupo de controle artificial utilizando dados históricos e aprendizagem automática:
</div>

<Columns cols={2}>
  <Card title="Coleta de dados">
    Coletar padrões de conversão históricos e características do usuário
  </Card>

  <Card title="Treinamento de modelos">
    Cria um modelo preditivo de conversões esperadas sem publicidade
  </Card>

  <Card title="Comparação">
    Comparar os resultados reais com as previsões de controle sintético
  </Card>

  <Card title="Cálculo de elevação">
    Medir a diferença entre os resultados reais e os previstos
  </Card>
</Columns>

**Vantagens:**

* Não é necessário grupo de reserva
* Pode ser aplicado retroativamente
* Medição contínua possível

**Limitações:**

* Requer dados históricos sólidos
* A precisão do modelo afeta os resultados
* É possível que as suposições não se cumpram em todos os casos

### 3. Testes de mercado emparelhados

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Compara mercados geográficos similares com diferente exposição publicitária:
</div>

1. **Seleção de mercado**: Identificar mercados comparáveis segundo dados demográficos e padrões de vendas
2. **Design de teste**: Executar campanhas em mercados de teste, manter mercados de controle
3. **Análise**: Comparar o incremento entre pares de mercados correspondentes
4. **Escalonamento**: Extrapolar os resultados à população total

**Vantagens:**

* Mantêm-se as condições do mundo real
* Ideal para campanhas regionais
* Pode testar diferentes estratégias

**Limitações:**

* É difícil encontrar mercados verdadeiramente comparáveis
* Os fatores externos podem afetar os resultados
* Possível efeito de contágio geográfico

## Implementação na Topsort

### Habilitação de testes de incrementalidade

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Os mercados podem configurar os testes de incrementalidade através de:
</div>

```json theme={null}
{
  "test_configuration": {
    "methodology": "rct",
    "test_split": 0.8, // 80% test, 20% control
    "minimum_sample_size": 10000,
    "measurement_period_days": 30,
    "stratification": ["user_segment", "geographic_region"]
  }
}
```

### Processo de configuração de teste

<Steps>
  <Step title="Definir objetivos">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Defina seu KPI principal (vendas, novos clientes, etc.), o intervalo de incremento esperado e o nível de confiança requerido
    </div>
  </Step>

  <Step title="Calcular o tamanho da amostra">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Utilize calculadoras de potência estatística, leve em conta a variância esperada e inclua uma margem para dados incompletos
    </div>
  </Step>

  <Step title="Configurar parâmetros de teste">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Estabeleça a proporção de divisão teste/controle, as variáveis de estratificação e a janela de medição
    </div>
  </Step>

  <Step title="Execução do monitor">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Verificar o equilíbrio da aleatorização, realizar um acompanhamento das taxas de exposição e validar a qualidade dos dados
    </div>
  </Step>

  <Step title="Analisar resultados">
    <div style={{textAlign: 'justify', marginBottom: '1.5rem'}}>
      Calcular o incremento de elevação, determinar a significância estatística e gerar intervalos de confiança
    </div>
  </Step>
</Steps>

## Relatório de incrementalidade

### Métricas padrão

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Os relatórios incluem:
</div>

* **Conversões incrementais**: Conversões adicionais causadas pela publicidade
* **Receitas incrementais**: Receitas diretamente atribuíveis à exposição publicitária
* **iROAS**: Retorno incremental do investimento publicitário (receitas incrementais / investimento publicitário)
* **Porcentagem de elevação**: Incremento relativo em relação ao valor basal
* **Intervalo de confiança**: Faixa estatística do efeito verdadeiro

### Formato de relatório de amostra

```
INCREMENTALITY TEST RESULTS
━━━━━━━━━━━━━━━━━━━━━━━━━━
Test Type: Randomized Controlled Trial
Test Period: Oct 1 - Oct 31, 2024
Sample Size: 50,000 users (40,000 test / 10,000 control)

RESULTS:
─────────────────────────────
Test Group Conversion Rate: 4.2%
Control Group Conversion Rate: 3.1%
Incremental Lift: 35.5% (95% CI: 28.2% - 42.8%)
Statistical Significance: p < 0.001

Incremental Conversions: 440
Incremental Revenue: $44,000
iROAS: 4.4x
```

## Melhores Práticas

### Design de teste

1. **Pré-inscrição**

   * Documentar a hipótese antes de realizar o teste
   * Definir as métricas de sucesso desde o princípio
   * Comprometer-se com a duração do teste

2. **Qualidade da aleatorização**

   * Verificar a atribuição aleatória
   * Verificar as diferenças prévias ao teste
   * Utilizar a estratificação para o equilíbrio

3. **Tamanho da amostra**
   * Calcular o tamanho necessário para a potência desejada
   * Conta para a janela de atribuição
   * Incluir uma margem de segurança para casos de não cumprimento

### Erros comuns a evitar

<Warning>
  **Evite estes erros comuns:** - Interromper os testes prematuramente baseando-se em resultados intermediários

  * Mudar os parâmetros de teste em pleno voo - Ignorar os efeitos de contágio
    entre grupos - Utilizar testes com potência insuficiente - Não levar em conta
    a sazonalidade
</Warning>

## Considerações avançadas

### Incrementalidade multitoque

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Para campanhas com múltiplos pontos de contato:
</div>

1. **Testes sequenciais**: Medir o impacto incremental de cada exposição adicional
2. **Efeitos de interação**: Avaliar como funcionam juntos os diferentes formatos de anúncios
3. **Rendimentos decrescentes**: Identificar os limites de frequência ótimos

### Efeitos a longo prazo

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Medir além das conversões imediatas:
</div>

* **Valor do Cliente ao Longo do Tempo**: Acompanhamento do incremento do CLV ao longo do tempo
* **Métricas de marca**: Medição da notoriedade/consideração através de pesquisas
* **Efeitos halo**: Impacto em produtos não publicitados

### Coordenação transcanal

<div style={{ textAlign: "justify", marginBottom: "1.5rem" }}>
  Ao executar campanhas omnicanal:
</div>

* Coordenar grupos de teste/controle através dos canais
* Medir o impacto incremental total
* Identificar os efeitos de interação dos canais

## Integração com a atribuição

### Perspectivas complementares

<Columns cols={2}>
  <Card title="Respostas de atribuição">
    Que anúncios levam o mérito pelas conversões?
  </Card>

  <Card title="Respostas de incrementalidade">
    Quantas conversões foram causadas por anúncios?
  </Card>
</Columns>

### Relatório combinado

As melhores práticas incluem ambas métricas:

* Atribuição para a otimização tática
* Incrementalidade nas decisões estratégicas
* Reconciliação de diferenças

## API Acesso

### Solicitação de resultados de testes

```javascript theme={null}
// Fetch incrementality test results
const testResults = await fetch("/api/incrementality/results", {
  method: "POST",
  body: JSON.stringify({
    campaign_id: "camp_123",
    test_id: "test_456",
    include_confidence_intervals: true,
    breakdown_by: ["product_category", "user_segment"],
  }),
});
```

### Formato de resposta

```json theme={null}
{
  "test_summary": {
    "methodology": "rct",
    "test_group_size": 40000,
    "control_group_size": 10000,
    "measurement_period": "2024-10-01 to 2024-10-31"
  },
  "results": {
    "incremental_lift": 0.355,
    "confidence_interval": [0.282, 0.428],
    "p_value": 0.0001,
    "incremental_conversions": 440,
    "incremental_revenue": 44000,
    "iroas": 4.4
  },
  "quality_checks": {
    "randomization_balance": "pass",
    "sample_size_adequate": true,
    "statistical_power": 0.95
  }
}
```

## Perguntas frequentes

1. **Quanto tempo devem durar os testes de incrementalidade?**

   * Mínimo de 2 a 4 semanas para capturar o ciclo de compra completo, mais tempo para compras consideradas.

2. **Qual é o tamanho mínimo de amostra necessário?**

   * Depende do aumento previsto e da taxa de conversão base. Geralmente, mais de 10.000 usuários por grupo.

3. **Pode-se medir a incrementalidade sem grupos de teste?**

   * Sim, utilizando controles sintéticos ou mercados emparelhados, embora os ECAs continuem sendo os mais precisos.

4. **Com que frequência deve ser testada a incrementalidade?**
   * Trimestralmente para campanhas em curso, ou quando ocorram mudanças significativas na estratégia ou nas condições do mercado.

***

<LastUpdatedPt date="2025-11-18" />