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.
