Foto: Carlos Muza / Unsplash
Tráfego Pago
Colocar público frio e público de retargeting na mesma campanha faz o algoritmo mirar em quem já ia comprar
Pedro Toledo · 4 de agosto de 2026 · 5 min de leitura
Colocar público frio (que nunca teve contato com a marca) e público de retargeting (que já visitou o site ou interagiu antes) dentro da mesma campanha, competindo pelo mesmo orçamento, faz o algoritmo aprender a favorecer quem converte mais fácil — o público que já conhece a marca — e reduzir a entrega pro público frio, mesmo que ele tenha sido incluído de propósito pra gerar novo cliente. Por que misturar estágios diferentes de funil na mesma estrutura de campanha distorce a otimização, como o algoritmo decide pra onde direcionar verba quando os dois públicos disputam a mesma campanha, e como estruturar campanha separada por estágio de funil sem desperdiçar orçamento.
Uma dúvida recorrente de quem está começando em tráfego pago é: por que juntar público frio e público de retargeting na mesma campanha, pra "aproveitar melhor o orçamento", costuma dar errado? A resposta está em como o algoritmo de otimização de entrega decide, dentro de uma mesma campanha, pra onde direcionar verba.
Colocar público frio e público de retargeting na mesma campanha faz o algoritmo mirar em quem já ia comprar. O sistema de entrega busca o resultado mais barato e mais rápido dentro do conjunto inteiro de pessoas disponíveis pra impactar — e público que já conhece a marca converte de forma mais barata e mais rápida do que público frio, quase sempre. Diante dessa diferença, a plataforma aprende a favorecer quem já estava mais perto de comprar, e o público frio, que era o motivo de incluir aquela segmentação, recebe cada vez menos entrega.
Como o algoritmo decide pra onde direcionar a verba
O algoritmo de entrega de qualquer plataforma de anúncio busca maximizar o resultado configurado como meta dentro do orçamento disponível pra aquela campanha específica. Quando uma campanha contém múltiplos públicos com potencial de conversão muito diferente entre si — um público frio, que exige mais impressão até decidir, e um público de retargeting, que já está familiarizado e decide mais rápido — o sistema não trata isso como dois objetivos separados. Ele trata como um único objetivo: gerar o máximo de resultado pelo menor custo possível, usando qualquer parte do público disponível que sirva pra isso. E público de retargeting quase sempre serve melhor.
O efeito prático na entrega
Na prática, o que acontece é uma redistribuição silenciosa de verba. Nas primeiras semanas da campanha, ambos os públicos recebem impressão de forma mais equilibrada. Conforme os dados de conversão se acumulam, o algoritmo identifica que o público de retargeting está gerando resultado mais consistente, e progressivamente reduz a frequência com que impacta o público frio, redirecionando essa fatia de orçamento pra onde a conversão já está acontecendo. O relatório de performance da campanha como um todo pode até melhorar — custo por resultado cai, ROAS sobe — mas o objetivo original de atrair cliente novo se perde no processo, porque o algoritmo está gastando cada vez mais verba em quem já era cliente, direta ou indiretamente.
Por que isso é fácil de não perceber
O problema é difícil de identificar olhando só o resultado agregado da campanha, porque os números costumam parecer bons — melhor ROAS, custo por resultado em queda. Só ao abrir a distribuição de gasto ou impressão por público dentro da campanha é que fica visível que a fatia destinada ao público frio despencou, mesmo com orçamento total configurado de forma equilibrada entre os públicos originalmente. Isso é parecido com o que acontece quando uma campanha exclui de forma pobre quem já visitou o site recentemente — a distinção entre quem está em estágio diferente do funil precisa ser explícita na estrutura da campanha, não deixada pro algoritmo decidir sozinho.
Como estruturar certo
A forma prática de resolver é separar campanha por estágio de funil, com orçamento e meta de otimização próprios pra cada uma — uma campanha dedicada só a público frio, com meta de geração de cliente novo, e uma campanha separada de retargeting, com meta de conversão de quem já demonstrou interesse. Cada uma compete pelo próprio orçamento, sem que uma canibalize a entrega da outra. O trabalho de configuração inicial aumenta um pouco, mas o diagnóstico de performance fica muito mais claro depois, porque cada estágio de funil tem seu próprio número isolado.
O custo de não separar
O custo real de manter os dois públicos juntos não aparece no relatório de custo por resultado — aparece na taxa de geração de cliente novo, que estagna ou cai, mesmo com a campanha "performando bem" no geral. Uma empresa pode passar meses acreditando que está investindo pesado em atração de cliente novo, quando na prática a maior parte do orçamento está sendo redirecionada, silenciosamente, pra reforçar conversão de quem já era cliente ou já conhecia a marca.
Um exemplo prático
Uma clínica configura uma única campanha com dois conjuntos de anúncio: um mirando público frio por interesse, outro mirando quem visitou o site nos últimos 30 dias. Depois de um mês, o custo por agendamento caiu e o ROAS melhorou — só que, ao abrir a distribuição de gasto, mais de 70% do orçamento estava concentrado no conjunto de retargeting, mesmo com orçamento configurado de forma igual entre os dois no início. O público frio, que era o motivo real de rodar aquela campanha, recebeu quase nenhuma impressão nas últimas duas semanas.
O ponto central
Antes de juntar público frio e público de retargeting na mesma campanha achando que está otimizando orçamento, vale lembrar que o algoritmo não distingue intenção estratégica — ele só busca o resultado mais barato disponível. Separar por estágio de funil, com meta e orçamento próprios pra cada um, é o que garante que o público frio de fato receba a entrega que a campanha foi criada pra dar.
