A Made Contratou um Diretor de Analytics. Um Teste com 18 Portais Mostra o Motivo

Sumário

O movimento que a Made acabou de fazer
O teste que ninguém queria ver
A contradição que poucos estão nomeando
Por que isso não é problema só de mídia
O que fazer com um analytics que mente pela metade
Checklist: auditoria de mensuração em 7 pontos
O paralelo com decisões de analytics em outras indústrias
Conclusão: contratar gente não resolve dado errado

Talvez você tenha visto as duas notícias separadas, como se não tivessem relação nenhuma.

De um lado, a Made — agência com operação digital robusta — anunciou a contratação de Bruno Francesco como diretor de performance e analytics, reforçando a estrutura de dados do grupo. De outro, um teste independente rodado em 18 portais mostrou que o Google Analytics ignorou metade dos acessos reais.

São fatos publicados em veículos diferentes, com datas próximas, sem nenhuma conexão explícita entre eles. Mas, se você dirige operação, mídia ou growth, a leitura correta é: são a mesma notícia contada de dois ângulos.

Um mostra o mercado reagindo. O outro mostra por que ele precisa reagir.

O movimento que a Made acabou de fazer {#o-movimento}

A contratação de um diretor dedicado a performance e analytics — e não apenas mídia — é um sinal que vale mais do que o cargo em si.

Agências historicamente separam quem compra mídia de quem mede resultado. Funciona bem quando os números batem. Deixa de funcionar no momento em que a métrica que sustenta a decisão de investimento começa a falhar silenciosamente.

Juntar as duas frentes sob uma única liderança é, na prática, um reconhecimento de que:

Otimizar campanha sem confiar no dado é operar no escuro;
A métrica de performance só vale o que vale a coleta por trás dela;
Quem cuida de budget precisa também cuidar da mensuração que justifica esse budget.

Quando uma agência coloca performance e analytics sob o mesmo comando, ela está admitindo, implicitamente, que os dois já não podiam mais viver separados.

Isso não é exclusividade da Made. É um movimento que já aparece em outras estruturas de mercado — inclusive fora de agências, como mostramos quando analisamos como o PicPay dobrou a carteira de crédito em um ano apostando menos em apetite de risco e mais em governança de dado.

O teste que ninguém queria ver {#o-teste}

Aqui está a parte desconfortável.

Um teste controlado, rodado em 18 portais diferentes, comparou os acessos reais de servidor com o que o Google Analytics efetivamente registrou. O resultado: a ferramenta ignorou aproximadamente metade do tráfego real.

Não é um erro de 3%, 8% ou 12% — margem que qualquer analista aceitaria como ruído estatístico. É metade.

O que normalmente causa essa distorção

Causa	Impacto na medição
Bloqueadores de anúncio e extensões de privacidade	Sessão nunca chega a ser disparada
Consent Mode mal configurado	Hits descartados antes do registro
Amostragem de dados em relatórios	Projeções que escondem o volume real
Latência/erro de disparo em SPA	Pageview perdido em troca de rota
Bots e tráfego não humano mal filtrado	Distorção para cima ou para baixo

A diferença entre "3% de ruído" e "50% de dado perdido" é a diferença entre ajustar a régua e jogar a régua fora.

Um analytics que esconde metade da realidade não erra pouco. Ele conta outra história.

E é exatamente essa outra história que tem orientado decisões de mídia, de contratação de equipe e de corte de canal em empresas que nunca rodaram esse tipo de auditoria.

A contradição que poucos estão nomeando {#a-contradicao}

Voltando à Made: contratar um diretor de analytics é a decisão certa. Mas ela só resolve metade do problema — literalmente.

Se a ferramenta de origem já perde 50% do sinal antes de chegar à régua de análise, nenhuma liderança, por mais capacitada, consegue compensar isso só com expertise de interpretação.

É como contratar o melhor auditor financeiro do mercado para revisar um balanço que já chegou com metade das notas fiscais faltando.

O problema deixa de ser quem analisa e passa a ser o que está sendo analisado.

Três cenários possíveis dentro de uma operação com esse viés

Subestimar canais orgânicos que de fato convertem, mas que o rastreamento não capta corretamente — e cortar budget do que funciona.
Superestimar canais pagos com tracking mais robusto, simplesmente porque são mais fáceis de medir — e reforçar budget no que já é caro.
Tomar decisão de headcount e estrutura (como contratações de diretoria) baseada em um cenário que não reflete a demanda real.

Nenhum desses cenários é hipotético. Eles acontecem silenciosamente em operações que nunca cruzaram dado de ferramenta com dado de servidor.

Por que isso não é problema só de mídia {#nao-e-so-midia}

Existe uma tentação de tratar essa discussão como assunto de time de tráfego. Não é.

Quando o C-level de uma empresa toma decisão de investimento — reforçar equipe, abrir vaga de diretoria, redirecionar verba — ele está confiando em um relatório. Se o relatório mente pela metade, a decisão de topo herda esse erro.

Isso conecta diretamente com algo que já discutimos sobre o valor real de uma camada de analytics confiável: em quanto vale uma empresa de analytics, mostramos como diferentes públicos — mercado financeiro, analistas de produto, consultorias — chegam a avaliações distintas dependendo de qual dado eles confiam mais.

A lição se repete aqui em escala menor: o valor de uma decisão é proporcional à confiabilidade do dado que a sustenta, não ao cargo de quem a toma.

Diretor de analytics não é seguro contra dado ruim. É só quem vai perceber o problema mais cedo — se tiver autonomia para auditar a fonte.

O que fazer com um analytics que mente pela metade {#o-que-fazer}

A resposta não é abandonar o Google Analytics. É parar de tratá-lo como verdade absoluta e passar a tratá-lo como uma fonte entre várias, sujeita a auditoria periódica.

Algumas práticas que operações maduras já adotam:

Cruzamento com log de servidor pelo menos trimestralmente, não apenas na implementação inicial;
Comparação entre GA4 e BigQuery export para identificar divergência de amostragem;
Teste A/B de consentimento para medir quanto da audiência está sendo perdida no Consent Mode;
Dashboards paralelos com dado de CRM e dado de ferramenta de analytics, nunca um substituindo o outro;
Revisão de atribuição sempre que uma decisão de corte de canal for tomada com base só em uma fonte.

Esse tipo de disciplina de governança é o que separa empresas que compram tecnologia de empresas que efetivamente operam com maturidade de dado — tema que detalhamos em BI visionário, decisão amadora, ao analisar o abismo entre ferramenta sofisticada e cultura de decisão.

Checklist: auditoria de mensuração em 7 pontos {#checklist}

Comparei acessos de servidor com sessões do GA4 no último trimestre?
Sei qual % de usuários recusa cookies e como isso impacta o Consent Mode?
Tenho export para BigQuery ativo e sem amostragem?
Audito disparo de eventos em SPA e rotas dinâmicas?
Cruzo dado de mídia paga com dado de CRM antes de decidir corte de canal?
Existe alguém com autoridade para questionar o relatório, não só apresentá-lo?
A última decisão de budget relevante foi validada por mais de uma fonte de dado?

Se você marcou menos de quatro itens, a operação provavelmente já está tomando decisão sobre metade da realidade — assim como os 18 portais testados.

O paralelo com decisões de analytics em outras indústrias {#paralelo}

Esse tipo de ruído entre "dado que aparece" e "dado real" não é exclusivo de tráfego web. Ele se repete em qualquer indústria que decide com base em indicador incompleto.

Um exemplo revelador: quando um CFO de uma companhia de analytics vende posição relevante em ações, o mercado tende a reagir como se fosse só um movimento financeiro isolado. Mas, como mostramos em um CFO vendeu US$ 73 mil em ações, esse tipo de sinal pode valer mais do que relatório formal de consultoria — porque é um dado de comportamento, não de discurso.

Da mesma forma, o número que não se move — como discutido em US$ 230: o número que não mudou — às vezes diz mais sobre a saúde real de um mercado do que qualquer métrica vistosa em dashboard.

O padrão se repete: a métrica mais confortável raramente é a mais verdadeira.

A diferença entre operações maduras e operações reativas está exatamente em quem vai atrás do número desconfortável antes que ele vire prejuízo.

Conclusão: contratar gente não resolve dado errado {#conclusao}

A Made fez o movimento certo ao reforçar a liderança de analytics. Toda empresa que depende de performance digital deveria estar fazendo o mesmo — colocar alguém com mandato real para questionar a métrica, não apenas reportá-la.

Mas o caso dos 18 portais é o lembrete que falta nesse tipo de notícia: cargo não substitui auditoria. Diretor de analytics sem acesso à camada de coleta bruta vai interpretar, com excelência, um retrato que já nasceu incompleto.

A pergunta que fica para quem lidera operação, mídia ou dado dentro da própria empresa não é "quem vai analisar os números este trimestre". É: quando foi a última vez que alguém comparou o que a ferramenta diz com o que realmente aconteceu?

Se a resposta for "nunca", a sua operação pode estar decidindo, agora mesmo, sobre metade da realidade.

Quer aprofundar como empresas de analytics são avaliadas e decididas no mercado? Veja também como Gartner, Databricks e Bemol ilustram a distância entre tecnologia visionária e decisão madura em Visionária no papel, decisiva na prática.