A operação Peahi tem fundamentos saudáveis. O pixel Meta dispara value (R$530.778 atribuídos em 30d, 1.819 purchases, ticket médio R$292, coerente com moda BR), GA4 captura 1.888 purchase events e 1.009 SKUs com cobertura 116% do revenue, e a estrutura de campanhas tem 12 IDs ENABLED entre Meta e Google. Não é uma conta quebrada, é uma conta com R$30,5k/mês de eficiência mascarada.
Três frentes concentram 60% do impacto recuperável: (1) Smart Bidding do Google sendo poluído por 11 conversion actions com primary=True (incluindo App Installs como purchase, 3 PURCHASEs com janela 90d errada pra moda); (2) R$7,6k/mês queimando em campanha "[Reconhecimento] Engajamento" otimizando pra likes em vez de venda; (3) 1.323k "conversions" GA4 vs 1.752 vendas reais (ratio 755:1) que contamina qualquer importação cross-platform. Esses 3 fixes consolidam ~50% do impacto e destravam o resto da otimização.
Achados desta auditoria que validam diagnóstico via API: PMAX BR Ações + Coleções com lost_rank 75-80% (não consegue escalar por concorrência criativa), 21/21 device criteria com bid_modifier zerado, funil checkout com drop AC→BC de 79% e BC→Purchase de 80% (esperado 30-45%), e overlap de receita Meta+Google vs GA4 de 25,7% (dupla contagem real, R$3-5k/mês mal alocado).
Ferramentas → Medição → Conversões · exportar CSV completo das 11 actions primarypurchase tracked via Firebase + GA4?view_item_list (702.497), view_item (426.226), session_start (160.826), add_to_cart (45.448), begin_checkout (9.366). Total 1.323.765 "conversions" no mês com apenas 1.888 purchase events reais. Se Meta/Google estiverem importando esses eventos via GA4 audiences, conversion link ou Google Ads import, os algoritmos otimizam pra view, não pra venda, destruindo Smart Bidding cross-platform. É o finding upstream que distorce 4 outros (incluindo o funil checkout e a dupla contagem).
key_event tudo que não for: purchase, begin_checkout (proxy de intenção), add_to_cart (proxy de interesse alto)Ferramentas → Medição → Importar conversões → GA4 · garantir que SÓ importa purchaseAddToCart 180d tem apenas 20 pessoas em conta com 21.625 add_to_cart events em 30d. Semelhante (1%) - 20250618_Base Ativos com count=-1 (vazio). Foram criadas em janela onde pixel não tinha value · pixel hoje funciona mas audiences nunca foram recriadas com seed limpa. Resultado: ad sets de retargeting estão entregando pra audiência inexistente, e lookalikes operam sem seed real.
Purchase 180d, AddToCart 180d, InitiateCheckout 90d, ViewContent 60d(direct)/(none) 16,2% (26.535 sessions), l.instagram.com/referral 4,1% (6.756), Firebase/notification 3,1% (5.060), (not set) 2,4% (3.964), total 25,8% em buckets sem atribuição confiável. Significa que link de bio Instagram, push notifications do app, links em email pontual e parcerias não estão padronizados com UTM. Atribuição quebrada → canais "direct" recebem crédito que era de outro lugar. Decisão de aumentar/reduzir budget por canal fica viesada.
?utm_source=app&utm_medium=push&utm_campaign=...(direct) · pode ser bookmark, dark social, ou link sem UTMpurchase events GA4 últimos 30d com filtro por sessionSourceMediumuser_id em GA4 desde signup/checkout (cross-device)Ferramentas → Biblioteca compartilhada → Audience manager · checar last_modified de cada listaOUTCOME_ENGAGEMENT e daily_budget R$254, projeção R$7.620/mês otimizando pra likes/comments, não pra venda. Em conta com pixel funcional (R$530k receita atribuída) e ROAS reportado das vendas saudável, esse spend é alocação contra-objetivo direto. Ou converte pra prospecção via objective Sales com audiências top of funnel, ou pausa e reinveste nos PMAX/Search non-brand. É o maior R$ recuperável imediato da auditoria.
OUTCOME_SALES com audience signal IG Business das vendedoras (já existem) e otimizar pra Add to Cart como proxyBrand exclusion list no PMAX, o algoritmo é creditado por conversões que aconteceriam de qualquer forma via Search Institucional. ROAS reportado PMAX é otimista; ROAS de aquisição real é bem menor. Diagnóstico via API confirma: PMAX BR Ações tem lost_rank 75% e Coleções 80%, algoritmo não consegue escalar por concorrência criativa, prova de que limpeza brand vai liberar performance real.
Ferramentas → Biblioteca compartilhada → Exclusões de marca → + · adicionar "Peahi" + variações ("peachi" typo)Explore → Funnel → view_item → add_to_cart → begin_checkout → add_payment_info → purchasebid_modifier=0.0. Smart Bidding teoricamente ajusta sozinho, mas em campanhas com volume fragmentado por device, ajuste explícito ainda dá ganho mensurável. Mobile em moda BR geralmente tem CPA 30-50% maior que desktop, sem ajuste, mobile come budget desproporcional. Em conta com Search budget-bound (lost_budget 63%), cada R$ otimizado é compounding.
Peahi (id 127485852687) tem 1 RSA. Peahi - Exata (id 157609802379) tem 3 RSAs. Peahi - Exata (id 157609802539) tem 2 RSAs. O ad group com 1 RSA não tem variação de copy, sem aprendizado, sem teste, Smart Bidding fica "preso" naquele RSA. Em ad group com volume relevante (Search Institucional gera 3.471 cliques no agregado), manter sempre 2-3 RSAs ativos é hygiene básica de teste contínuo.
ad_schedule configurado. Todas rodam 24h/dia, 7 dias/semana, com mesmo bid em janelas de baixa conversão (madrugada 1-6h, segunda à tarde). Em ecomm de moda BR, conversão concentra entre 18h-23h e fim de semana, bidar igual em horário morto é ineficiência de budget. Análise por hora dos últimos 30d permite identificar janelas onde fazer -20% de bid sem perder volume relevante.
insights.py hourly · identificar janelas de baixa conversãooptimization_goal=VALUE mas sem segmentação clara entre prospecção (audiência fria), consideração (engajados), retargeting (carrinho/wishlist). Smart Bidding tenta otimizar pra value direto em todo o funil, sub-aproveitando audiences customizadas que existem (Liquideiros, IG Business vendedoras). Estrutura de funil clara permitiria budget mais eficiente e mensageria adaptada por estágio.
dito/email = 3.978 sessions (2,4% do total), R$14.088 receita atribuída, plus Sellbie/email = 53 sessions adicionais. Volume baixo (< 5% das sessões) mas receita relevante já com cadência atual, sinal de que cada email entregue gera receita acima da média. Cliente tem CRM ativo (Dito + Sellbie) e base de compradores 90d significativa (1.888 purchases nos últimos 30d apenas). Cadência atual provavelmente 1-2 emails/mês quando deveria ser 1-2/semana com segmentação. Em e-commerce maduro de moda, email é top 3 por ROI.
read.py search-terms · listar termos com clicks > 5 sem conversion