O que é detecção de anomalias no marketing?
A detecção de anomalias no marketing usa modelos estatísticos para identificar quando uma métrica de campanha ou de negócio sai do seu padrão normal, como uma queda repentina nas conversões, um pico de custo ou um aumento inesperado de cliques. Em vez de alguém notar a mudança no relatório da semana seguinte, o sistema sinaliza a mudança assim que ela aparece nos dados.
A palavra-chave é “normal”. Cada métrica tem o seu próprio ritmo. A detecção de anomalias aprende esse ritmo e sinaliza os desvios em relação a ele, em vez de reagir a cada movimento.
Como funciona a detecção de anomalias?
- Aprender a linha de base. Um modelo estuda o histórico de cada métrica, incluindo padrões por dia da semana, tendências e sazonalidade.
- Prever a faixa esperada. Para cada novo dado, o modelo estima onde a métrica deveria ficar.
- Sinalizar os outliers. Valores bem fora dessa faixa são sinalizados como anomalias, para cima ou para baixo.
- Encaminhar às pessoas. Os alertas chegam à equipe nas ferramentas que ela já usa, com contexto suficiente para a triagem.
Qual é um exemplo de detecção de anomalias?
Uma queda no fim de semana que ninguém acompanhava
Uma campanha para de converter na sexta-feira à noite depois de uma mudança na landing page. Os fins de semana costumam ser mais tranquilos, por isso um alerta fixo de “queda de 20%” dispararia todo sábado e acabaria ignorado.
Um modelo de anomalias sabe como é um sábado normal para essa campanha, sinaliza que as conversões estão muito abaixo até desse patamar, e a equipe corrige a página antes de segunda-feira.
Detecção de anomalias vs. alertas por limite
| Alertas por limite fixo | Detecção de anomalias baseada em modelos | |
|---|---|---|
| Como decide | Uma regra fixa, como “o investimento caiu 20%” | Comparação com o padrão normal aprendido da métrica |
| Considera variações entre dias da semana e sazonalidade | Não | Sim |
| Ruído | Muitas vezes alto, por isso os alertas acabam ignorados | Mais baixo, focado no que é incomum |
| Ideal para | Limites rígidos, como um teto de orçamento | Identificar mudanças inesperadas na performance |
Muitas equipes usam os dois: regras para limites rígidos, modelos para tudo o que é difícil de prever.
Por que a detecção de anomalias é importante?
A janela para corrigir um problema de campanha, ou para aproveitar um resultado excepcional, costuma ser curta. Uma falha de feed ou uma página quebrada pode afetar os resultados em poucas horas, e ninguém consegue acompanhar todas as contas o dia inteiro.
- Proteger o investimento. Campanhas com problemas são identificadas antes de desperdiçarem orçamento.
- Aproveitar oportunidades. Ganhos incomuns também são sinalizados, para que as equipes possam investir mais.
- Menos monitoramento manual. As pessoas respondem a sinais em vez de ir atrás deles.
- Verificar os dados primeiro. Muitas anomalias são problemas nos dados, como um feed desatualizado ou um campo renomeado, por isso o contexto é importante.
Como Alli faz isso?
Alli Alerts oferece detecção de anomalias no marketing e monitoramento de campanhas para todos os canais conectados. Alli Anomaly Detection usa modelos criados pela equipe de ciência de dados da PMG, que avaliam cada métrica em relação ao seu próprio padrão histórico e sinalizam tanto quedas quanto ganhos incomuns.
Funciona junto com Custom Alerts para tetos de orçamento, pacing, saúde dos feeds e verificação de landing pages, e envia os alertas para o Slack. As equipes podem verificar a saúde dos feeds no Datasources, investigar no Data Explorer ou iniciar um acompanhamento com o Generative Workflows. Os modelos leem os dados governados, mas não os alteram.
Perguntas frequentes sobre detecção de anomalias
O que é uma anomalia em dados de marketing?
Um valor que fica bem fora do padrão normal de uma métrica, como uma queda repentina nas conversões, um pico de custo ou um aumento inesperado de cliques.
Qual é a diferença entre detecção de anomalias e alertas?
Os alertas por limite disparam com base em regras fixas. A detecção de anomalias compara cada valor com o padrão aprendido da métrica, por isso considera as variações normais e gera menos ruído.
A detecção de anomalias só encontra problemas?
Não. Sinaliza ganhos incomuns e também quedas, para que as equipes identifiquem cedo resultados excepcionais e oportunidades.
O que verificar primeiro quando um alerta de anomalia dispara?
Verifique os dados: o feed está atualizado? Alguma plataforma alterou um campo? Se os dados estiverem em ordem, analise a campanha, as landing pages e o rastreamento.
Última atualização: Voltar ao glossário