O próximo IPO da Anthropic promete grandes pagamentos, mas não para todos igualmente. Fundos de investimento como Menlo Ventures e Sequoia esperam bilhões. No entanto, de acordo com o S-1 da Anthropic, nenhum deles possui 5% das ações, que é o limite para ser listado como acionista principal. Isso é extremamente atípico para IPOs de TI, onde os principais investidores de risco geralmente têm participações de dois dígitos. Por que isso aconteceu e quem será o principal beneficiário?
Por que os fundos de VC receberam migalhas?
A razão é simples: o tamanho da Anthropic. Com uma avaliação privada de US$ 965 bilhões, 1% das ações vale quase US$ 10 bilhões. Por exemplo, a posição da Menlo Ventures de US$ 14 bilhões representa apenas cerca de 1,5% da empresa, de acordo com a Bloomberg.
Os fundos de capital de risco não obtiveram grandes participações porque a Anthropic vendeu ativamente ações para parceiros estratégicos. Isso mudou a estrutura de propriedade tradicional, onde os fundos de VC geralmente ocupam posições dominantes.
Amazon: o principal beneficiário do IPO
A Amazon provavelmente será a maior beneficiária financeira do IPO. Em 2023, a Amazon se comprometeu a investir até US$ 4 bilhões na Anthropic e, em seguida, injetou mais bilhões. A maior parte do investimento foi estruturada como títulos conversíveis – dívida que se transforma em ações no IPO ou venda.
De acordo com o S-1, em 30 de junho, a Amazon possuía títulos conversíveis no valor de US$ 6,2 bilhões.
Com o aumento da avaliação da Anthropic, o valor desses títulos cresceu significativamente.
Em seus próprios relatórios, a Amazon avaliou seus títulos em US$ 97,9 bilhões em 30 de junho.
Jogos contábeis e dinheiro real
O aumento no valor dos títulos conversíveis da Amazon forçou a Anthropic a refletir isso em seus relatórios. No primeiro semestre de 2026, a empresa registrou US$ 72,4 bilhões na linha “mudança no valor justo de títulos conversíveis, passivos derivativos e SAFEs”.
Este é um item não monetário, nenhum dinheiro real saiu da empresa. Os títulos da Amazon podem ser convertidos em 1,84 bilhão de ações, mas há um limite de 12% do número de ações “parcialmente diluídas”. A Amazon pode renunciar a esse limite.
Investimentos adicionais da Amazon
Os títulos não são tudo. No segundo trimestre, a Amazon investiu adicionalmente US$ 10 bilhões em ações preferenciais não privilegiadas, investindo US$ 5 bilhões em cada uma das duas últimas rodadas de financiamento da Anthropic.
O valor total dos investimentos da Amazon, incluindo bilhões em títulos de 2023 a 2025, atinge cerca de bilhões. Isso torna a Amazon um ator-chave na futura estrutura de propriedade da Anthropic.
Não apenas ações: AWS e Google
Além do crescimento do valor das ações, a Amazon obterá uma receita significativa da Anthropic, que se comprometeu a gastar pelo menos US$ 110 bilhões na AWS nos próximos 10 anos. O Google também está em vantagem:
O Google possuía cerca de 14% da Anthropic no início do ano passado.
A empresa investiu mais US$ 10 bilhões em abril.
Atualmente, a participação do Google é estimada em 5,6% após a diluição.
O Google também garantiu pelo menos US$ 114 bilhões em contratos de nuvem com a Anthropic até 2033.
Conclusões para investidores
“Enquanto os capitalistas de risco se preparam para seus pagamentos, o S-1 deixa claro: os maiores vencedores do IPO da Anthropic serão gigantes da tecnologia como a Amazon, que apoiaram um concorrente em potencial em um estágio inicial e agora vendem a ele a maior parte do poder de computação. O S-1 até adverte que alguns desses provedores de nuvem estão criando modelos de IA concorrentes e seus interesses nem sempre coincidem com os da Anthropic.”
Este é um caso clássico em que parceiros estratégicos colhem todos os benefícios, deixando apenas migalhas para os fundos de VC. Para avaliar um CPM lucrativo e um teste de hipóteses barato, é importante olhar para o quadro completo, e não apenas para os investimentos declarados.
Perguntas frequentes
Qual CPM considerar lucrativo com tais investimentos?
Ao avaliar campanhas publicitárias, um CPM lucrativo é aquele que garante um ROI positivo. No contexto do IPO da Anthropic, o CPM não é um indicador direto, mas reflete o custo de atrair a atenção para uma startup que já está avaliada em centenas de bilhões. Para nós, arbitradores, a economia unitária é importante, não o hype.
Vale a pena investir em startups de IA em estágio inicial?
Como mostra o exemplo da Anthropic, investimentos iniciais podem trazer enormes lucros, mas apenas se você for a Amazon ou o Google. Para investidores comuns, os riscos são significativamente maiores. É importante analisar não apenas o potencial, mas também a estrutura dos negócios e quem é o parceiro estratégico.
O que é mais barato: publicidade em banner ou influenciadores para promover um produto de IA?
Isso depende do público-alvo e dos objetivos da campanha. A comparação de preços mostra que a publicidade em banner pode ser mais barata por 1 milhão de impressões, mas os influenciadores geralmente fornecem maior engajamento. Para produtos de IA, onde a autoridade de especialistas é importante, os influenciadores podem ser mais eficazes, apesar de um CPM mais alto. Sempre calcule o ROI.
Conclusão
O IPO da Anthropic é um exemplo ilustrativo de como grandes players como Amazon e Google usam investimentos estratégicos para obter lucros colossais, superando significativamente os retornos dos fundos de capital de risco tradicionais. Esta é uma lição para todos que procuram alternativas orçamentárias para semeaduras e buscam o ROI máximo. Sempre conte o dinheiro, não as promessas. Quer saber como obter o máximo de cada rublo? Leia nossos estudos de caso sobre otimização de ROI.
Apesar de bilhões em ações judiciais e litígios, a Meta demonstra um crescimento impressionante de receita, especialmente no terceiro trimestre. Como a empresa consegue se manter à tona e até prosperar em meio a tais desafios financeiros? A resposta reside em investimentos estratégicos em inteligência artificial, que se torna um motor chave para o crescimento da receita de publicidade da Meta, mesmo quando novos produtos, como o Muse, ainda não geram lucro. Vamos nos aprofundar nos detalhes desse sucesso fenomenal e descobrir como a Meta usa a IA para otimizar suas plataformas de publicidade.
A Meta passou por um ano difícil, marcado por bilhões em ações judiciais e litígios. Um deles, relacionado ao impacto prejudicial das redes sociais nas crianças, resultou em um acordo de 18 bilhões de dólares. Outra ação judicial, referente à violação de privacidade de dados, resultou em uma ordem para pagar ao estado do Novo México 25 bilhões de dólares. Essa decisão foi proferida horas antes do relatório do terceiro trimestre da Meta, e a empresa já declarou sua intenção de recorrer.
Apesar dessas batalhas legais, o terceiro trimestre da Meta foi forte. A receita da família de aplicativos cresceu 26% ano a ano, atingindo 64,2 bilhões de dólares. Desse valor, 63,1 bilhões de dólares foram de receita de publicidade. O número de impressões de anúncios também aumentou em 10%.
Muse: popularidade sem lucro
Algumas semanas após o lançamento do Muse no início de setembro, a Meta apresentou o Muse para pequenas empresas. Este é um “novo conjunto de habilidades e conectores” no aplicativo Muse que ajuda as empresas a encontrar clientes, analisar a eficácia da publicidade, otimizá-la e desenvolver campanhas, conforme informou a diretora financeira da Meta, Susan Li, aos investidores.
Do lado do consumidor, o lançamento do Muse foi “um dos lançamentos mais bem-sucedidos na história da empresa”, de acordo com o CEO da Meta, Mark Zuckerberg. Essa afirmação pode ser discutível, considerando os problemas de privacidade associados às primeiras versões do modelo. No entanto, assim como em outras plataformas da Meta, as preocupações com a privacidade não impediram a ampla adoção.
Desde o lançamento do Muse, mais de 10 milhões de pessoas nos EUA e Canadá criaram um agente pessoal.
Cerca de 25% deles o usam diariamente.
Zuckerberg observou que todos esses agentes são “muito exigentes em termos de recursos computacionais”. A Meta espera que a eficiência de custos melhore em 10 vezes no próximo ano, o que “permitirá que se torne lucrativo assim que as linhas de receita atingirem a escala necessária”, de acordo com Zuckerberg. Em outras palavras: por enquanto, o Muse é popular, mas não gera dinheiro.
Se o crescimento da receita de publicidade da Meta não pode ser atribuído ao Muse, qual é a razão então? A resposta é a inteligência artificial, que há muito tempo ocupa um lugar central na estratégia geral da plataforma de publicidade da Meta.
No início deste ano, a Meta lançou o Generative Recommender — uma ferramenta baseada em LLM, que analisa o conteúdo de anúncios e as preferências dos usuários para determinar os anúncios mais adequados para uma pessoa específica. Os segmentos de público-alvo mostraram um aumento de quase 2% nas conversões desde o lançamento da ferramenta nos feeds do Facebook, informou a CFO da Meta, Susan Li.
A Meta também expandiu o GEM, seu modelo generativo de recomendação de anúncios, para incluir mais pontos de contato com os usuários, disse Li. Isso significa que a Meta agora pode unificar os dados de recomendação de várias plataformas em um só lugar. Essa capacidade levou a:
Aumento de 1,7% nas conversões para campanhas externas.
Aumento de 9,6% nas conversões dentro de aplicativos no último trimestre.
“Os investimentos em IA têm beneficiado o negócio de publicidade da Meta por muitos anos. À medida que os LLMs se tornam a base de uma parte cada vez maior da infraestrutura de IA, a Meta obterá mais informações sobre as preferências e interesses das pessoas, tanto no conteúdo orgânico quanto nas recomendações”, — Susan Li, CFO da Meta.
O objetivo não é apenas alimentar o motor de otimização de anúncios Meta Advantage+, mas também as funções de personalização de criativos da Meta.
Netflix: crescimento de receita e problemas com publicidade
A receita da Netflix cresceu 12% ano a ano, para 12,9 bilhões de dólares no terceiro trimestre, o que está de acordo com as previsões. No entanto, o negócio de publicidade está um pouco abaixo das expectativas, o que levou a Netflix a ajustar sua previsão para o restante do ano.
Perguntas frequentes
Qual foi o crescimento total da receita da Meta no terceiro trimestre?
A receita total da Meta no terceiro trimestre cresceu 26% ano a ano, totalizando 64,2 bilhões de dólares.
Qual foi a receita de publicidade da Meta no terceiro trimestre?
A receita de publicidade da Meta foi de 63,1 bilhões de dólares no terceiro trimestre.
O Muse está gerando lucro para a Meta?
Não, no momento o Muse não está gerando lucro. Mark Zuckerberg observou que os agentes do Muse são “muito exigentes em termos de recursos computacionais”, mas a Meta espera uma melhoria de 10 vezes na eficiência de custos no próximo ano.
Quais ferramentas de IA contribuíram para o crescimento da receita de publicidade da Meta?
O crescimento foi impulsionado pelo Generative Recommender, que aumentou as conversões em 2%, e pela expansão do GEM, que resultou em um crescimento de conversões de 1,7% para campanhas externas e de 9,6% para campanhas dentro de aplicativos.
Quanto a receita da Netflix cresceu no terceiro trimestre?
A receita da Netflix cresceu 12% ano a ano, atingindo 12,9 bilhões de dólares.
Conclusão
Assim, a Meta demonstra um forte crescimento de receita, principalmente devido a investimentos em IA, que melhoram significativamente o desempenho da publicidade. Produtos como o Muse ainda são deficitários, mas têm potencial. Enquanto a Netflix enfrenta desafios em seu negócio de publicidade, a Meta continua a provar que CPM vantajoso e teste de hipóteses barato com otimização por IA são uma realidade. Quer saber quanto dinheiro cada rublo gasto trará? Estude como a IA está mudando a economia unitária das campanhas publicitárias.
Olá, colegas afiliados! Meu nome é Timur, sou responsável pelo marketplace na Cloud.ru. Fornecemos uma plataforma para serviços de IA que se integram à infraestrutura de nuvem dos clientes. Minha tarefa é garantir a transparência dos preços. Atualmente, muitos avaliam a IA pelo custo dos tokens, mas isso está fundamentalmente errado. O cliente não paga por tokens, mas por um resultado específico. Neste artigo, analisaremos como calcular corretamente a economia unitária de um <a href="/pt/blog/avatar-de-ia-como-dar-um-rosto-a-um-assistente-de-voz-e-evitar-armadilhas/" title="Postagem em massa de vídeos: 4 estratégias para repetir tarefas por agentes de IA“>agente de IA, com base nos dados da Cloud.ru, e determinaremos o custo real de uma resposta útil para entender qual CPM é lucrativo.
“O fornecedor no marketplace deve definir um preço para seu agente, o cliente deve entendê-lo, e a plataforma deve garantir que os preços na vitrine possam ser comparados entre si. Enquanto as três partes medirem o custo por tokens, nada disso funcionará.”
Avaliação de custos de serviços de IA: foco na economia unitária
Unidade de medida: resposta útil, não tokens
Token é uma métrica ruim. O cliente não compra tokens, mas a solução para seu problema. “Diálogo fechado” também é enganoso. A Intercom, por exemplo, distingue dois tipos de soluções: confirmadas (o cliente disse “obrigado”) e presumidas (o cliente simplesmente saiu).
Ambas são pagas, mas há uma nuance: se o cliente retornar com a mesma pergunta, a solução é anulada. Exemplo da Lorikeet (195 casos, 38 fornecedores): dos 4200 diálogos fechados por IA, 900 foram fechados com um link para um artigo da base de conhecimento. Sem eles, a proporção de resolvidos cai de 70% para 55%.
A diferença entre “fechado” e “resolvido” é enorme. Portanto, nossa unidade de medida é a resposta útil. Este é um diálogo fechado por IA sem intervenção humana, onde o cliente não retornou com a mesma pergunta dentro de 72 horas e não deixou uma avaliação negativa. Tudo o que não passou por esses filtros entra no numerador dos custos, mas não no denominador das respostas úteis. Tentativas malsucedidas são pagas pelas bem-sucedidas. Este é o ponto chave.
Caso modelo: suporte a uma loja online
Para os cálculos, usaremos um cenário típico: suporte a uma loja online. Este é um caso em massa com um grande volume de dados públicos. A loja recebe 40.000 solicitações por mês. 90% delas (36.000 diálogos) são roteadas para o agente de IA.
Os diálogos fechados pelo agente sem operador, que chamamos de fechamentos automáticos, são a métrica que os fornecedores mostram. A estrutura do agente: RAG (pesquisa na base de conhecimento + geração de resposta) mais a ferramenta “status do pedido”. Para cada diálogo, há três chamadas LLM:
Compreender a solicitação e escolher a rota.
Responder com base nos fragmentos encontrados.
Recorrer à ferramenta ou compilar um resumo para o operador.
Em média, são 12.000 tokens de entrada (prompt do sistema, fragmentos, histórico) e 800 de saída. As consultas à base de conhecimento são duas por diálogo. Um modelo de filtro verifica a réplica do cliente e a resposta do agente (1000 tokens para cada uma das três chamadas). Adicionamos mais 15% de tokens para gerações repetidas.
Infraestrutura e custos
Utilizamos os serviços Cloud.ru:
Base de conhecimento: Evolution Managed RAG.
Agente: Evolution AI Agents.
Logs: Evolution Managed PostgreSQL.
Custo de um operador de suporte em Moscou: 125.000 rub./mês (85.300 rub. salário segundo hh.ru para 2025 + contribuições e despesas gerais). Com 40 tickets por dia, um ticket custa 149 rub. Um minuto de operador – 15,5 rub. (125.000 rub. / 80% de 10.080 minutos). Para chat no varejo (60 atendimentos/dia), o custo do ticket é de 99 rub.
Suposições para os cálculos
Principais suposições:
Proporção de fechamentos automáticos: mediana de casos públicos – 70%. Ozon: 27% (2020) -> 62% (2022). Tomamos o meio – 50%.
Diálogos que não passaram no filtro: o cliente retornou em 72 horas ou deu uma avaliação negativa. Suposição: 6% (no exemplo Lorikeet, 21% dos diálogos fechados eram links).
Preço de tal diálogo: 150 rub. de compensação + 3 minutos de operador (200 rub.).
Tempo do operador para escalonamento: 1,5 minutos além do ticket normal.
Verificação manual: 3% de todos os diálogos por 3 minutos.
Base de conhecimento, prompts: 0,5 FTE de especialista (otimista).
Amortização: 50.000 rub./mês (para um integrador com CRM – até 1,5 milhões de rub.).
Preços de modelos e infraestrutura (Cloud.ru, outubro de 2026)
Tarifas Evolution Foundation Models (com IVA 22%, por 1 milhão de tokens):
Total da infraestrutura: 13.420 rub./mês. Esta é a linha mais barata no cálculo.
Cálculo do custo de uma resposta útil
Preço de um diálogo
Primeiro, calculamos o custo de um diálogo em diferentes modelos:
Qwen3-30B-A3B: 0,43 rub.
GigaChat-3-Pro: 1,32 rub.
Claude Haiku 4.5: 3,76 rub.
Claude Sonnet 4.6: 10,99 rub.
Uma diferença de 25 vezes! Se parássemos por aqui, a escolha do modelo seria crítica.
Preço de uma resposta útil
De 36.000 diálogos, com 50% de fechamentos automáticos, 18.000 foram fechados. Destes, 6% foram erros. Restam 16.920 respostas úteis. Cada resposta útil não inclui apenas tokens, mas também:
Tokens de tentativas falhas.
Minutos de operadores em escalonamento.
Custo de erros.
Verificação.
Base de conhecimento.
Implementação.
A diferença de 25 vezes nos tokens se transforma em 1,4 vezes por resposta útil: de 51 rub. a 73 rub. O modelo caro (Claude Sonnet 4.6), que é 25 vezes mais caro em tokens, acaba sendo apenas 40% mais caro em termos de preço por resultado. Por quê? Porque todos os outros custos são os mesmos para todos os modelos.
Estrutura de preços: GigaChat-3-Pro (53 rub.)
Para GigaChat-3-Pro (53 rub. por resposta útil):
Escalonamentos e respostas errôneas: 71% do custo. Esses custos geralmente não são considerados como “despesas de IA”, mas estão incluídos nos salários de suporte ou compensações.
Tokens: 2,8 rub. (5%). Esta é a única linha que todos comparam.
Infraestrutura em nuvem: 0,80 rub.
No Claude Sonnet 4.6, os tokens já representam 32% do preço. Aqui, faz sentido economizar em tokens. Como?
Redução de contexto: reduzir 12.000 tokens de entrada para 6.000. A resposta útil no Sonnet fica mais barata de 73 para 65 rub.
Cache: a leitura do cache é 10 vezes mais barata. Se metade do contexto for um prompt do sistema, o preço cai para 66 rub.
No Qwen, essas técnicas economizam centavos.
Principais alavancas de economia
1. Taxa de fechamentos automáticos
A transição de um piloto (35-50% de fechamentos automáticos) para um ambiente de produção (65%) economiza 15-19 rub. Dez pontos percentuais de fechamentos automáticos equivalem à transição para um modelo mais barato (no Sonnet, o aumento de 50% para 60% economiza 14 rub., a substituição do Sonnet pelo Haiku – 15 rub.). Mas o primeiro funciona em qualquer modelo, o segundo – uma vez.
2. Taxa de erros
A taxa de diálogos fechados que não passaram no filtro é pouco medida, mas é crítica.
Taxa de não aprovados no filtro
Preço da resposta útil
Custos (rub./mês)
6%
X
Y
3%
X – 8 rub.
Y – Z
A redução de erros de 6% para 3% economiza 8 rub. em cada resposta útil. A transição do GigaChat-3-Pro para o Qwen3-30B-A3B economiza apenas 2 rub. 15% de erros podem custar mais da metade do salário de um operador, se considerarmos resolvido cada diálogo em que o cliente ficou em silêncio.
3. Qualidade do escalonamento
Eu considerei 1,5 minutos de operador para escalonamento (leitura do resumo, continuação). Isso funciona com uma transferência “quente”: o agente transfere para o operador um histórico resumido, número do pedido e lista de ações. Em uma transferência “fria” (o operador lê todo o diálogo, onde o bot respondeu incorretamente três vezes), 1,5 minutos se transformam em 3 ou 6.
Com 3 minutos, uma resposta útil no GigaChat-3-Pro fica mais cara, de 53 para 77 rublos, e com 6 minutos, para 127 rublos. Isso já é mais caro que um operador regional. Se o agente identifica o cliente e pré-preenche o ticket, o operador economiza um ou dois minutos, e essa linha fica no vermelho.
“A qualidade da transmissão acaba sendo um item de orçamento separado com a maior variação em todo o modelo, e deve ser medida: o tempo médio de processamento de tickets escalados deve ser contado separadamente dos normais.”
Lutar pela precisão = queimar tokens? Se para reduzir erros de 6% para 3% os tokens por diálogo aumentam 1,6 vezes, no GigaChat-3-Pro a resposta útil ainda fica mais barata, de 53 para 46 rublos. No Sonnet, tokens extras são mais caros do que a precisão ganha, é melhor melhorar a base de conhecimento lá.
Conclusões: o que considerar um CPM lucrativo
Conclusão prática: no circuito de trabalho de suporte, o mais caro não são os tokens, mas o denominador. Tudo o que aumenta a proporção de respostas úteis (qualidade da base de conhecimento, roteamento correto, conjuntos de teste) se paga mais rápido do que qualquer negociação pelo preço de um milhão de tokens.
Modelos caros (por exemplo, Sonnet) se pagam se trouxerem 10 pontos de fechamentos automáticos e 2 pontos de precisão em comparação com os mais baratos. Se a diferença em seu conjunto de teste for menor, você está pagando a mais. Se for maior, você está economizando tokens desnecessariamente.
Comparação com um humano: duas ressalvas
1. Preço do ticket: a 149 rublos por ticket, mesmo um piloto com 35% de fechamentos automáticos no Sonnet (110 rublos por resposta útil) parece lucrativo. Paridade com o operador – com 20-27% de fechamentos automáticos. Mas se o operador fecha 60 tickets por dia (99 rublos/ticket), o mesmo piloto no Sonnet (110 rublos) já é mais caro. Um operador regional/terceirizado (64 rublos/ticket) muda o cenário: GigaChat-3-Pro (42 rublos) é mais barato, Sonnet (62 rublos) – paridade. A questão “se pagará” depende do custo do seu ticket e da proporção de fechamentos automáticos.
2. Volume: custos fixos (base de conhecimento, implementação, infraestrutura) – 163.000 rublos/mês. Para 36.000 diálogos. Para 6.000 diálogos, uma resposta útil no GigaChat-3-Pro – 101 rublos, para 3.000 – 159 rublos (mais caro que o operador). Abaixo de 3.500 diálogos por mês, o agente não se paga. Se os custos fixos forem maiores (um salário integral para a base de conhecimento – 200.000 rublos/mês, implementação – 1,5 milhão de rublos), o limite de lucratividade muda para 7.000 diálogos por mês. A proporção de tokens cai para 4%: quanto mais realistas forem os outros custos, menos significativo parece o preço por milhão de tokens.
O que não foi considerado no modelo (em ambos os sentidos)
Contra o agente: licença do sistema de tickets ou plataforma de chat.
A favor do agente: rotatividade de pessoal (até 50% ao ano), custos de recrutamento e treinamento, trabalho lento de novatos, escalabilidade para vendas, pagamento de turnos noturnos/fins de semana. Essas coisas são difíceis de calcular sem dados específicos, mas é por elas que as empresas muitas vezes estão dispostas a pagar, mesmo que a economia unitária diária mostre paridade.
Perguntas frequentes
O que é uma “resposta útil” no contexto de um agente de IA?
Uma resposta útil é um diálogo encerrado pela IA sem intervenção humana, em que o cliente não retorna com a mesma pergunta dentro de 72 horas e não deixa uma avaliação negativa. Esta é uma métrica chave para avaliar a eficácia real e o custo do serviço de IA.
Ganhar dinheiro no YouTube sempre foi um tema rodeado de muitos mitos e perguntas, especialmente quando se trata de quanto o YouTube paga por visualizações. Em 2026, a situação permanece dinâmica e não há uma taxa fixa. Os blogueiros podem esperar uma receita de aproximadamente US$ 5 a US$ 15 por 1.000 impressões de anúncios. É importante entender as métricas-chave, como CPM e RPM, e considerar como funciona a divisão de receita de 55/45 entre o YouTube e os criadores de conteúdo. O YouTube não paga por cada visualização de vídeo, mas sim por visualizações de anúncios, o que é uma diferença crítica. Vamos aprofundar nesses detalhes para entender quanto dinheiro realmente vai para a conta.
O YouTube paga por visualizações: mitos e realidade
Em 2026, os ganhos no YouTube não são um valor fixo. Os blogueiros recebem aproximadamente US$ 5 a US$ 15 por 1.000 impressões de anúncios. É crucial distinguir entre CPM e RPM, e também entender o mecanismo de divisão de receita de 55/45 e os fatores que afetam seus ganhos finais. O YouTube não paga por cada visualização de vídeo, mas sim por visualizações de anúncios. Vamos analisar essas métricas em mais detalhes para entender exatamente quanto dinheiro realmente vai para sua conta.
CPM, RPM, CPC: métricas-chave do YouTube
CPM (Custo por Mil): é o custo por mil impressões de anúncios. Este valor representa o preço que um anunciante paga por 1.000 exibições de seu anúncio. Você pode ver este indicador no YouTube Studio como “CPM”.
RPM (Receita por Mil): é sua receita por 1.000 visualizações de vídeo após a dedução da parte do YouTube. Este é o lucro líquido que vai diretamente para você. O RPM é quase sempre menor que o CPM, pois leva em consideração a parte de 45% do YouTube, bem como as visualizações que não foram acompanhadas de anúncios.
CPC (Custo por Clique): custo por clique. Este indicador afeta sua receita estimada, mas não reflete diretamente seus ganhos por 1.000 visualizações.
Lembre-se: US$ 12 de CPM não significa que você receberá US$ 12 por 1.000 visualizações de vídeo. Sua receita real sempre será menor.
Quanto você pode ganhar: cálculos para 2026
Estima-se que em 2026, um youtuber possa ganhar US$ 5 a US$ 15 por 1.000 impressões de anúncios. Esta é uma estimativa da indústria, não uma taxa oficial do YouTube. Como nem toda visualização de vídeo aciona um anúncio, sua receita por 1.000 visualizações de vídeo estará abaixo dessa faixa.
De acordo com um relatório da Strike Social de 2024, a taxa média de visualização de anúncios no YouTube é de 49-68%. Vamos usar a média para os cálculos:
Número total de visualizações de vídeo
Visualizações de anúncios estimadas (~50-65%)
Receita estimada (US$ 5-US$ 15 por 1.000 impressões de anúncios)
500
250 – 325
US$ 2,50 – US$ 9,75
5 000
2 500 – 3 250
US$ 25 – US$ 97,50
25 000
12 500 – 16 250
US$ 125 – US$ 487,50
50 000
25 000 – 32 500
US$ 250 – US$ 975
250 000
125 000 – 162 500
US$ 1 250 – US$ 4 875
1 000 000
500 000 – 650 000
US$ 2 500 – US$ 9 750
Estas são apenas estimativas. Sua receita real depende do nicho, geolocalização do público, formatos de anúncios e época do ano. Detalhes sobre a monetização do YouTube.
Sim, mas isso exige uma grande audiência. Um vídeo com 10.000 visualizações renderá cerca de US$ 60. Se você publicar um vídeo desses todos os dias, em um ano, você terá aproximadamente US$ 21.900. Este não é um salário alto. Para uma renda estável, você precisa de uma economia unitária bem desenvolvida e escalabilidade.
Fatores que afetam os ganhos do YouTube
Nove fatores-chave determinam quanto você receberá por visualizações:
1. Nicho de conteúdo
Diferentes nichos têm custos de publicidade diferentes. Algumas indústrias pagam significativamente mais por CPM ou CPC. Os nichos mais lucrativos por CPM:
A audiência desses países gera mais receita. Teste hipóteses de geotargeting, este é um teste de hipóteses barato que pode aumentar sua receita exponencialmente.
3. Tipo e posicionamento do anúncio
Anúncios puláveis geram receita apenas se forem assistidos por tempo suficiente. Bloqueadores de anúncios reduzem significativamente a receita. A desmonetização de vídeos devido a violações de regras também zera completamente os ganhos.
4. Duração do vídeo
Vídeos longos oferecem mais oportunidades para posicionamento de anúncios. Quanto mais pausas para anúncios, maior o potencial de receita. Recomenda-se colocar slots de anúncios manuais a cada um ou dois minutos em vídeos com mais de 8 minutos.
5. Tempo de exibição
Quanto mais tempo os espectadores assistirem ao seu vídeo, mais anúncios eles verão. É importante manter a atenção do público.
6. Cliques em anúncios
Cliques em anúncios também afetam a receita, especialmente com pagamento por CPC.
7. Assinantes do YouTube Premium
Usuários Premium não veem anúncios. Você recebe receita deles com base no tempo de exibição, mas isso geralmente é menor do que as visualizações regulares com anúncios.
8. Tendências sazonais
A receita geralmente aumenta de outubro a dezembro e cai em janeiro. Planeje a publicação de vídeos importantes para os períodos de pico.
9. Visualizações não contabilizadas para ganhos
Algumas visualizações não geram receita (por exemplo, devido a bloqueadores de anúncios, pulo de anúncios ou se o vídeo for desmonetizado).
YouTube Shorts vs. Vídeos Longos: Diferença de Receita
O YouTube Shorts paga significativamente menos do que os vídeos longos. Os criadores relatam um RPM na faixa de $0.01 – $0.06 por 1000 visualizações de Shorts. Para vídeos longos, esse valor é de $2 – $10 RPM.
A diferença é explicada pelo modelo de monetização dos Shorts: a receita de anúncios no feed de Shorts é distribuída entre os criadores proporcionalmente à sua parcela de visualizações. O tempo de visualização curto, o menor número de posicionamentos de anúncios e um método diferente de contagem de visualizações reduzem a receita.
Como Maximizar a Receita de Anúncios no YouTube
Após ativar a monetização, algumas etapas ajudarão a aumentar significativamente seus ganhos:
Crie conteúdo longo (mais de 8 minutos): isso permite a colocação de anúncios mid-roll, aumentando o número de exibições de anúncios.
Coloque mais pausas para anúncios: adicione manualmente slots mid-roll a cada 1-2 minutos. O YouTube não exibirá anúncios em todos os slots, mas isso aumentará as chances.
Concentre-se em um nicho lucrativo: escolha tópicos com alto CPM para ganhar mais pelas mesmas visualizações.
Otimize vídeos para pesquisa (SEO): use palavras-chave em títulos, descrições e tags. Vídeos que aparecem regularmente na pesquisa geram receita estável.
Perguntas Frequentes
Quanto o YouTube paga por 1 milhão de visualizações?
Por 1 milhão de visualizações de vídeo no YouTube, você pode ganhar de $2.500 a $9.750. Esta é uma estimativa aproximada, dependendo do CPM, RPM, nicho e público.
Qual CPM é considerado lucrativo?
Um CPM lucrativo depende do seu nicho e objetivos. Em nichos altamente competitivos, o CPM pode ser superior a $15-$20. Em nichos menos lucrativos, um CPM de $5-$10 pode ser um bom indicador. Sempre compare com o preço vs resultado.
O que é mais barato: banner ou segmentação?
A comparação entre publicidade em banner e publicidade segmentada no YouTube é ambígua. Banners podem ser CPM lucrativo para alcance, mas a segmentação é mais eficaz para conversões. A comparação de preços mostra que diferentes ferramentas são adequadas para diferentes tarefas.
Vale a pena usar IA para criar conteúdo?
O uso de IA para gerar vídeos ou tornar o conteúdo único pode reduzir significativamente o custo de produção. O preço por minuto de vídeo de IA com avatar e o custo de tornar um vídeo único podem ser muitas vezes menores do que o trabalho manual, o que permite testar hipóteses de forma barata e escalar a produção de conteúdo. Por exemplo, o preço de gerar 100 vídeos de IA pode ser comparável ao custo de vários vídeos profissionais.
Conclusão
Ganhar dinheiro no YouTube não é uma renda passiva, mas um negócio completo que exige análise e otimização constantes. Ao entender as principais métricas, fatores de influência e estratégias de maximização de receita, você poderá aumentar significativamente seus ganhos. Não se esqueça de diversificar as fontes de receita, usando programas de afiliados, venda de produtos e serviços. Sempre calcule a economia unitária, teste ativamente as hipóteses e escale seus esforços para alcançar o máximo sucesso na plataforma.
O que é o Gemini?
O Gemini é o modelo de linguagem mais recente e capaz do Google AI. Ele foi projetado para ser multimodal, o que significa que pode entender e operar em diferentes tipos de informações, incluindo texto, imagens, áudio e vídeo. O Gemini é otimizado para diferentes tamanhos, tornando-o adequado para uma ampla gama de aplicações, desde dispositivos móveis até data centers.
Principais recursos do Gemini
Multimodalidade: O Gemini pode processar e entender informações de várias modalidades, permitindo uma compreensão mais rica e nuances do mundo.
Desempenho de ponta: Ele supera os modelos anteriores em vários benchmarks, especialmente em tarefas de raciocínio, compreensão e codificação.
Flexibilidade: O Gemini é adaptável a diferentes tamanhos e pode ser implantado em uma variedade de plataformas, desde dispositivos pequenos até sistemas de servidor robustos.
Capacidades avançadas de raciocínio: Ele foi projetado para raciocinar de forma mais eficaz, o que é crucial para resolver problemas complexos e gerar respostas mais perspicazes.
Aplicações do Gemini
As capacidades do Gemini abrem portas para uma infinidade de aplicações:
Assistentes de IA aprimorados: Experiências de assistente mais naturais e intuitivas que podem entender e responder a consultas complexas em diferentes formatos.
Criação de conteúdo: Geração de conteúdo mais sofisticado e criativo, incluindo artigos, histórias e roteiros, que podem incorporar elementos visuais e de áudio.
Análise de dados: Análise de conjuntos de dados complexos que contêm diferentes tipos de informações, levando a insights mais abrangentes.
Educação: Ferramentas de aprendizado personalizadas que podem interagir com os usuários por meio de texto, imagens e áudio para fornecer uma experiência educacional mais rica.
Robótica: Robôs que podem entender e interagir com seu ambiente de forma mais natural, processando informações visuais e auditivas em tempo real.
O futuro com o Gemini
O lançamento do Gemini marca um passo significativo no desenvolvimento da IA. Sua natureza multimodal e flexibilidade prometem transformar a forma como interagimos com a tecnologia e como a IA pode nos ajudar a resolver alguns dos desafios mais prementes do mundo. À medida que o Gemini continua a evoluir, podemos esperar ver aplicações ainda mais inovadoras e impactantes em vários setores.
“O Gemini é o resultado de esforços colaborativos em todo o Google, desde a pesquisa fundamental até o desenvolvimento de produtos. Ele representa um salto significativo em nossas capacidades de IA e estamos entusiasmados para ver o que o mundo construirá com ele.” – Sundar Pichai, CEO do Google e Alphabet.
Procuramos um CPM lucrativo onde os concorrentes perdem clientes. Pedidos de cancelamento e reclamações sobre produtos concorrentes não são lixo, mas sim uma mina de ouro para PPC. São leads de alta intensidade, prontos para conversão. Um dos casos de um cliente SaaS mostrou um CTR de 15% e um CPA 18% menor do que nas campanhas regulares. E isso apesar de a consulta não conter o nome do produto do cliente.
As pessoas não estavam procurando um novo fornecedor, mas sim uma saída de uma situação em que o antigo havia se tornado insatisfatório. A decisão de sair foi tomada, restava a pergunta “para onde?”. Este caso confirma: a coisa mais valiosa que pode ser mudada em uma conta não é a campanha, mas sim a oferta.
Abordagem tradicional às palavras-chave: por que é cara?
Especialistas em PPC estão acostumados a coletar palavras-chave: termos de produto, modificadores, comparações, caudas longas. A lógica é simples: apostamos no que as pessoas procuram quando querem comprar nosso produto. O problema é que isso só capta a demanda óbvia.
“Quem procura ‘o melhor software de CRM’ já está no mercado, e todos os concorrentes sabem disso. O leilão está superaquecido, o CPC está nas alturas. O clique vai para quem tem mais dinheiro ou melhor otimização.”
Compare com a consulta “cancelar contrato [concorrente]”. Poucos apostam nisso, e muitos até excluem. O usuário não está comparando produtos, ele está resolvendo outro problema, e isso o torna o comprador mais receptivo.
Ele já passou pela parte mais difícil do ciclo de vendas: decidiu que a solução atual não funciona. Isso não é uma exceção, é um padrão. As consultas de maior intensidade frequentemente não contêm termos de produto, mas expressam frustração, o desejo de sair e problemas não resolvidos que sua oferta pode solucionar.
Esses são dados não sobre os recursos que as pessoas querem, mas sobre os problemas que as preocupam atualmente. Um pedido de recurso são planos para o próximo trimestre. Uma reclamação é o texto para um anúncio hoje.
Por que as equipes de PPC ignoram esses dados?
Frequentemente, esses dados ficam em outros departamentos: suporte, produto, CX. A equipe de PPC recebe uma lista de palavras-chave e uma landing page, e é instruída a “fazer os números”. A integração de dados de CX, produto e vendas na pesquisa paga é exatamente a habilidade em forma de M necessária para uma nova abordagem ao PPC. A fragmentação de dados é cara.
“Cada reclamação de cliente concorrente é uma proposta para o seu anúncio. Cada motivo de cancelamento é uma objeção que sua landing page deve responder antes do call to action para conversão.”
Os dados existem, mas não chegam àqueles que podem usá-los para melhorar as campanhas.
Como começar com consultas de “cancelamento”
Por padrão, “cancelar” é frequentemente adicionado a palavras-chave negativas. Do ponto de vista da relevância para uma landing page comum, isso é lógico. Do ponto de vista da intenção, é um erro. Você está excluindo uma pessoa que está ativamente se afastando de um concorrente e ainda não escolheu um substituto.
Essa abordagem é aplicada com sucesso no SEO local para otimizar o Google Business Profile e o texto do site. Os mesmos dados de reclamações funcionam muito bem para campanhas de PPC.
A oferta resolve tudo, não apenas a palavra-chave
Simplesmente encontrar palavras-chave inteligentes e licitar nelas não é suficiente. Se a landing page for a mesma que para cliques comuns, não haverá conversões. Quem procura “cancelar contrato [concorrente]” não precisa de uma lista de seus recursos. Ele precisa saber três coisas:
A transição será fácil.
Você entende por que ele está saindo.
A dor específica que o levou à busca não o seguirá até você.
Idealmente, ofereça um serviço completo de troca, importação de dados ou assistência com o onboarding. A oferta é a variável. Não o lance, não o tipo de correspondência, nem mesmo o texto do anúncio (embora seja crítico aqui, pois deve sinalizar imediatamente que você entende o problema do usuário).
Um processo contínuo, não uma ação única
Este não é um insight único, mas um processo de trabalho repetitivo. As reclamações e o comportamento de saída mudam com o tempo, especialmente em mercados competitivos, onde as atualizações de produtos mudam os pontos problemáticos a cada trimestre.
Estrutura para implementação:
Análise de avaliações de concorrentes: Estude as avaliações de uma e duas estrelas nas plataformas dominantes. Procure temas de reclamações recorrentes.
Dados de suas vendas: As razões pelas quais os clientes em potencial não compram geralmente coincidem com as razões pelas quais os clientes deixam os concorrentes.
Relatórios de termos de pesquisa: Filtre por nomes de concorrentes, “cancelar”, “alternativa”, “mudar de”, “problemas com”. Frequentemente, essas consultas aparecem organicamente na correspondência ampla e são adicionadas sem pensar às palavras-chave negativas.
Algoritmo de ações:
Colete avaliações de 1 a 2 estrelas de concorrentes.
Destaque 3 a 5 temas de reclamações recorrentes.
Correlacione cada tema de reclamação com a forma da consulta de pesquisa. Por exemplo, “muito caro” → consultas sobre preços; “suporte terrível” → consultas sobre mudança/migração; “não tem recurso X” → consultas de comparação para esse recurso.
Verifique seus relatórios de termos de pesquisa. Se eles existirem e estiverem excluídos, essa é a primeira correção. Se não, crie uma campanha para testá-los.
Para cada cluster de consulta, verifique a landing page. Ela deve abordar a reclamação específica. Se a página fala apenas sobre seus recursos, ignorando a dor do usuário, o clique é desperdiçado.
Teste landing pages especializadas contra as gerais. A página não deve ser complicada. Ela deve reconhecer o problema, mostrar como você o resolve e tornar o próximo passo o mais simples possível.
As equipes de PPC otimizam suas campanhas, palavras-chave e landing pages. Isso é lógico, é o que elas controlam. Mas a maior oportunidade pode não estar em sua conta. Ela está na frustração que seu concorrente está gerando agora mesmo: mudanças de preços, lacunas no produto, falhas no suporte, termos de contrato. Cada frustração cria um buscador. E esse buscador não está procurando um produto. Ele está procurando uma saída.
Pergunta para o especialista em PPC:
Em vez de “No que devo apostar?”, pergunte: “Que problema meu concorrente acabou de criar para seus clientes, e quão rápido posso me tornar a solução?”
A automação amplifica qualquer oferta. Se a oferta não corresponde à intenção, você escala o erro. A palavra-chave levou ao leilão. A oferta fechou o negócio. Seu concorrente construiu uma saída. Sua tarefa é ser o que estará no final dessa saída.
Perguntas Frequentes
O que são consultas de “abandono” e por que são importantes?
Consultas de “abandono” são frases de busca que expressam insatisfação com o fornecedor atual ou o desejo de trocá-lo (por exemplo, “cancelar assinatura [concorrente]”, “problemas com [produto concorrente]”). Elas são importantes porque indicam um usuário com alto grau de intenção, que já decidiu sair e está procurando uma alternativa, o que o torna extremamente receptivo à sua oferta.
Como encontrar essas palavras-chave se elas não estão nas ferramentas padrão?
Elas podem ser encontradas analisando as reclamações de clientes de concorrentes em sites de avaliação (G2, Trustpilot), em redes sociais, em fóruns de suporte e em dados de pesquisas de churn. Também é útil examinar os relatórios de termos de pesquisa em suas campanhas, filtrando-os por nomes de concorrentes e palavras relacionadas a cancelamento ou problemas.
É necessária uma landing page especial para consultas de “abandono”?
Sim, uma landing page especializada é criticamente importante. Ela não deve apenas listar suas vantagens, mas responder diretamente aos problemas e dores que levaram o usuário a procurar uma saída do concorrente. A landing page deve convencer o usuário de que a transição será fácil, que você entende a situação dele e que poderá resolver o problema específico.
Qual CPM considerar vantajoso ao trabalhar com essas consultas?
O CPM será vantajoso se o custo de aquisição de cliente (CAC) para essas consultas for significativamente menor do que para campanhas gerais. No exemplo dado, o CAC foi 18% menor. O principal critério é sua economia unitária e ROI. Se essas consultas trazem clientes mais baratos e com um LTV mais alto, então o CPM que permite isso é vantajoso.
É uma tática única ou um processo contínuo?
É um processo contínuo. As reclamações e as razões para a rotatividade de clientes dos concorrentes podem mudar ao longo do tempo, por isso é necessário monitorizar regularmente estes dados e adaptar as suas campanhas e ofertas. Isso permite manter a relevância das suas ofertas e atrair constantemente leads de alta intenção.
No cenário digital moderno, onde a atenção do usuário se torna um recurso cada vez mais valioso, entender como maximizar o CPM lucrativo em plataformas como o YouTube é a chave para o sucesso. O YouTube há muito deixou de ser apenas um serviço de hospedagem de vídeo; é um ecossistema poderoso capaz de fornecer um ciclo completo de vendas, desde o primeiro contato até a conversão final. Ignorar esse potencial significa perder lucros significativos.
YouTube: um ciclo completo de vendas e por que é lucrativo
O YouTube não é apenas uma plataforma de vídeo. É um ecossistema onde ocorre todo o ciclo de vendas: do primeiro contato à conversão. Ignorar isso é perder dinheiro. Nossos dados mostram: 94% dos americanos usam o YouTube regularmente, 51% – várias vezes ao dia. Esta é uma audiência que já está aqui, e as marcas estão começando a perceber isso.
De acordo com a Later, 55% das empresas planejam aumentar seu orçamento no YouTube este ano, e 37% dos criadores – investir mais tempo em 2026. A questão não é se gastar ou não, mas como gastar de forma eficaz.
O principal erro é separar Shorts e vídeos longos. Não são dois canais separados, mas elos da mesma corrente. Fatos: aqueles que assistem a muitos Shorts também consomem ativamente conteúdo longo. A crença comum de que os espectadores de Shorts são como o público do TikTok ou Reels e assistem apenas a vídeos curtos é incorreta.
Shorts e vídeos longos não competem, mas se alimentam. O espectador ficou viciado em um Short, interessou-se e passou para um vídeo de 12 minutos do mesmo autor. Adam W, um conhecido youtuber, confirma: Shorts são um motor de crescimento que transforma novos espectadores em consumidores regulares de conteúdo longo.
“Shorts funcionam como um motor de crescimento que, com o tempo, transforma novos espectadores em pessoas que assistem a vídeos longos. Isso funciona especialmente bem no YouTube, porque a plataforma foi originalmente criada para vídeos longos.” — Adam W, criador do YouTube.
Parte superior e média do funil: Shorts (até 90 segundos) são ideais para a descoberta de novos produtos.
Dinheiro: 49% dos espectadores de vídeos curtos encontram novos produtos através dos Shorts.
Exclusividade da audiência: 45% dos usuários do YouTube Shorts não usam TikTok, e 65% não usam Instagram Reels. Isso é um alcance adicional que você não obterá em outras plataformas.
Atividade das marcas: o número de posts de marcas nos Shorts dobrou ano a ano, e o número de marcas usuárias aumentou em mais de 50%.
Conclusão: os melhores Shorts usam ganchos rápidos, demonstrações de produtos e chamadas para ação claras. O objetivo: parar a rolagem e “plantar a semente” do interesse.
Vídeos longos: conversão e pesquisa aprofundada
A “semente” plantada pelos Shorts se transforma em decisão de compra graças aos vídeos longos. Este é o canal para pesquisa aprofundada e a fase final da compra. Os números confirmam: os espectadores de conteúdo longo patrocinado têm 13 vezes mais chances de procurar a marca após a visualização (Think with Google).
De acordo com nossos dados, 26,9% dos espectadores de vídeos longos compraram um produto graças ao criador, em comparação com 17,3% dos não-espectadores. Os vídeos longos também geram reconhecimento, o que é valioso mesmo para aqueles que ainda não estão prontos para comprar.
Conclusão: vídeos longos recompensam a profundidade. Use-os para análises detalhadas, tutoriais, avaliações comprovadas e conteúdo focado em conversão específica.
Dados de compra: os formatos funcionam juntos
Ambos os formatos convertem, mas em diferentes estágios. A Later descobriu que os usuários diários de Shorts e conteúdo longo do YouTube mostram altas taxas de compra imediatamente após assistir a conteúdo de marca: 33% para usuários de Shorts e 30% para espectadores de vídeos longos. Se você financiar apenas um formato, estará perdendo metade do ROI.
Recomendação: antes de lançar sua próxima campanha no YouTube, verifique a distribuição dos formatos em relação aos objetivos do seu funil. Se o orçamento ou o mix de conteúdo estiver desviado em mais de 80/20 para um formato, é um sinal para rebalancear. Meça ambos os formatos e atribua a eles as compras que realmente geram, em vez de agrupar tudo em uma única métrica.
ROI de longo prazo do conteúdo do YouTube
Um dos fatos subestimados sobre o YouTube é a longa vida útil do conteúdo. Dados do YouTube mostram que 40% das visualizações e 30% dos cliques em vídeos patrocinados ocorrem mais de 30 dias após a publicação. Essa “validade” afeta muito o ROI.
As janelas de atribuição, que registram apenas as primeiras uma ou duas semanas de vida de um vídeo, perdem uma enorme parcela do retorno real. Estender as janelas de medição para 60-90 dias oferece uma imagem muito mais precisa de quanto dinheiro um investimento no YouTube gera. A maioria das marcas ainda não fez isso.
Os criadores já estão à frente das marcas. De acordo com o vice-presidente de estratégia e operações do YouTube, 70% dos criadores trabalham com Shorts e vídeos longos, vendo isso como uma estratégia unificada. Andrew Peterson, do YouTube, diz que a abordagem ideal coloca o público e a história no centro. Em seguida, você “começa a descobrir como contar essa história em todos os lugares, de todas as maneiras que as pessoas possam querer consumi-la”.
As marcas com os melhores resultados criam um brief criativo unificado para ambos os formatos. Elas usam os Shorts para reconhecimento (mais de 200 bilhões de visualizações diárias) e vídeos longos para consideração e conversão. Elas investem em parcerias recorrentes e com vários vídeos com criadores, em vez de placements únicos, dando tempo ao algoritmo e ao público para construir familiaridade.
O resultado é uma estratégia onde cada elemento tem sua função: os Shorts abrem a porta, os vídeos longos convencem, e a repetição constrói confiança, transformando uma visualização em um cliente.
Perguntas Frequentes
Qual CPM considerar vantajoso para o YouTube?
Um CPM vantajoso depende do nicho e dos objetivos. No entanto, se você conseguir um CPM abaixo de 50 rublos, já é um bom indicador para começar a testar hipóteses. O principal não é o CPM em si, mas o ROI final.
O que é mais barato: banner ou target no YouTube?
Calculamos: a publicidade em banner geralmente tem um CPM baixo, mas também um CTR baixo. A publicidade segmentada no YouTube, especialmente através dos Shorts, permite alcançar um público mais relevante, o que pode gerar um ROI mais alto, mesmo com um CPM comparável ou ligeiramente superior. O teste de hipóteses de baixo custo é melhor realizado através dos Shorts, pois a produção de conteúdo é mais barata do que influenciadores.
Vale a pena investir em IA para geração de vídeo?
Se você deseja tornar um vídeo único ou obter 100 vídeos de IA, a IA pode ser uma alternativa econômica para a semeadura. O custo de geração de um minuto de vídeo de IA com um avatar está em constante declínio, o que o torna atraente para postagens em massa e testes rápidos de criativos. O preço por um clipe pronto, criado por IA, é frequentemente menor do que cortar 1 hora de stream manualmente.
Quanto custa 1 milhão de impressões via banner no YouTube?
O custo de 1 milhão de impressões de banner no YouTube pode variar muito, mas frequentemente será significativamente maior do que um CPM abaixo de 50 rublos. A comparação de preços também deve incluir a conversão. Uma alternativa econômica para a semeadura através dos Shorts pode gerar o mesmo alcance por menos dinheiro e com melhor engajamento.
Qual o custo de publicação de 500 vídeos?
O custo de publicação de 500 vídeos depende da sua produção. Se for a singularização de um vídeo ou a geração de 100 vídeos de IA, o preço será significativamente menor do que a criação de 500 vídeos longos originais. O preço do pacote de postagem em massa também pode ser otimizado através do uso de IA e Shorts.
Conclusão
O YouTube é um canal de vendas completo. Usar os Shorts para engajamento e descoberta, e vídeos longos para pesquisa aprofundada e conversão, é o caminho para o ROI máximo. Não separe esses formatos, mas construa uma estratégia unificada. Conte o dinheiro, meça os resultados em todas as etapas e não tenha medo de testar hipóteses.
Nossa experiência e integração com a API do YouTube o ajudarão a tomar decisões não baseadas em suposições, mas em dados confirmados. Entre em contato conosco para saber como podemos otimizar sua estratégia no YouTube para obter dinheiro real.
As conversas sobre milhões em vibecoding vêm de todos os lugares: um milhão em 17 dias, um milhão até outubro, um milhão com um único prompt. Decidi verificar: quantos projetos realmente ultrapassaram o limite de $100.000 em receita mensal ou $1.000.000 em receita total (incluindo o valor da saída)? O cenário revelou-se muito mais modesto do que o esperado. Se excluirmos os projetos cujo produto em si é uma solução de IA, restam muito poucas startups baseadas especificamente em vibecoding.
Nesta análise, não confundo os conceitos de ARR (Receita Recorrente Anual) e receita real. ARR é uma projeção do mês atual, multiplicada por doze, e não dinheiro ganho. Onde a fonte indica ARR, eu anoto e recalculo separadamente a receita mensal. A ordem dos projetos na tabela abaixo não é determinada pelo tamanho da receita, mas pela confiabilidade da confirmação dos indicadores financeiros.
Projetos que ultrapassaram o limite de $100.000/mês ou $1 milhão de receita total
A lista inclui projetos com relatórios públicos de receita a partir de $100.000 por mês ou receita total a partir de $1.000.000.
Medvi: $401 milhões no primeiro ano
Telemedicina especializada em medicamentos GLP-1 para perda de peso. O fundador Matthew Gallagher lançou o projeto em setembro de 2024 com um investimento de cerca de $20.000. De acordo com publicações, o primeiro ano gerou $401 milhões em receita, cerca de 250.000 clientes e $65 milhões em lucro com uma margem de 16%. Equipe: duas pessoas (o próprio Gallagher e seu irmão Elliot), o restante são contratados.
Essência do negócio: A maior parte do negócio — médicos, farmácia, emissão de receitas e estrutura jurídica — é terceirizada através de CareValidate, OpenLoop Health e LegalZoom. Gallagher focou na montagem e no tráfego.
Base44: venda por $80 milhões
Construtor de aplicativos a partir de descrição de texto, criado por Maor Shlomo. Lançado no início de 2025. Em maio, a empresa mostrou $189.000 de lucro no mês. Em junho, a Wix anunciou a compra por $80 milhões em dinheiro. No momento da transação, o projeto tinha 250.000 usuários. Shlomo era o único proprietário, mas no momento da venda, oito pessoas trabalhavam na empresa, e $25 milhões do valor da transação foram para elas como retenção.
Vibecoding: Shlomo construiu intencionalmente a base de código de forma que a maior parte dela fosse gerada por modelos, e usou o roteamento de prompts entre diferentes modelos. Este é um dos exemplos mais puros onde o produto em si é vibecoding e é construído usando o mesmo método.
Confirmação: Os indicadores financeiros são confirmados por um documento de transação, e não por um tweet.
Peec AI: US$ 4 milhões de ARR (até US$ 833.000/mês)
Uma empresa de Berlim que rastreia como uma marca é representada na pesquisa de IA (ChatGPT, Perplexity, Gemini). Fundador Marius Meiners. O primeiro protótipo foi montado no v0 da Vercel em cerca de um dia e meio. O produto foi então desenvolvido de forma tradicional, por uma equipe. Em novembro de 2025, a empresa anunciou uma Série A de US$ 21 milhões, com um total de US$ 29 milhões arrecadados. Naquela época, a Peec AI tinha mais de 1300 empresas conectadas e um ARR de cerca de US$ 4 milhões (aproximadamente US$ 333.000 por mês). Mais tarde, o ARR cresceu para US$ 10 milhões (cerca de US$ 833.000 por mês).
Vibecoding: Usado para criar rapidamente um protótipo e verificar a demanda, mas o produto principal foi construído tradicionalmente.
Wave AI: US$ 7 milhões de ARR
Um aplicativo para gravar, transcrever e recontar áudio, focado em conversas comuns, não em reuniões. Autor Josh Moorer, ex-CEO do Uber em Nova York, não programador. Ele montou o primeiro protótipo funcional em Swift em um dia, usando o ChatGPT. O projeto atingiu US$ 7 milhões de ARR com US$ 3 milhões de lucro anual e cerca de 4000 assinantes pagos.
Vibecoding: Protótipo criado com a ajuda de IA.
Característica: Altos custos de acesso aos melhores modelos para garantir a qualidade da transcrição, que é o produto chave.
Projetos que não atingiram o limite, mas são frequentemente mencionados
Esses projetos são frequentemente incluídos em seleções, mas seus indicadores financeiros não correspondem ao limite definido.
Cal AI: US$ 2 milhões de receita mensal, mas o rótulo é duvidoso
Um aplicativo para contar calorias a partir de uma foto de comida. Autores Zach Yadegari e Henry Langmack. Lançado em maio de 2024. Em julho de 2025 — 8,3 milhões de downloads e, de acordo com a CNBC Make It, cerca de US$ 1,4 milhão de lucro bruto por mês, e também é mencionado US$ 2 milhões de receita mensal. Em termos de dinheiro, passa, mas em termos de rótulo de vibecoding — não. O TechCrunch revelou que Yadegari escreveu o código sozinho, começando a programar aos dez anos. Os modelos Anthropic e OpenAI são usados apenas para reconhecimento de imagem dentro do produto.
fly.pieter.com: $1 milhão ARR, mas pico de $87.000/mês
Simulador de voo no navegador de Pieter Levels. Protótipo básico em 30 minutos. $1 milhão ARR foi anunciado em fevereiro de 2025, 17 dias após o lançamento. O pico de receita mensal foi de cerca de $87.000. Monetização: modelos de aeronaves pagos e itens por $29,99. Método de Levels: “um prompt – uma camada”. $1 milhão ARR é uma projeção anual, não um milhão ganho. O projeto não atingiu o limite de $100.000 de receita mensal.
Stanley: $1 milhão ARR, mas não receita
Ferramenta de IA para trabalhar com conteúdo, criada por Vitaly Dodonov e John Hu em 14 dias. A versão para LinkedIn foi lançada em junho de 2025 e, seis semanas depois, mostrava $200.000 ARR. A equipe ultrapassou a marca de $1 milhão ARR em outubro de 2025. “Aplicativo em 14 dias” refere-se ao primeiro corte funcional, não ao produto completo. O valor principal foi adicionado após o lançamento. Novamente, isso é ARR, não receita real.
Lumoo: €700.000 ARR, cerca de €58.000/mês
Plataforma para marcas de moda e varejo de Henrik Skagerlind Fast e Peter Törngren. Oferece visualizações fotorrealistas e prova virtual. No caso da Lovable, em nove meses o produto atingiu €700.000 ARR, conectando mais de quinze marcas. O objetivo é €1 milhão ARR até novembro de 2025. A receita mensal é de cerca de €58.000, o que está abaixo do limite. O sucesso do projeto é devido às conexões da indústria dos fundadores, e não a uma interface gerada.
Plinq: $456.000 ARR, cerca de $38.000/mês
Aplicativo de verificação de antecedentes e segurança de Sabine Matos. Construído inteiramente na Lovable. Foi relatado 6.000 ARR, atraiu R$3 milhões e mais de 10.000 usuários. 6.000 ARR é cerca de $500 por mês, e isso na melhor interpretação. O caso é interessante porque o aplicativo construiu uma audiência antes do dinheiro. Os investimentos vieram após o surgimento dos usuários, e não devido à geração da primeira versão pela ferramenta.
Conclusões gerais e fatores chave de sucesso
A análise mostra que o sucesso dos projetos não se resume a código barato gerado por IA. Existem várias características comuns entre as startups de sucesso.
Tamanho da equipe no início
Quatro dos cinco casos de sucesso começaram com uma ou duas pessoas. Isso não é tanto mérito do vibecoding, mas sim um indicador de que o produto pode ser montado mais rapidamente do que uma equipe pode ser formada.
Infraestrutura nos ombros de outros
Projetos bem-sucedidos usaram ativamente serviços e APIs de terceiros:
Medvi terceirizou médicos, farmácias e advogados.
Wave AI usou APIs de terceiros para transcrição.
Cal AI — para reconhecimento e base de produtos.
Lumoo integrou-se aos fluxos de trabalho existentes das marcas.
Só era preciso construir do zero o que não existia no mercado.
O dinheiro não vem de código barato
Nenhum produto venceu exclusivamente por código barato ou gerado. O dinheiro veio de outros fatores:
Cal AI — através de influenciadores.
Stanley — através da distribuição via LinkedIn.
Medvi — através de contratados com licenças.
Wave AI — através de inferência cara (cálculo de modelos).
Plinq — através de uma audiência que surgiu antes da receita.
A geração de código encurta o caminho até o lançamento, mas não é a principal fonte de receita.
Método de verificação multimodelos
Quase todas as equipes da seleção usam a técnica de passar uma tarefa por vários modelos e comparar os resultados. Assim, Peec AI verificava a demanda, Base44 roteava os prompts, e Levels montava as camadas do jogo, mudando o modelo para cada tarefa. Isso permite testar hipóteses rapidamente e encontrar soluções ótimas. Você pode testar essa abordagem em uma noite: pegue seu prompt atual e execute-o através de três modelos diferentes para ver as divergências e escolher a melhor opção.
Perguntas Frequentes
Qual CPM considerar vantajoso para testar hipóteses?
Para testar hipóteses, não é importante apenas o CPM, mas também a velocidade de obtenção de dados. Se as ferramentas de IA permitem gerar criativos e lançar campanhas rapidamente, mesmo com um CPM relativamente alto, o teste de hipóteses é barato devido à redução de tempo e esforço. Um CPM vantajoso é aquele que fornece um volume suficiente de dados para a tomada de decisão com custos mínimos de lançamento. Por exemplo, se o preço por um clipe pronto, gerado por IA, permite lançar 100 variantes pelo mesmo orçamento que 10 variantes de uma pessoa, isso é vantajoso.
O que é mais barato: publicidade em banner ou blogueiros?
A comparação direta de preços é difícil, pois o resultado é diferente. A publicidade em banner (quanto custa 1 milhão de impressões via banner) pode ser mais barata em CPM, por exemplo, CPM mais barato que 50 rublos por 1000 impressões. Mas os blogueiros fornecem integração nativa e confiança da audiência. Para uma alternativa econômica às publicações de blogueiros, pode-se considerar um pacote de postagens em massa cujo preço será menor, mas o alcance pode ser menos direcionado. Mais barato que influenciadores pode ser apenas seu próprio tráfego ou um direcionamento muito específico.
Vale a pena investir em IA para criação de conteúdo?
Se o objetivo é reduzir o custo de produção de conteúdo e aumentar a velocidade, então vale a pena o investimento em IA — definitivamente sim. Por exemplo, o custo de geração de 100 vídeos de IA será muitas vezes menor do que criá-los manualmente. O custo de singularização de um vídeo com IA também reduz significativamente os gastos. No entanto, é importante lembrar que preço vs resultado é um fator chave. A IA acelera o processo, mas um resultado de qualidade ainda requer controle e aprimoramento humano.
Como avaliar o custo da produção de vídeo com IA?
O preço por minuto de vídeo de IA com avatar pode variar. É importante considerar não apenas a geração, mas também quanto custa cortar 1 hora de stream em clipes curtos usando IA. Isso permite obter muito conteúdo de uma única fonte. O custo de publicação de 500 vídeos, se gerados ou cortados por IA, será significativamente menor do que o trabalho manual. O que é mais barato: banner ou tráfego pago — é uma questão de eficiência, não apenas de preço, e a IA pode aumentar a eficiência de qualquer canal através da personalização e escala.
Conclusão
A análise mostra que “milhões em vibecoding” é mais um mito do que uma realidade, se considerarmos o lucro líquido do código gerado. O sucesso dos projetos reside na capacidade de montar rapidamente um MVP, usar infraestrutura de terceiros e escalar o negócio através de distribuição eficaz e trabalho com clientes, e não apenas por meio de código barato. A economia unitária desses projetos baseia-se em uma abordagem complexa. Antes de acreditar em mais uma história de sucesso, sempre exija capturas de tela das estatísticas e faça a pergunta principal: quanto dinheiro trará cada rublo gasto. Para aqueles que estão dispostos a experimentar, recomendamos tentar diferentes modelos para a mesma tarefa. Use o código promocional CTRLAI para um desconto de 20% em qualquer plano na SYNTX.AI.
O CPM é lucrativo? Esqueça a posição nos resultados, calcule o dinheiro real
O CPM é lucrativo apenas quando se converte em dinheiro. Com a chegada das análises de IA (AIO) na Google Search Console, as métricas tradicionais de posição são distorcidas, criando uma falsa percepção de visibilidade. Isso exige uma reavaliação da abordagem para avaliar a eficácia do SEO, focando em visitas e conversões reais, e não em números que não valem nada.
Block Flattening: como o Google distorce os dados
A Google Search Console usa uma abordagem chamada “block flattening” (achatamento de bloco) para exibir as análises de IA. Isso significa que todo o bloco AIO, que frequentemente aparece na primeira posição, é considerado uma única posição, e todos os links dentro dele recebem essa mesma posição “top” nos relatórios.
“O rastreamento de posições tradicionais para funções de IA é difícil de tornar útil”, afirmou John Mueller do Google Search.
Isso faz com que até mesmo links ocultos atrás do botão “Mostrar mais” recebam a mesma posição 1 que os visíveis imediatamente. Como resultado, os dados da Search Console podem mostrar alta visibilidade, embora o usuário possa não ter notado seu site.
Por que a “posição média” não funciona mais
O problema da “posição média” existia mesmo antes do AIO, pois é uma média matemática simples. A pesquisa é personalizada: os resultados mudam dependendo da geolocalização, dispositivo e consulta. Misturar todos esses fatores em um único número médio não reflete a imagem real.
Sua página pode estar na posição 1 no AIO, mas na posição 19 nos resultados normais.
A Search Console pode mostrar uma “posição média” de 10, ocultando esses valores extremos.
Como as impressões (Impressions) enganam
As regras do Google para contagem de impressões estão desatualizadas e não levam em conta a interatividade dos resultados de pesquisa modernos. Uma impressão é registrada assim que o resultado é carregado na página, mesmo que o usuário não o veja. Isso significa que:
Todos os links no AIO são contados como impressões por padrão, mesmo que o usuário tenha lido apenas a primeira frase.
Links ocultos atrás de elementos interativos (por exemplo, “Mostrar mais”) não são contados como impressões até que o usuário clique neles.
Isso cria um paradoxo: links invisíveis recebem “impressões”, enquanto os úteis, mas ocultos, são ignorados.
Pesquisas mostram que o AIO muda significativamente o comportamento do usuário e afeta se o CPM é lucrativo ou não. Por exemplo:
Um estudo da Seer Interactive mostrou que o CTR para sites citados diminuiu em 61%.
Uma pesquisa de campo da SEJ revelou que o AIO reduz os cliques nos resultados orgânicos normais em aproximadamente 38%.
Isso acontece porque os usuários obtêm as informações necessárias diretamente do AIO e não acessam sites de terceiros. Isso é especialmente relevante para consultas informativas, onde o AIO aparece em 21% dos casos.
Em vez de perseguir posições efêmeras, o afiliado deve se concentrar em métricas reais. Testar hipóteses é barato se você entende o que está medindo. Se você vê que sua marca é mencionada no AIO – isso já é bom. Em seguida, você precisa observar:
Visitas reais ao site: quantos usuários realmente acessaram seu recurso.
Geração de leads: quantas consultas ou contatos você recebeu.
Conversões: quantas vendas ou ações-alvo foram realizadas.
Esses indicadores não são distorcidos pelo “block flattening” e fornecem uma compreensão clara de quanto dinheiro será gerado por cada rublo gasto. Para controlar a exibição real da página, use ferramentas que simulam uma visualização ao vivo, em vez de depender de dados médios do Google.
Perguntas Frequentes
O que é “block flattening” na Search Console?
“Block flattening” é um método pelo qual o Google Search Console agrupa todo o bloco de análise de IA (AIO) em uma única posição, geralmente a primeira. Todos os links dentro desse bloco recebem essa mesma posição “top” nos relatórios, independentemente de sua localização real ou visibilidade para o usuário.
Por que a posição média na Search Console se tornou menos confiável?
A posição média sempre foi uma métrica média que não leva em conta a personalização da pesquisa (geolocalização, dispositivo). Com o advento das análises de IA, ela se tornou ainda menos confiável, pois a mesma página pode estar na primeira posição no AIO e na vigésima nos resultados normais, o que leva a um valor médio distorcido.
Como as análises de IA afetam o número de cliques?
As análises de IA podem reduzir significativamente o número de cliques nos resultados orgânicos. Os usuários frequentemente obtêm todas as informações necessárias diretamente do AIO e não acessam sites de terceiros, o que leva a uma queda no CTR para muitos recursos.
Em quais métricas devo me concentrar em vez das posições na Search Console?
Em vez de posições, você deve se concentrar em indicadores reais: o número de visitas reais ao site, a geração de leads, as conversões e se sua marca é mencionada nas análises de IA. Essas métricas fornecem uma imagem mais precisa da eficácia real do seu SEO.
Conclusão
As métricas antigas não funcionam. Preço vs resultado — é isso que importa. Esqueça as ilusões de “posição média” e “impressões” que não geram dinheiro. Concentre-se em visitas reais, leads e vendas. Só assim você pode entender se seu CPM é lucrativo e se a IA vale a pena. Analise a economia unitária, e não os relatórios que o próprio Google admite serem imprecisos. Mude para uma nova estratégia de avaliação de eficácia, baseada em dados reais, e não em números que não valem nada.
Um estudo de 68.334 respostas de cinco plataformas de IA diferentes revelou quais marcas fintech dominam o cenário da inteligência artificial. Se você quer entender como o CPM é lucrativo na nova realidade da pesquisa, esta informação é crucial.
Os métodos tradicionais de SEO não garantem visibilidade na IA, o que significa que muitas empresas estão perdendo a oportunidade de obter tráfego onde os consumidores procuram respostas para questões financeiras. Analisamos 250 consultas em 10 categorias de produtos fintech para consumidores para determinar o cenário real.
De acordo com a Plaid, mais de 200 milhões de pessoas fazem perguntas sobre finanças pessoais apenas no ChatGPT mensalmente. Adicione a isso o Google AI Overviews e o Claude — e o volume de soluções formadas por IA se torna colossal.
Uma pesquisa da LendingTree mostrou: quase metade (49%) dos usuários de chatbots afirmaram que a IA influenciou pelo menos uma de suas decisões financeiras, mais frequentemente relacionadas a orçamentos, impostos ou abertura/fechamento de contas e empréstimos.
“O sucesso na pesquisa tradicional não significa visibilidade automática na IA. Você pode dominar o Google para consultas-chave e ainda não aparecer nas respostas do ChatGPT para perguntas semelhantes. A magnitude dessa lacuna é surpreendente”, observam os especialistas.
Das 68.334 respostas, 7.317 marcas únicas foram mencionadas. A pontuação máxima de visibilidade de IA (escala de 100 pontos, considerando frequência de aparição, posição de menção e número de categorias) foi de 65,6.
Entre as marcas puramente fintech, nenhuma ultrapassou a marca de 65. Isso indica que o mercado é fragmentado e que os recém-chegados têm uma chance.
Metodologia: como calculamos a pontuação de visibilidade de IA
10 categorias: selecionadas pela relevância para o setor.
Posição da menção: determinada pela primeira aparição no texto da resposta.
Tonalidade: avaliada pelo contexto circundante das palavras-chave. São proxies textuais, não marcação manual.
Líderes em visibilidade de IA: quem e por quê?
A Apple lidera com 65,6 pontos. Embora não seja uma marca puramente fintech (Apple Pay, Apple Card), ela estabelece o padrão. Entre as empresas puramente fintech, a SoFi lidera com 64,6 pontos.
A razão é simples: a SoFi é a única marca que apareceu em todas as 10 categorias fintech, incluindo bancos, empréstimos, investimentos e transferências de dinheiro. A frequência de menções representa 50% da pontuação total, e a cobertura de categorias, 20%. Nenhuma outra marca fintech se aproximou da SoFi nesse indicador.
A seguir estão:
PayPal: 59 pontos (3º lugar).
Charles Schwab: 53.6 pontos.
Chime: 53.0 pontos.
Revolut: 52.6 pontos.
Fidelity e Wise tiveram um bom desempenho, apesar de menos menções, devido à sua aparição precoce nas respostas (em média, 3ª posição). Isso mostra que um teste de hipóteses barato sobre o impacto da posição da menção na conversão é totalmente justificado.
Exemplo da Wealthfront: amplitude é mais importante que volume
A Wealthfront, com 46 pontos, tem muitas menções, mas abrange apenas 7 das 10 categorias. Essa lacuna na cobertura custou-lhe posições em comparação com marcas com menos menções, mas com uma presença mais ampla nas categorias.
Isso demonstra que o CPM é vantajoso não apenas pela quantidade, mas também pela qualidade da cobertura.
Líderes de Categoria: Quem Domina os Nichos?
Cada uma das 10 categorias fintech tem seu próprio cenário de visibilidade de IA. O líder da categoria frequentemente não é o líder do índice geral. A concentração de marcas varia muito.
Compre agora, pague depois (BNPL): a mais consolidada. Klarna (91.8%), Affirm (83.1%), Afterpay (80%). Klarna é quase sempre mencionada primeiro.
Transferências de dinheiro:Wise lidera com 84.7% das menções, mantendo a estabilidade em todas as cinco plataformas de IA. Remitly (66.8%) e Western Union (55.2%) ficam para trás. Wise ocupa o primeiro lugar em 57.7% das respostas onde aparece. Este é um excelente exemplo de uma marca desafiante superando um veterano.
Investimentos:Fidelity (74.5%) e Charles Schwab (73.8%) são co-líderes, a IA não dá preferência a nenhum deles. Robinhood (56.3%) está em terceiro lugar. Marcas menores com conteúdo forte em comparação de recursos competem com os gigantes.
Robo-advisors:Betterment (84.2%) e Wealthfront (75.7%) – um par claro. Betterment é frequentemente mencionado primeiro.
Serviços bancários:SoFi (59%) e Chime (54.2%) lideram. Capital One (40.3%) e Ally Bank (40.2%) dividem o terceiro lugar.
Criptomoedas:Coinbase domina com 72.9% das menções. Kraken (64.9%) e Binance (52.5%) seguem.
Orçamento:YNAB lidera com 72.8% das menções e é quase sempre a primeira ferramenta de orçamento que a IA nomeia. Monarch Money (55.5%) ocupa o segundo lugar.
Empréstimos: a categoria mais fragmentada. SoFi (43.7%) lidera, mas a diferença para Upstart (36.5%) e LightStream (33.1%) é mínima. Aqui, um teste de hipóteses barato pode trazer resultados rápidos.
Software para negócios:Intuit lidera com 58.3% graças a QuickBooks e TurboTax. Xero (41.2%) é o segundo.
Pagamentos:PayPal (81.5%) — a marca mais mencionada, mas raramente a primeira (em média, 4.46ª posição). Venmo (64.2%), Cash App (48.1%) e Zelle (46.4%) seguem-no. Apple Pay, apesar da alta pontuação geral da Apple, ocupa o quinto lugar nesta categoria.
Tonalidade das menções e influência das plataformas de IA
Menos de 2% das menções a marcas fintech têm uma conotação negativa. As respostas da IA são geralmente neutras ou positivas. Os líderes em tonalidade positiva são ferramentas para finanças empresariais: FreshBooks, QuickBooks, Wave (mais de 75% de menções positivas).
Isso explica-se pelo facto de a IA as recomendar no contexto da resolução de tarefas, usando formulações como “QuickBooks simplifica…”.
Wise (69% de positivo) e Capital One (68.6% de positivo) destacam-se pelo alto nível de descrições favoráveis (“confiável”, “transparente”, “bem estabelecido”). A IA retira estas formulações de fontes externas, como listas dos melhores produtos em publicações financeiras.
Por outro lado, Cash App e Wells Fargo têm a maior percentagem de menções negativas (1.7% e 1.5% respetivamente), relacionadas com taxas e problemas que surgem no contexto de reclamações.
Conclusão estratégica: a tonalidade é formada pela linguagem das fontes que a IA utiliza e pelo contexto da consulta. Se a sua marca aparece mais frequentemente no contexto de reclamações, isso refletir-se-á na descrição da IA. Se for em instruções e revisões, isso também influenciará. Ou seja, a tonalidade reflete uma mistura das suas fontes, e não apenas a reputação.
Diferenças entre plataformas de IA
Cinco sistemas de IA diferem:
Pelo número de marcas na resposta.
Pelas preferências de marcas específicas.
Pelas fontes de informação.
ChatGPT menciona mais frequentemente PayPal (25.3%) e SoFi (20.5%). Claude Sonnet 4, pelo contrário, é mais seletivo. NerdWallet mostrou uma diferença extrema: 11.5% nas Google AI Overviews contra 1.3% no Gemini.
Gemini fornece as respostas mais densas (em média 9.8 marcas), enquanto Perplexity e Claude — apenas 6. Menos marcas na resposta significa menos concorrência, o que é importante para uma alternativa orçamental à semeadura.
Reddit é mencionado em 12% das respostas do ChatGPT e 7.8% das Google AI Overviews, mas em menos de 0.2% do Perplexity e Claude. Isso indica que as plataformas de IA têm diferentes fontes de dados, o que afeta a comparação de preços da promoção.
Perguntas frequentes
O que é o AI Visibility Score?
É uma métrica de 100 pontos que mede a frequência com que uma marca aparece nas respostas da IA, quão cedo é mencionada e em quantas categorias está presente. Essencialmente, é um indicador de quanto dinheiro trará por cada rublo gasto no canal de IA.
Qual CPM considerar vantajoso na busca por IA?
Como a busca por IA está apenas se desenvolvendo, ainda não há um CPM direto. No entanto, se uma marca aparece consistentemente nas primeiras posições das respostas da IA, isso equivale a um CPM muito baixo, pois o alcance é orgânico e de alta conversão.
O foco na cobertura de categorias e na menção precoce é a chave para um CPM abaixo de 50 rublos em termos de contatos reais.
Vale a pena investir na otimização para busca por IA?
Sim, definitivamente. A IA está se tornando o principal canal para a busca de informações financeiras. Empresas que ignoram isso correm o risco de perder uma parte significativa de potenciais clientes.
Não é uma questão de “quanto custa cortar 1 hora de transmissão”, mas sim se a IA vale a pena como canal de atração de tráfego. A resposta: sim, vale a pena, e quanto antes, melhor.
O que é mais barato: banner ou segmentação na busca por IA?
A busca por IA é, em sua essência, mais próxima do tráfego orgânico. Se sua marca é mencionada pela IA, isso é gratuito, ao contrário de banners pagos ou publicidade segmentada.
Investir na otimização de IA é uma estratégia de longo prazo para obter tráfego “gratuito”, que no final se mostra mais barato que influenciadores e publicidade tradicional.
Conclusão
A análise de 68.334 respostas de plataformas de IA mostrou: o mercado de fintech na busca por IA é fragmentado, e as empresas têm a chance de assumir posições de liderança. Apple e SoFi lideram, mas suas pontuações (máximo de 65.6) mostram que o teto está longe.
Isso cria enormes oportunidades para testar hipóteses de forma barata e para empresas que se concentram na amplitude da cobertura de categorias e na otimização de conteúdo para IA. Não se deve esquecer que um CPM vantajoso na busca por IA não é alcançado por meio de posicionamento direto, mas por meio de uma profunda integração no campo de informação da IA.
A plataforma Whatnot anunciou uma nova estrutura de comissões que pode impactar significativamente a economia unitária dos vendedores. A essência é simples: quanto mais você vende, menos você paga. Isso não é caridade, mas um cálculo puro, visando reter e motivar grandes players. Entender o que é um CPM lucrativo torna-se fundamental para os vendedores nesta plataforma.
Novas tarifas Whatnot: calculando o dinheiro
Agora, os vendedores que atingem vendas mensais de $15.000 recebem uma redução na comissão. A taxa continuará a cair se o volume de vendas exceder $250.000. Para os principais vendedores, a Whatnot anuncia uma possível redução da comissão para 3%. Isso é apresentado como as “comissões mais baixas do setor”.
“Nossos vendedores tornaram isso possível. Os negócios que vocês construíram trouxeram mais compradores, produtos e comunidades para a Whatnot”, afirma o blog da Whatnot. — “À medida que o mercado se expande, encontramos novas maneiras de apoiar o que os vendedores estão construindo aqui. Comissões mais baixas, incorporadas ao funcionamento da Whatnot, e não oferecidas como uma promoção temporária, são o próximo passo.”
Como isso funciona na prática?
Vendas a partir de $15.000 por mês: redução da comissão.
Vendas a partir de $250.000 por mês: redução adicional.
Principais vendedores: comissão de até 3%.
O CPM lucrativo para grandes players é óbvio. Quanto maior o faturamento, menor a porcentagem de deduções, o que aumenta diretamente a margem de lucro. Este é um exemplo clássico de como a plataforma estimula o crescimento, oferecendo condições mais favoráveis para aqueles que já geram uma receita significativa.
Whatnot: fatos e números
A Whatnot se posiciona como pioneira no comércio eletrônico, combinando vendas de produtos usados e live-streaming. Fatos:
Em 2025, a plataforma gerou $8 bilhões em valor bruto de mercadorias (GMV).
Atrai 650.000 novos usuários semanalmente.
Arrecadou $545 milhões na rodada da Série G com uma avaliação de $20 bilhões.
Esses números mostram que a plataforma tem uma sólida margem de segurança e pode se dar ao luxo de investir na lealdade dos vendedores, reduzindo as comissões. O objetivo não é o altruísmo, mas o aumento estratégico de volumes e a retenção de líderes de mercado. Esta é uma espécie de alternativa orçamentária para a semeadura para a plataforma, motivando os vendedores a aumentar o tráfego e as vendas por conta própria.
Motivação dos vendedores: o caso Arkollab
Como exemplo, a Whatnot cita o caso do vendedor Arkollab, que participou do programa piloto das novas tarifas e dobrou suas vendas mensais. Isso confirma que a redução de comissões funciona como um forte incentivo. Para a plataforma, é uma forma de garantir um teste barato de hipóteses e confirmar a eficácia do novo modelo.
Não apenas para os grandes: uma chance para os “pequenos”
Embora as novas condições sejam principalmente vantajosas para grandes vendedores, a Whatnot afirma que quase 20% dos vendedores que atingiram $15.000 em vendas em quatro semanas, há apenas seis meses vendiam menos de $5.000 no mesmo período. Isso indica o potencial de crescimento para todos. Se o seu (CPM for inferior a 50 rublos) e você estiver mostrando crescimento, este pode ser o seu caminho para condições mais favoráveis.
Perguntas frequentes
Qual CPM deve ser considerado lucrativo?
Um CPM lucrativo é aquele que garante uma economia unitária positiva. No caso da Whatnot, a redução da comissão para 3% significa que, para o vendedor, cada dólar de vendas gera mais lucro líquido, tornando o CPM lucrativo com alto volume.
Vale a pena a IA, e o que é mais barato: banner ou blogueiro?
A questão do custo de singularizar um vídeo ou gerar 100 vídeos de IA não se relaciona diretamente com as comissões da Whatnot, mas é importante para a compreensão geral dos custos de conteúdo. No contexto da Whatnot, onde o conteúdo ao vivo domina, os investimentos na produção de streams de qualidade podem ser mais eficazes do que a produção em massa de vídeos de IA para outras plataformas. O que é mais barato, banner ou blogueiro? Na Whatnot, o blogueiro é o vendedor, e sua eficácia afeta diretamente o tamanho da comissão. A redução da comissão torna o “blogueiro” (vendedor) na plataforma mais lucrativo.
Como as novas tarifas afetarão o custo de publicação de 500 vídeos?
Se estamos falando da publicação de 500 streams ou vídeos curtos na Whatnot, ao atingir altos volumes de vendas, o custo de publicação de 500 vídeos será indiretamente reduzido devido à diminuição da porcentagem de comissão de cada venda. Isso torna a plataforma mais atraente para aqueles que estão dispostos a trabalhar intensamente.
Conclusão: o dinheiro decide
A nova estrutura de comissões da Whatnot não é apenas um desconto, mas um cálculo claro para escalar o negócio. Para os vendedores, é um incentivo direto para aumentar os volumes, a fim de obter comissões baixas e aumentar o lucro líquido. Para a plataforma, é uma forma de reter e motivar os principais players, garantindo um crescimento estável do GMV. Se você trabalha na Whatnot, é hora de recalcular sua economia unitária e entender como as novas condições podem aumentar seu dinheiro. Comece a fazer mais streams para obter seu CPM lucrativo.
