--- title: "Financiamento de veículos: 12% menos CAC com leitura de qualidade do lead" description: Veja como uma operação de financiamento de veículos reconectou mídia, produto e crédito, reduziu o CAC em 12% e criou um novo padrão de governança para qualificação de leads. image: https://math.group/hubfs/Gemini_Generated_Image_3sqqh13sqqh13sqq.png --- ![logo-2](https://math.group/hs-fs/hubfs/logo-2.png?width=186&height=33&name=logo-2.png) # Financiamento de veículos: 12% menos CAC com leitura de qualidade do lead ![Gemini_Generated_Image_3sqqh13sqqh13sqq](https://math.group/hs-fs/hubfs/Gemini_Generated_Image_3sqqh13sqqh13sqq.png?width=1376&height=768&name=Gemini_Generated_Image_3sqqh13sqqh13sqq.png) Setor Serviços financeiros Challenge A antecipação da tela de negativa para clientes pré-negados alterou a leitura do funil e fez a mídia parecer menos eficiente do que realmente era. Sem distinguir qualidade de lead, a operação queimava orçamento, fragilizava confiança entre áreas e mantinha um KPI central apoiado em uma visão incompleta. Results O projeto reduziu o CAC anual em 12%, diminuiu em 12% a taxa de leads negados e criou uma nova referência de decisão para campanhas, conectando mídia, produto e crédito em um modelo mais coerente com a realidade do negócio. Modelo de qualificação de lead e governança entre mídia, produto e crédito lead scoring, CRM, Framework de governança , Atribuição de mídia 12% Redução no CAC anual 12% Queda na taxa de leads negados 2meses Tempo para estruturar a nova leitura ## “Quando o time passou a olhar a saúde do lead e não só o volume, a mídia deixou de parecer ineficiente e voltou a operar com critério.” Diretor de mídia e aquisição Serviços financeiros ![Gemini_Generated_Image_7imei07imei07ime](https://math.group/hs-fs/hubfs/Gemini_Generated_Image_7imei07imei07ime.png?width=1376&height=768&name=Gemini_Generated_Image_7imei07imei07ime.png) ## No crédito, lead não vale pelo clique. Vale pela chance real de avançar. A operação pertence a um contexto em que mídia, produto e política de crédito precisam conversar o tempo todo. Em financiamento de veículos, o volume de leads importa, mas não resolve sozinho. Quando a origem do tráfego não é confrontada com aderência às regras de crédito, o funil pode parecer cheio enquanto a eficiência real se deteriora. Nesse cenário, atribuição sem qualidade cria ilusão de performance. E ilusão de performance custa orçamento. ## Uma mudança simples na jornada derrubou a confiança no principal KPI  A operação antecipou a informação de negativa para clientes já pré-negados no simulador. A decisão fazia sentido do ponto de vista de experiência e política de crédito, mas alterou silenciosamente a lógica de leitura do funil. Na prática, parte dos leads negados deixou de seguir para o parceiro de escrita. O efeito imediato foi uma queda severa no volume de leads atribuídos à mídia digital. O dashboard passou a sugerir piora de performance, embora o problema não estivesse exatamente na mídia, nem no processamento dos dados. O que entrou em colapso foi a interpretação da jornada. Mídia, produto e crédito passaram a observar o mesmo fenômeno com lentes diferentes. O time de mídia via menos leads qualificados. Produto enxergava uma mudança de fluxo. Crédito seguia operando com suas regras. Sem uma métrica comum, o ecossistema de decisão ficou fragilizado. O risco era claro. Campanhas continuavam atraindo tráfego, parceiros seguiam sendo remunerados e o orçamento de aquisição permanecia exposto sem uma leitura precisa sobre quem tinha real aderência ao produto. ## Trocar volume cego por leitura de aderência  A resposta foi deslocar o centro da análise: da quantidade de leads para a qualidade dos leads. A MATH estruturou uma leitura integrada entre analytics, jornada e dados relacionais bancários para reconstruir a saúde do funil após a mudança no simulador. Em vez de insistir no mesmo KPI, o projeto reposicionou a análise a partir da taxa de negados por campanha, transformando qualidade em critério operacional de otimização. A primeira frente foi técnica. A operação passou a combinar dados de GA4 com dados relacionais de crédito dentro de uma arquitetura em Azure Databricks, permitindo matching determinístico entre contratos, jornadas e canais de mídia. Isso criou uma base mais consistente para entender o que realmente estava chegando do lado da aquisição. A segunda frente foi analítica. O projeto avaliou estatisticamente perfis populacionais, regras de crédito e comportamento por campanha para identificar padrões de aderência e construir uma população de controle capaz de aproximar a operação do que seria o cliente mais saudável para o produto. A terceira frente foi operacional. A métrica de negados deixou de ser ruído secundário e passou a operar como indicador central para recalibrar audiências, ajustar campanhas e orientar decisões de mídia com mais aderência ao negócio. O fluxo entre produto, crédito e aquisição ganhou uma linguagem comum. >  O ganho do projeto não veio de gerar mais lead. Veio de fazer a operação parar de pagar pelo lead errado.  ## Menos CAC, menos negativa, mais verdade na leitura do funil  O primeiro resultado foi financeiro. A operação reduziu o CAC anual em 12% sem depender de aumento de verba nem de reestruturação ampla da stack. Isso reposiciona o ganho do projeto como eficiência de investimento, e não apenas melhoria analítica. O segundo resultado foi de qualidade. A taxa de leads negados caiu 12%, sinal de que a aquisição passou a responder melhor às regras de crédito e de que o funil começou a atrair um perfil mais aderente ao produto. O terceiro resultado foi de governança. A introdução da taxa de negados por campanha deu à operação um novo eixo de decisão. Mídia deixou de ser otimizada exclusivamente por volume e passou a incorporar saúde do lead como parte da leitura de performance. O quarto resultado foi institucional. O trabalho gerou um novo padrão de cooperação entre áreas que antes reagiam ao mesmo problema com interpretações diferentes. A decisão passou a se apoiar menos em sintomas e mais em causalidade. A prova prática desse avanço foi o reconhecimento interno da operação de mídia, que fechou o ano com sua melhor performance no período. ## Sua operação ainda otimiza campanha por volume quando o problema real pode estar na qualidade do lead? [![Falar com a MATH](https://no-cache.hubspot.com/cta/default/21993063/interactive-195487063105.png) ](https://math.group/hs/cta/wi/redirect?encryptedPayload=AVxigLKb9joqwOwe7XzNKCztkDk91CWIp0K%2BPPwQQekOiBNr6IrwBK89mjlfLGb7Y7%2B1zAl5udCmZJEdG6WfhtOMohYgL%2BjjDGLIbN6Q7m%2Bs8OOIo0j%2FOxm8HjGXM2y%2BZazjdcndZOdYkchxKC3IsDUPKhh7xgNdsxksZGp7Nrjx&webInteractiveContentId=195487063105&portalId=21993063&hsLang=pt-br) ## Estudos de caso relacionados [![](https://math.group/hs-fs/hubfs/Gemini_Generated_Image_hs6x9yhs6x9yhs6x.png?width=2752&height=2752&name=Gemini_Generated_Image_hs6x9yhs6x9yhs6x.png) Serviços financeiros ### LP AI Tools: IA com RAG para acelerar landing pages e escalar aquisição ](https://math.group/cases-de-sucesso/lp-ai-tools-rag-landing-pages-eficiencia-aquisicao?hsLang=pt-br) [![](https://math.group/hs-fs/hubfs/Gemini_Generated_Image_er58mper58mper58.png?width=2752&height=2752&name=Gemini_Generated_Image_er58mper58mper58.png) Serviços financeiros ### Case Modernização: governança de dados e mitigação de risco em seguros ](https://math.group/cases-de-sucesso/modernizacao-governanca-dados-mitigacao-risco?hsLang=pt-br) [![](https://math.group/hs-fs/hubfs/Gemini_Generated_Image_o65ztdo65ztdo65z.png?width=2752&height=2752&name=Gemini_Generated_Image_o65ztdo65ztdo65z.png) Serviços financeiros ### Lighthouse Insights: Banco com operação digital orientada a performance ](https://math.group/cases-de-sucesso/lighthouse-insights-observabilidade-seo-eficiencia-tecnica?hsLang=pt-br)