Quanto a mídia de performance contribui para as matrículas de uma campanha de vestibular? Essa é uma das perguntas que tenho levado para as discussões de captação.
Para respondê-la, precisamos conectar os anúncios ao resultado acadêmico. Leads e inscrições ajudam a acompanhar a campanha, mas a análise da aquisição precisa chegar às matrículas confirmadas.
Também precisamos definir o que significa dizer que uma matrícula “veio da mídia”. Estamos falando da origem registrada, de uma interação na jornada ou de uma matrícula adicional que a campanha efetivamente produziu?
Essas três leituras respondem a perguntas diferentes.
A origem registrada é um ponto de partida
Um candidato pode conhecer a instituição em uma visita à escola, pesquisar sobre o curso no Google, clicar em um anúncio e preencher uma inscrição.
Se o sistema registra apenas o canal da inscrição, a matrícula pode aparecer como mídia paga. Se preserva o primeiro contato conhecido, pode aparecer como visita à escola.
O resultado depende da regra de atribuição e das informações disponíveis. O Google Analytics define modelos de atribuição como regras ou algoritmos que distribuem crédito entre pontos de contato anteriores à conversão [1].
Minha recomendação é preservar a primeira origem conhecida e registrar as interações seguintes separadamente. Uma nova campanha não deveria apagar o histórico anterior do candidato.
Também vale distinguir origem declarada, como a resposta à pergunta “como conheceu a instituição?”, de origem rastreada por um link. São informações complementares, com limitações diferentes.
Como calcular a participação atribuída à mídia
Para uma leitura operacional, podemos calcular:
Participação atribuída à mídia = matrículas confirmadas atribuídas à mídia paga ÷ total de novas matrículas confirmadas do ciclo × 100.
Em um exemplo hipotético, uma campanha terminou com 500 novos alunos. Pelo critério escolhido pela instituição, 180 matrículas foram atribuídas à mídia paga.
180 ÷ 500 × 100 = 36%.
A conclusão adequada é: 36% das novas matrículas foram atribuídas à mídia paga pelo modelo utilizado.
Esse percentual, isoladamente, não demonstra que os anúncios causaram 36% das matrículas. Tampouco mede todo o contato dos candidatos com a campanha.
Se o modelo distribui crédito entre canais, o numerador deve representar o crédito atribuído à mídia, podendo incluir valores fracionados. Não podemos misturar essa medida com uma contagem de alunos por origem exclusiva.
A mídia pode participar de uma jornada iniciada em outro canal
Minha avaliação é que limitar a análise à origem deixa parte da atuação da mídia fora do diagnóstico.
Um candidato captado em uma feira pode voltar ao site após clicar em um anúncio. Outro pode iniciar a inscrição pelo Google e concluir a matrícula depois do atendimento comercial.
Uma segunda medida possível é:
Participação observada da mídia = novos matriculados com pelo menos uma interação rastreada de mídia antes da matrícula, na janela definida ÷ total de novos matriculados × 100.
Se 280 dos 500 alunos do exemplo tiveram esse tipo de interação, a participação observada seria de 56%. Esse grupo pode incluir os 180 alunos atribuídos à mídia: os percentuais não devem ser somados.
É necessário definir quais interações contam, como cliques identificados. Exposição a anúncios geralmente não é observável de forma completa no CRM. Nenhum desses registros representa automaticamente toda a jornada ou prova influência causal.
O impacto incremental exige outra análise
Uma terceira pergunta é: quantas matrículas aconteceram a mais por causa dos anúncios?
Isso é incrementalidade. A documentação do Google diferencia conversões atribuídas de conversões incrementais e descreve testes que comparam grupos expostos à publicidade com grupos de controle [2].
Em um exemplo simplificado, dois grupos comparáveis, de mesmo tamanho e definidos por um experimento adequado, registram taxas de matrícula de 5% e 4%. A diferença é de um ponto percentual, equivalente a um aumento relativo de 25% sobre o grupo de controle. A interpretação ainda depende da incerteza estatística e da qualidade do teste.
Comparar apenas uma campanha com a anterior não isola esse efeito. Calendário, preço, bolsas, cursos e atendimento também podem mudar o resultado.
Nem toda instituição terá volume ou estrutura para um experimento robusto. Nesse caso, minha recomendação é trabalhar com atribuição e participação observada, deixando explícito o que essas medidas permitem concluir.
Como cruzar mídia, CRM, inscrições e matrículas
Eu organizaria a análise em cinco etapas:
- Definir o ciclo, a turma de ingresso, a janela de interações e a data de fechamento.
- Usar a base acadêmica validada para identificar novos alunos com matrícula confirmada.
- Conectar cada aluno ao histórico de candidato e lead por identificadores consistentes, tratando duplicidades e correspondências incertas.
- Preservar origem, campanhas, datas, visitas, feiras e interações comerciais disponíveis.
- Aplicar o mesmo modelo de atribuição e separar os casos sem origem identificada.
Somar as conversões dos gerenciadores de anúncios não substitui esse cruzamento. Um mesmo candidato pode receber crédito em plataformas diferentes; além disso, a conversão configurada pode ser uma inscrição, e não uma matrícula.
Para o exemplo de 500 alunos, eu apresentaria lado a lado: 36% de participação atribuída e 56% de participação observada. Informaria também a proporção de matrículas sem origem identificada. O impacto incremental ficaria como não medido, caso não existisse teste adequado.
A pergunta precisa orientar uma decisão
Minha opinião é que o objetivo dessa análise é entender o papel da mídia, o trabalho dos demais canais e os pontos em que a instituição perde oportunidades.
A mídia pode alcançar novos candidatos, recuperar interesse e participar da conversão. O resultado deve ser avaliado junto com custo por matrícula, CAC completo e qualidade dos alunos adquiridos.
Antes de afirmar quanto das matrículas vem da performance, precisamos dizer qual participação estamos medindo, com quais dados e sob qual regra. É essa clareza que transforma um percentual em informação útil para decidir o próximo investimento.
Referências
[1] Google Analytics. Começar a usar a atribuição. https://support.google.com/analytics/answer/10596866?hl=pt-BR
[2] Google Ads. Understand your Conversion Lift based on users measurement data. https://support.google.com/google-ads/answer/14102450?hl=en
Nota: todos os números deste artigo são hipotéticos e não representam resultados de uma instituição específica.