Anatomia de uma conta Google Ads de 10M€

10M€ por ano de investimento Google Ads em uma única conta de anunciante coloca esse perfil no top 0,5% das contas Google Ads francesas por volume. Nas contas observadas nos benchmarks Google Ads públicos, a mediana francesa das contas Google Ads ativas em SaaS B2B está em torno de 35-80k€/ano de investimento; o quartil superior atinge 250-600k€/ano; as contas acima de 1M€/ano representam menos de 4% do painel; as contas de 10M€+/ano são raríssimas — tipicamente unicórnios ou editores SaaS em hipercrescimento com ICP corporate enterprise

Este artigo é um estudo long-form anonimizado de uma dessas contas. ARR 80M€, ACV 25k-150k€, ICP CIO mid-market 200-2000 funcionários, 8 mercados europeus cobertos, equipe paid de 5 pessoas, infra data BigQuery + Looker Studio + server-side GTM, 12 scripts custom Google Ads em produção. 18 meses de pilotagem observada, desde o momento em que a conta passou de 4M€/ano para 10M€/ano de investimento. Sem nome de empresa. Sem números precisos que revelariam. Mas todo o resto — organograma, estrutura MCC, alocação de orçamento por canal, KPIs, stack de ferramentas, workflow de incrementalidade, erros cometidos e corrigidos — está documentado com a precisão operacional que nunca se encontra nos case studies de marketing.

Por que publicar isso? Porque as contas SaaS B2B mid-market FR que sobem em investimento (1M€, 2M€, 5M€/ano) esbarram quase todas nos mesmos problemas estruturais uma vez passado um certo limiar — e a documentação pública sobre a mecânica real de uma conta 10M€/ano é, em 2026, praticamente inexistente. O que circula em conferências SEA é quase sempre marketing ou um "como reduzimos o CPA em 40%" sem contexto. Este artigo não tem essa vocação. Ele descreve o cotidiano operacional de uma conta 10M€/ano, com opiniões cortantes e posições críticas sobre incrementalidade, canibalização e métricas ingênuas que são a marca registrada da minha assinatura. Para os fundamentos Performance Max que sustentam parte da análise, veja nosso guia Performance Max 2026. Para o pilar SaaS B2B, veja nossa estratégia Google Ads SaaS B2B. Para avaliar a saúde da sua aquisição (>3 = healthy SaaS, abaixo de 1 = unprofitable), nosso calculador LTV:CAC retorna o ratio + interpretação.

O contexto: SaaS B2B maduro, ARR 80M€, equipe paid de 5 pessoas

O editor estudado é um SaaS B2B vertical maduro operando no segmento ITSM/IT Operations com submódulos ServiceDesk, IT asset management e workflow automation. ARR consolidado 80M€ no momento do estudo, crescimento orgânico sustentado a +35% YoY nos últimos 24 meses. ACV médio 65k€/ano com uma distribuição bimodal — um cluster mid-market a 25-45k€ e um cluster enterprise a 80-150k€. Ciclo de venda mediano 90 dias, P75 a 165 dias, P90 a 240 dias. ICP principal: CIO ou Head of IT Ops em empresas 200-2000 funcionários; ICP secundário: Director Service Management em empresas 2000+ funcionários.

8 mercados europeus cobertos: França (mercado histórico, ~28% do investimento), UK (~22%), Alemanha (~18%), Espanha (~9%), Itália (~7%), Países Baixos (~6%), Suécia (~5%), Bélgica (~5%). Sem presença US ou APAC neste estágio — decisão estratégica da diretoria para focar na Europa antes da expansão intercontinental. Site multilíngue 8 idiomas, equipe sales local em cada mercado principal (FR, UK, DE), equipe sales centralizada para os demais.

Investimento Google Ads anual: 10M€ estável, com sazonalidade moderada — Q1 e Q3 ligeiramente superiores (ciclos de orçamento IT no início do ano e planejamento Q4 antecipado), Q4 ligeiramente inferior (congelamento de orçamento IT empresarial comum). A distribuição mensal varia de 700k€ (agosto, dezembro baixos) a 1,1M€ (março, setembro picos). Nenhuma campanha "always-on" cortada por sazonalidade — a conta roda 365 dias, a arbitragem é sobre a agressividade do bid e não sobre on/off.

Por que este estudo é exemplar para a comunidade SEA:

• Maturidade — 18 meses consecutivos de pilotagem a 10M€/ano com equipe estável, infra data em produção, workflow de incrementalidade operacional. Não é um caso de hipercrescimento caótico.
• Vertical pertinente — SaaS B2B mid-market é o vertical onde a maioria dos editores FR aspirantes sobem em investimento. Os aprendizados se transferem.
• Equipe interna, não agência — 5 pessoas paid in-house, não uma agência externa falando do seu cliente. Ownership operacional total.
• Tracking limpo — offline conversions imports ativos, server-side tracking em produção, holdout de incrementalidade trimestral. Os números que citamos são medidos, não extrapolados.

Os 4 invariantes observados em 18 meses:

1. O LTV:CAC consolidado permanece em 4,2:1 mediano — ligeiramente acima da meta da diretoria 4:1, apesar da pressão orçamentária +60% no período (passagem de 6M€/ano para 10M€/ano de investimento).
2. O mix de canais varia menos de 8% em 18 meses — 60% PMax, 25% Search, 10% YouTube, 5% Discovery é a alocação estável, validada trimestralmente por holdout de incrementalidade.
3. O pipeline qualificado do Google Ads alimenta 38 a 44% do pipeline new business total — os outros 56-62% vindo de SDR outbound (~25%), inbound orgânico SEO (~22%), parcerias e eventos (~15%). Google Ads é o canal individual mais importante mas não dominante.
4. A equipe paid não cresceu apesar da duplicação do investimento — passagem de 4 para 5 pessoas apenas, ganho de produtividade vindo da automação (scripts, sGTM, workflow de incrementalidade automatizado).

Esse 4º invariante é o mais instrutivo. Ele indica que a partir de uma certa maturidade, escalar investimento não exige escalar equipe — é a automação e a qualidade do tracking que desbloqueiam a alavanca de produtividade. Muitos SaaS B2B em hipercrescimento cometem o erro inverso: contratam 8-12 pessoas paid para uma conta de 3M€/ano porque não investiram em infra data previamente. Custo operacional multiplicado por 2-3, sem ganho de performance.

Para os fundamentos de auditoria que permitem identificar esses invariantes na sua conta, veja nosso checklist de auditoria Google Ads.

Organograma: Head of Paid + 4 especialistas (funções precisas, ratios)

A equipe paid de 5 pessoas é um dos aspectos mais contraintuitivos da conta. A grande maioria dos SaaS B2B em crescimento contrata demais "PPC managers" generalistas — cada manager gerencia um mix de campanhas Search, PMax, YouTube, Display com KPIs similares. Nesta conta, a escolha estrutural foi inversa: 5 especialistas em 5 funções complementares, com ownership claro por função e colaboração cross-funcional.

Organograma detalhado:

Detalhe das 5 funções e seus ratios:

Head of Paid Acquisition — perfil 8-12 anos de experiência SaaS B2B, idealmente passagem por 1-2 editores em hipercrescimento. Ownership estratégico: alocação de orçamento cross-canal, board reporting trimestral, validação roadmap de incrementalidade, recrutamento e formação da equipe. Sem operacional direto nas campanhas — delega aos 4 especialistas. Ratio de tempo: 30% estratégia/board, 30% review e coaching equipe, 20% relação cross-equipes (Sales, Product, Finance), 20% projetos transversais (refatoração tracking, expansão mercado, otimização infra).

PMax Specialist — perfil 4-7 anos de experiência PMax/Discovery em SaaS ou e-com maduro. Ownership ~6M€/ano de investimento (60% da conta). Tarefas: pilotagem das 8 campanhas PMax (1 por mercado europeu), gestão dos asset groups, sinais de audiência, exclusões de marca, holdout de incrementalidade PMax, reporting Asset Group Insights. Crítico: essa função exige forte autonomia nas ferramentas de medição porque PMax é opaco por padrão — a análise fina exige BigQuery, Looker Studio e scripts custom.

Search Specialist — perfil 4-6 anos de experiência Search non-brand em conta madura. Ownership ~2,5M€/ano de investimento (25% da conta). Tarefas: pilotagem Search non-brand 8 mercados, match types, negativos semanais, bid management Smart Bidding, monitoramento dos concorrentes. A função parece clássica mas seu valor está no rigor operacional: ajustes de negativos semanais, auditoria sistemática de Search Term Reports, calibração dos targets de Target CPA em função da sazonalidade.

Brand & YouTube Specialist — perfil 3-5 anos de experiência YouTube/Demand Gen. Ownership ~1,5M€/ano de investimento (15% da conta). Tarefas: Search brand defense, YouTube Demand Gen, Discovery Ads, coordenação de criativos de vídeo com a equipe Brand interna, holdout YouTube. Função crítica para o top-funnel e o efeito halo brand — frequentemente subdotada nos concorrentes que subestimam o impacto do YouTube em SaaS B2B.

Tracking & Data Engineer — perfil 5-9 anos de experiência tracking/data engineering, idealmente passagem por fintech ou e-com maduro. Ownership transversal sobre 100% da conta. Tarefas: manutenção sGTM + Enhanced Conversions, BigQuery pipelines, Looker Studio dashboards, 12 scripts Google Ads custom, offline conversions imports HubSpot. É a função pivô que desbloqueia a produtividade de toda a equipe — uma conta de 10M€/ano sem Tracking & Data Engineer interno paga em excesso de contratação de campaign managers, em fees de agência, ou em performance degradada por tracking quebrado.

Por que 5 pessoas e não 8-12:

A equipe fez a escolha estrutural de investir massivamente em automação (scripts, BigQuery, sGTM, Looker) em vez de headcount. O ratio observado: 1 pessoa paid para 2M€/ano de investimento, contra 1 pessoa para 600-900k€/ano nos concorrentes observados nos benchmarks públicos. O delta de 2,5x a 3x na eficiência de headcount vem:

• Automação: 12 scripts custom Google Ads gerenciam 60-70% das otimizações rotineiras (negativos auto, bid adjustments, alertas de anomalia, pacing de orçamento).
• Infra data: BigQuery + Looker permitem que cada especialista produza suas análises em self-service sem solicitar a equipe data central.
• Tracking limpo: offline conversions ativas + Enhanced Conversions = sinal Smart Bidding confiável, portanto menos otimização manual necessária.
• Especialização: cada função desenvolve expertise vertical por 18-24 meses em vez de conhecimento superficial multicanais.

O contraexemplo instrutivo: um editor SaaS B2B mid-market FR observado em paralelo com investimento de 3,2M€/ano tinha 6 pessoas paid. Produtividade: 1 pessoa para 530k€/ano. Performance global da conta: LTV:CAC 2,8:1, vs 4,2:1 na conta estudada. A contratação excessiva não compensou a ausência de infra data — pelo contrário, ela freou estruturalmente a implantação das ferramentas porque cada manager defendia seu ownership operacional. Lição: escalar produtividade passa por escalar infra, não por escalar headcount.

Estrutura MCC: 1 MCC, 8 subcontas por mercado europeu

A estrutura da conta é o outro invariante forte. 1 MCC central + 8 subcontas Google Ads, 1 por mercado europeu (FR, UK, DE, ES, IT, NL, SE, BE). Sem subconta por produto, sem subconta por estágio de funil, sem subconta por tipo de campanha. Essa decisão estrutural foi tomada na passagem de 4M€/ano para 10M€/ano e nunca mais foi questionada. Ela é validada por retorno de experiência.

Por que 1 subconta por mercado e não por produto:

O SaaS B2B estudado tem 4 módulos de produto principais que frequentemente se vendem em conjunto (cross-sell intra-account após assinatura de um módulo inicial). Uma estrutura "1 subconta por produto" teria duas patologias:

1. Canibalização Search entre subcontas — um prospect buscando "ITSM ETI" seria disputado por 2-3 subcontas da mesma empresa, aumentando o CPC sem aumentar o pipeline. Documentação Google sobre a estrutura MCC.
2. Aprendizado Smart Bidding fragmentado — cada subconta teria menos conversões, portanto Smart Bidding menos estável, portanto CPA mais elevado.

Por outro lado, 1 subconta por mercado traz:

• Aprendizado Smart Bidding consolidado por mercado — cada subconta acumula 100% das conversões do mercado, maximizando o sinal disponível.
• Reporting por mercado limpo — alinhamento com a organização Sales (que é por mercado).
• Moeda e fuso horário coerentes por subconta.
• Dayparting e sazonalidade específicos por mercado — os padrões de uso variam entre FR, UK, DE e Países Baixos, e os bid modifiers hora/dia são diferentes.

Hierarquia dentro de cada subconta:

Cada subconta de mercado tem a mesma estrutura interna:

• 2-3 campanhas PMax — geralmente 1 PMax all-modules + 1 PMax verticalizada se volume justificar + 1 PMax retargeting clientes existentes para upsell.
• 8-12 campanhas Search — divididas por estágio de funil (intent solução genérica, intent solução específica, intent concorrente) e por módulo de produto principal.
• 1-2 campanhas Search brand — defense exact match, mais 1 brand variant.
• 2-3 campanhas YouTube Demand Gen — top-funnel ICP corporate.
• 1 campanha Discovery — secundária, monitorada para desvio.

Total ~15-20 campanhas por subconta, portanto 120-160 campanhas total nos 8 mercados. É bastante mas é gerenciável porque a estrutura é padronizada — cada mercado aplica a mesma grade, o que permite que os scripts custom funcionem uniformemente cross-mercado.

As 3 decisões estruturais validadas por 18 meses de observação:

1. Sem Customer Match list compartilhada cross-subcontas — cada subconta tem sua própria Customer Match list específica do mercado. É mais trabalho (8 listas para manter) mas é necessário porque as bases CRM são segmentadas por mercado e a qualidade dos hashes varia.

2. Sem campanha paneuropeia única — a tentação de uma "campanha EU" centralizada para economizar headcount foi testada durante 3 meses em 2024. Resultado: CAC +28% versus estrutura por mercado, porque as sazonalidades, idiomas e padrões de lance eram suavizados artificialmente. Decisão: retornar a 1 subconta por mercado. Veja nosso guia estratégia multi-conta MCC.

3. Currency hedging no nível MCC, não subconta — cada subconta fatura em moeda local (EUR para FR/IT/ES/BE/NL, GBP para UK, SEK para SE, EUR para DE). O hedging de flutuação cambial é gerenciado no nível Finance corporate, não no nível subconta Google Ads. Isso isola as variações FX da pilotagem paid diária.

Workflow de gestão cross-subcontas:

• MCC nível Head of Paid — visão agregada 8 subcontas, alocação de orçamento, alertas de anomalia.
• Nível especialista — acesso cross-subcontas conforme especialidade (PMax Specialist vê as 8 campanhas PMax, Search Specialist vê os 8 conjuntos de campanhas Search non-brand, etc.).
• Subconta ownership Sales/Customer Success — cada subconta de mercado tem um referente Sales que compartilha info de pipeline e qualidade dos leads. Coordenação semanal 30 min entre paid e sales por mercado principal.

Alocação de orçamento: 60% PMax, 25% Search, 10% YouTube, 5% Discovery

A alocação de orçamento por canal é um dos números mais controversos a publicar. A posição dominante em 2026 entre os atores que falam em conferências é que "PMax deveria ser 30-40% no máximo, Search continua sendo o pilar". A conta estudada contradiz essa posição: PMax representa 60% do investimento anual, ou seja, 6M€/ano. Search non-brand 25%, YouTube Demand Gen 10%, Discovery Ads 5%. Essa alocação foi validada por 6 holdouts de incrementalidade trimestrais sucessivos em 18 meses, por mercado e por canal.

A questão central: por que PMax a 60%?

Três razões cumulativas que explicam a decisão:

1. PMax se beneficia de inventários irreproduzíveis — Discover Feed, YouTube Shorts in-feed, Gmail Promotions, Maps, Search partners, Display Network premium. Em SaaS B2B mid-market enterprise, esses inventários alcançam prospects ICP (CIO navegando no Discover Feed, Head of IT Ops verificando Gmail) que nunca teriam digitado a busca Search equivalente. Sem PMax, esses prospects não são endereçáveis no Google Ads. A concorrência também não vai buscá-los — é uma vantagem competitiva silenciosa.

2. O algoritmo PMax se otimiza no deal closed-won, não no MQL — graças ao offline conversions imports HubSpot operacionais, o algoritmo PMax vê o sinal final e direciona o orçamento para os segmentos que produzem realmente deals. Sem essa infra de tracking, PMax estaria efetivamente preso ao MQL e o ratio de 60% seria insustentável. Veja nosso guia offline conversions CRM Google Ads.

3. Holdout de incrementalidade trimestral valida a performance — nos 6 holdouts geográficos sucessivos, a incrementalidade PMax medida se situa entre 68% e 78% conforme trimestre. É alto. A canibalização Search brand permanece abaixo de 12% graças às Brand Exclusions ativas. PMax é portanto realmente incremental, não uma ilusão de ótica. Para os parâmetros técnicos precisos de Brand Exclusions e de sinal de audiência, veja a documentação oficial Performance Max, que detalha as opções de controle disponíveis desde 2024.

Leitura crítica dos números:

• CAC mais baixo: Search brand a 320€. Mas incrementalidade 35-55% — canibalização SEO orgânico forte. A maioria das conversões Search brand teria chegado sem Google Ads brand, via SEO direto ou navegação direta. O ratio de 5% do investimento é portanto voluntariamente limitado — aumentar o orçamento Search brand produziria desperdício.

• CAC mais elevado: Discovery Ads a 2.800€ com incrementalidade 35-58%. É o canal menos performante e o mais monitorado. Mantido a 3% do investimento por duas razões: efeito halo top-funnel medido (os prospects expostos ao Discovery convertem +18% no Search 30 dias depois, observável via cohort tracking BigQuery), e sinal de inventário alternativo se outro canal principal derivar. Mas monitoramento trimestral obrigatório — se a incrementalidade cair abaixo de 30%, Discovery é cortado.

• Search non-brand permanece o canal com LTV:CAC mais elevado: 4,8:1 mediano em 24 meses, contra 4,1:1 no PMax e 3,2:1 no YouTube. É esperado — o Search non-brand captura o intent comercial mais expressado. A razão pela qual ele representa apenas 25% do investimento e não 50%: teto de volume. O Search non-brand pertinente em ITSM/IT Ops mid-market representa uma demanda mensal finita na França (~4.000-7.000 buscas/mês ICP alvo segundo Google Keyword Planner no cluster de palavras-chave). Acima de 2,5M€/ano de investimento Search non-brand nesse vertical, o rendimento marginal desmorona — cada euro adicional produz menos que um euro adicional no PMax que atinge inventário latente inesgotável.

• PMax é o único canal com escalabilidade não limitada nesse perfil — é o que justifica seu ratio de 60%. Se amanhã a diretoria pedir uma passagem para 15M€/ano de investimento, é o PMax que absorverá o delta de 5M€, não o Search non-brand que já está na saturação.

A alocação por mercado varia em torno da mediana consolidada:

• França: 58% PMax, 27% Search, 10% YouTube, 5% Discovery (Search ligeiramente superior pois cobertura de palavras-chave FR a mais madura).
• UK: 62% PMax, 24% Search, 10% YouTube, 4% Discovery (PMax dominante pois concorrência Search UK muito agressiva em ITSM).
• Alemanha: 55% PMax, 28% Search, 13% YouTube, 4% Discovery (YouTube mais performante em DE — cultura vídeo B2B forte).
• Espanha, Itália: 65% PMax, 22% Search, 8% YouTube, 5% Discovery (Search menos maduro, PMax compensa).
• Países Baixos, Suécia, Bélgica: 58% PMax, 26% Search, 11% YouTube, 5% Discovery.

Posição crítica sobre o "PMax superestimado" que circula em 2026:

Muitas vozes em 2026 (consultores, agências, palestrantes) mantêm uma posição "PMax é uma armadilha, mantenham 70% Search". Isso é, na maioria dos casos observados, uma posição defensiva da parte de atores que não têm a infra de tracking para pilotar PMax adequadamente. Sem offline conversions ativas, sem Brand Exclusions, sem holdout de incrementalidade regular, PMax é efetivamente uma armadilha — e a posição "PMax max 30%" é racional para esse perfil de conta. Mas com a infra de tracking limpa, PMax entrega a incrementalidade mais elevada da conta, validada empiricamente por holdouts geográficos. A questão não é "PMax bom ou ruim?" — é "você tem a infra para pilotar PMax sem ilusão de ótica?". Veja nossa análise Discovery Ads e verdade incremental que detalha os padrões de sobre-atribuição típicos em formatos automatizados e que aplicamos ao contrário da posição dominante.

KPI semanal / mensal / trimestral: a pirâmide de pilotagem

A pilotagem de uma conta de 10M€/ano exige uma pirâmide de KPI em 3 níveis — semanal operacional, mensal tático, trimestral estratégico. Confundir os níveis é o erro de pilotagem mais frequente: tomam-se decisões estratégicas sobre KPIs semanais ruidosos, ou perdem-se desvios operacionais porque se olha apenas o trimestre. A disciplina de separação é o que distingue uma pilotagem de 10M€/ano de uma pilotagem de 1M€/ano.

Nível 1 — Semanal operacional (50+ KPIs monitorados):

Owners: 4 especialistas. Frequência: revisão semanal equipe paid 30min segunda de manhã + dashboard em tempo real Looker. Decisões associadas: ajustes de bid, adição de negativos, pausa de criativos underperforming, ajustes de pacing diário.

KPIs monitorados:

• Volume de conversões semanal por canal e mercado vs forecast — alertar se desvio > 15%.
• CAC semanal por campanha — alertar se desvio > 20% vs meta.
• Search Term Reports — revisão semanal sistemática para detectar desvios de match types e oportunidades de negativos.
• Quality Score médio por ad group — alertar se queda de 1+ ponto nos ad groups principais.
• Pacing de orçamento diário por subconta — alertar se desvio > 15% vs meta mensal.
• Scripts de detecção de anomalias — 1 script custom Google Ads executado a cada 4h detecta spike de CPC, queda de CTR, queda de conv rate nas campanhas principais.
• Performance de criativos — revisão semanal dos assets PMax e Demand Gen, pausa dos assets bottom 20% performance vs top 80%.
• Inteligência competitiva Search — revisão semanal dos novos concorrentes aparecendo no Auction Insights.

Nível 2 — Mensal tático (15-20 KPIs consolidados):

Owner: Head of Paid. Frequência: monthly review 90min equipe + Sales + Customer Success primeira semana do mês. Decisões associadas: ajuste de alocação por canal e por mercado na margem (±5%), ajuste de metas Smart Bidding, validação roadmap mês seguinte. Nosso calculador MER (Marketing Efficiency Ratio) mede a eficiência marketing global, não canal por canal.

KPIs monitorados:

• CAC médio mensal por canal e por mercado — comparado à meta e trend 3 meses.
• LTV:CAC a D+90 por canal e por mercado — é o KPI primário mensal.
• Mix MQL/SQL/Opportunity/Closed-Won por canal — detecta se um canal produz junk MQL.
• Pacing de orçamento mensal vs previsão trimestre — alertar se desvio > 8%.
• Quality Score consolidado por subconta.
• Índice de canibalização PMax vs Search brand — calculado via fórmula custom baseada no uplift Search brand mês a mês.
• Pipeline qualificado new business vindo do Google Ads — compartilhado com Sales para validação de pipeline coerente.
• Velocidade de deals assinados vindos do Google Ads — tempo médio MQL → Closed-Won, alertar se alongamento > 20%.

Nível 3 — Trimestral estratégico (5-8 KPIs sintéticos):

Owner: Head of Paid + membros da diretoria (CRO, CFO, CEO). Frequência: QBR (Quarterly Business Review) 2h por trimestre. Decisões associadas: alocação de orçamento cross-channel para o trimestre seguinte, validação de expansão de mercado, validação roadmap de incrementalidade, ajuste ICP alvo se pivô estratégico.

KPIs monitorados:

• Holdout de incrementalidade por canal em 4 semanas — resultado bruto + interpretação.
• LTV:CAC consolidado em 12 meses rolling.
• Pipeline contribution Google Ads — % do pipeline qualificado new business vindo do Google Ads.
• Spend efficiency trend — investimento anualizado / closed-won anualizado em 12 meses rolling.
• Cohort ROAS by quarter acquired — performance das coortes adquiridas por trimestre, medida a 6, 12, 18 meses pós-aquisição.
• Validação mix canal — alinhamento com estratégia da diretoria (60/25/10/5).
• Inteligência competitiva consolidada — share of voice vs concorrentes diretos.

A armadilha clássica: confundir os níveis. Muitos editores SaaS B2B mid-market olham diariamente o CAC semanal e tomam decisões estratégicas de realocação a cada variação. Resultado: reação excessiva ao ruído estatístico, instabilidade crônica das campanhas, learning phase Smart Bidding constantemente reiniciada. Em conta de 10M€/ano, as decisões estratégicas são tomadas trimestralmente, ponto. O ruído semanal é tratado no nível semanal por micro-ajustes operacionais que não perturbam o mix global.

Para os fundamentos de KPI e reporting ao cliente adaptados a contextos mais modestos, veja nosso guia reporting Google Ads 10 KPIs cliente.

Stack de ferramentas: BigQuery + Looker Studio + sGTM + 12 scripts customizados

A stack de ferramentas é o investimento mais rentável da conta em 18 meses. O custo anual de infraestrutura (BigQuery storage e query, Looker Studio Pro, server-side GTM hosting, tempo dev de manutenção) é da ordem de 180-260k€/ano — ou seja, ~2,2% do investimento Google Ads anual. O que isso desbloqueia:

• Produtividade equipe paid 2,5-3x versus estrutura sem infra (validado por benchmark contra concorrentes observados).
• Tracking limpo offline conversions que torna o Smart Bidding confiável — o que justifica a alocação 60% PMax.
• Holdout de incrementalidade automatizado que torna a arbitragem de orçamento não ingênua.
• Reporting para diretoria qualidade institucional que faz com que a diretoria aprove os orçamentos sem atrito.

Componentes da stack e suas funções:

Os 12 scripts Google Ads custom e suas funções:

1. Anomaly Detector — detecta spike de CPC ou queda de CTR em campanhas principais, alerta Slack em tempo real.
2. Negative Keywords Auto-Generator — analisa Search Term Reports, propõe novos negativos, aplica automaticamente após validação semanal.
3. Pacing Budget Monitor — monitora pacing diário por subconta, alerta se desvio > 15% vs meta mensal.
4. Quality Score Tracker — mede QS semanal por ad group principal, alerta se queda de 1+ ponto.
5. Holdout Incrementality Setup — facilita a implantação dos holdouts geográficos trimestrais (exclusões, medição, comparação automatizadas).
6. Auction Insights Crawler — coleta mensal dos dados Auction Insights, detecta novos concorrentes, compartilha relatório com a equipe.
7. PMax Asset Performance Auditor — analisa performance dos assets PMax, propõe pause/promote.
8. Search Brand Cannibalisation Calculator — calcula mensalmente o índice de canibalização PMax → Search brand.
9. Geo Performance Optimizer — detecta sobre-performance ou sub-performance geográfica, propõe bid modifiers.
10. Day-Parting Optimizer — analisa performance hora/dia por campanha, propõe dayparting custom.
11. Customer Match Refresher — refresh semanal das Customer Match lists a partir do HubSpot.
12. Reporting Aggregator — consolida dados das 8 subcontas em um relatório unificado para Looker Studio.

Esses scripts estão armazenados em um repo Git interno, versionados, code-reviewed antes do deploy. Não é "copiar-colar de um blog" — é engineering em produção. A manutenção representa ~15-20% do tempo do Tracking & Data Engineer. Para uma introdução aos scripts Google Ads prontos para uso que cobrem as funções básicas, veja nosso guia 10 scripts prontos para copiar.

Server-side GTM em produção — o pivô do tracking:

O servidor GTM está hospedado no Google Cloud Run, custom domain gtm.[domínio].com. Arquitetura:

• Client GTM — dispara eventos a partir do site web e da aplicação autenticada.
• Server GTM — recebe, enriquece, deduplica, distribui para Google Ads, GA4, HubSpot, Microsoft Ads.
• Enhanced Conversions — hash SHA-256 emails server-side, enviado com cada conversão para Google Ads para matching cross-device.
• MSCLKID + GCLID + LinkedIn Click ID armazenados em cookies first-party 90 dias, injetados em formulários em campos ocultos, reportados ao CRM.
• Offline Conversions Pipeline — webhook HubSpot triggered no deal-closed-won → BigQuery → Google Ads Offline Conversions API.

Essa infra elimina 4 problemas estruturais que a maioria dos SaaS B2B mid-market subestimam:

1. Bloqueadores de cookies + iOS 18+ — o tracking server-side preserva 25-40% das conversões perdidas em client-side.
2. Deduplicação cross-device — Enhanced Conversions faz match de um usuário que clicou no ad no mobile e depois converteu no desktop.
3. Latência ciclo longo — as offline conversions reportam o deal closed-won que chega 90-180 dias após o clique inicial.
4. Sinal Smart Bidding qualidade — o algoritmo se otimiza no deal real, não no MQL ruidoso, portanto CAC real dividido por 1,4-2x.

Para o detalhe do setup server-side tracking, veja nosso guia server-side tracking GTM 2026.

Workflow holdout de incrementalidade: 1 por trimestre, 4 semanas

O workflow holdout de incrementalidade é o que distingue a conta de 10M€/ano da conta de 2M€/ano aspirante. A maioria dos editores SaaS B2B mid-market em crescimento nunca faz holdout de incrementalidade. Eles pilotam pelo ROAS aparente reportado pelas plataformas, que sobre-atribui de 15 a 32% conforme canal. Consequência: tomam decisões de realocação de orçamento enviesadas por construção. Em conta de 10M€/ano, são 1,5 a 3,2M€/ano de orçamento potencialmente mal alocado — o equivalente ao salário anual de 5-10 pessoas paid. A disciplina de holdout se torna obrigatória.

O ritmo: 1 holdout por trimestre, por canal:

• Q1: holdout PMax no mercado FR (a maior subconta).
• Q2: holdout YouTube Demand Gen no mercado DE (onde YouTube é o mais performante — teste de robustez).
• Q3: holdout Search non-brand no mercado UK (validação de que Search permanece incremental em mercado competitivo).
• Q4: holdout Discovery Ads no mercado ES (validação do canal mais marginal).

Esse planejamento rotativo faz com que cada canal principal seja testado uma vez em 18 meses, e cada mercado principal seja testado uma vez em 24 meses. A cobertura é exaustiva sem sobrecarga operacional.

Metodologia padronizada do holdout:

1. Etapa 1 — Seleção zona holdout (D-7): escolher 1 região do mercado representativa (8-15% do volume de conversão habitual), isolável geograficamente, sem viés sazonal extremo no trimestre.
2. Etapa 2 — Cortar o canal na zona teste (D+0): exclusão geográfica no nível campanha, outros canais rodam normalmente, baseline 14 dias antes do teste documentada.
3. Etapa 3 — Medição 28 dias consecutivos (D+1 a D+28): volume de conversão por dia, por canal, por zona teste vs controle. Exportação diária BigQuery.
4. Etapa 4 — Normalização e cálculo incrementalidade (D+29 a D+35): neutralização sazonalidade, cálculo canibalização cross-canal, cálculo incrementalidade real vs reivindicada.
5. Etapa 5 — Decisão (D+36): arbitragem de orçamento para o trimestre seguinte baseada na incrementalidade medida.

Resultados observados nos últimos 6 holdouts:

O que esses resultados nos dizem:

• A incrementalidade reivindicada é sistematicamente superior à incrementalidade medida — o delta varia de 12 pontos (Search non-brand UK) a 58 pontos (Search brand FR canibalização SEO). É a sobre-atribuição estrutural das plataformas Google Ads, e ela existe em todos os canais em graus diversos.

• PMax com infra de tracking limpa é o canal com melhor ratio — incrementalidade medida 72-78% em 2 holdouts. Sem infra de tracking limpa, esse ratio cairia para 40-55% segundo nossas observações em outras contas auditadas.

• YouTube Demand Gen tem incrementalidade média de 65% — moderada mas suficiente para justificar 10% do mix com efeito halo top-funnel medido.

• Search brand tem a menor incrementalidade — 48% — a maioria das conversões Search brand teria chegado via SEO direto ou navegação direta. A manutenção a 5% do mix é voluntária (defesa competitiva contra conquesting brand por concorrentes) mas aumentar produziria desperdício líquido.

• Discovery Ads ES a 42% de incrementalidade gerou corte parcial — o canal não está morto mas sua contribuição não justifica mais 5% do mix. Reduzido para 2% pós-Q4 2024.

Posição crítica sobre a indústria que não faz holdouts:

É, na maioria das contas referenciadas, o defeito mais custoso e mais invisível. Uma conta de 5M€/ano de investimento sem holdout de incrementalidade faz sistematicamente arbitragens enviesadas. A posição defensiva que ouço em conferências — "os holdouts são complicados de implementar, perturbam as campanhas" — é em 8 de 10 casos uma justificativa para não enfrentar a verdade de que metade do orçamento alocado não é realmente incremental. Em conta madura com orçamento > 1M€/ano, fazer 1 holdout por trimestre não é um nice-to-have, é a condição de validade de toda pilotagem estratégica.

Para o detalhe metodológico da implantação de um holdout de incrementalidade geográfico, veja nossa análise Discovery Ads e verdade incremental que detalha o procedimento passo a passo transponível a qualquer canal.

Reporting para a diretoria: o que sobe, o que não sobe

O board reporting trimestral é uma disciplina em si. Em conta de 10M€/ano, a diretoria (CEO, CFO, CRO) espera uma leitura sintética mas crítica da paid acquisition — não um dashboard de vanity-metrics. A regra: o que sobe para a diretoria deve ser acionável no nível da diretoria. O detalhe tático (CPA por campanha, criativo underperforming, negativos adicionados) fica no nível Head of Paid e não polui a conversa com a diretoria.

Os 7 KPIs sintéticos que sobem para a diretoria trimestral:

1. Spend efficiency consolidada — investimento anualizado / closed-won anualizado. Meta 4:1 mínimo, idealmente 4,5:1. Trend 4 trimestres rolling.

2. LTV:CAC consolidado em 12 meses rolling — por segmento de mercado e global. Decomposto por coorte de aquisição para visibilizar a qualidade das coortes recentes.

3. Pipeline contribution Google Ads — % do pipeline qualificado new business vindo do Google Ads. Meta 35-45% conforme estratégia da diretoria.

4. Resumo holdout de incrementalidade — resultado do holdout do trimestre + interpretação em 1 parágrafo. Sem detalhe metodológico, apenas resultado acionável.

5. Validação mix canal — alinhamento com estratégia da diretoria (60% PMax, 25% Search, 10% YouTube, 5% Discovery). Alerta se desvio > 5 pontos em um canal.

6. Cohort ROAS by quarter acquired — performance das coortes adquiridas por trimestre, medida a 6, 12, 18 meses pós-aquisição. Indicador primário da qualidade de longo prazo do pipeline.

7. Share of voice competitivo — Auction Insights consolidado vs concorrentes diretos principais. Trend 4 trimestres para visibilizar pressão competitiva.

O que não sobe para a diretoria (voluntariamente):

• CPA/CAC por campanha — nível Head of Paid, não diretoria. A diretoria se interessa pelo CAC consolidado e pelo LTV:CAC, não pelo detalhe campanha por campanha.
• Quality Score — nível especialista, não diretoria. O QS é um input, não um outcome — ele não merece a mesa da diretoria.
• Search Term Reports detalhados — nível Search Specialist, não diretoria.
• Bid modifiers e match types — nível operacional, não diretoria.
• Performance criativo por criativo — nível especialista, não diretoria.

Essa disciplina "a diretoria vê apenas os outcomes sintéticos" é o que mantém uma relação paid-board saudável. Quando a diretoria vê detalhes táticos demais, ela começa a micro-gerenciar as arbitragens operacionais — e a pilotagem perde coerência estratégica.

Formato do QBR (Quarterly Business Review):

• Slide 1 — Spend & ROAS resumo trimestre + trend 4 trimestres rolling.
• Slide 2 — LTV:CAC + Pipeline contribution + Cohort ROAS.
• Slide 3 — Holdout de incrementalidade do trimestre + interpretação.
• Slide 4 — Validação mix canal + variações significativas explicadas.
• Slide 5 — Share of voice competitivo + 2-3 takeaways.
• Slide 6 — Roadmap trimestre seguinte: 3 prioridades, orçamento proposto, expectativas.
• Slide 7 — Perguntas da diretoria.

Total ~45-60 minutos, dos quais 30 minutos Q&A. Sem slide "hero metric" mágica. Sem promessa irrealista. Posição crítica sobre as hipóteses: "se o tracking continuar a se degradar com iOS 19+, perdemos 8-12% de conversões visíveis, aqui está nosso plano para mitigar". A diretoria aprecia essa franqueza — ela vale muito mais do que um slide "+18% YoY" sem contexto.

A disciplina "o que também não sobe" é igualmente importante:

• ROAS Google Ads bruto — é o ROAS que todo mundo exibe em conferências SEA. Não o colocamos para a diretoria porque ele sobre-atribui de 15-30% conforme canal, e leva a decisões estratégicas ruins. Nas contas observadas nos benchmarks Google Ads públicos, o desvio se situa entre 12% (Search non-brand maduro) e 38% (PMax sem Brand Exclusions) — a ordem de grandeza depende principalmente da maturidade da infraestrutura de tracking. O que sobe é a incrementalidade medida, não o ROAS reivindicado.

• "CPA em queda de X%" — tomado isoladamente, essa métrica é enganosa. Um CPA em queda pode significar (a) otimização bem-sucedida, (b) volume em queda (o algoritmo se concentra nas conversões mais baratas e corta as outras), (c) sazonalidade, (d) tracking degradado. A diretoria recebe o CAC + o volume + o pipeline contribution, não o CPA isolado.

• Vanity metrics PMax — Asset Group Insights ruidosos, conversões todos-os-tipos não-deduplicadas, etc. O que sobe para a diretoria é exclusivamente as conversões deal closed-won via offline import.

Erros evitados e aprendizados de 18 meses

O aprendizado mais precioso de uma conta de 10M€/ano não está nas success stories — está nos erros evitados por pouco e nas correções difíceis. Aqui estão 8 aprendizados operacionais raros, documentados ao longo de 18 meses.

Aprendizado 1 — A estrutura 1 subconta por produto foi testada e depois abandonada em 2024.

Durante 4 meses em 2024, a conta experimentou uma divisão por módulo de produto: 4 subcontas (1 por módulo) para o mercado FR ao invés de uma subconta única multi-módulos. Hipótese: melhor granularidade de reporting, otimização por módulo. Resultado: CAC FR +22%, canibalização Search inter-subcontas (mesmas palavras-chave direcionadas por 2-3 subcontas simultaneamente), aprendizado Smart Bidding fragmentado. Decisão: retorno à estrutura 1 subconta por mercado, validada por holdout pós-rollback.

Aprendizado 2 — A campanha paneuropeia única foi testada e fracassou.

Tentação lógica: economizar headcount consolidando as 8 subcontas em 1 "conta EU multi-idioma". Teste de 3 meses no Q3 2024. Resultado: CAC global +28%, sazonalidades suavizadas artificialmente, aprendizado Smart Bidding em sinal misturado entre mercados muito diferentes. Decisão: retorno à estrutura 1 subconta por mercado, com investimento adicional em automação para compensar o custo da fragmentação.

Aprendizado 3 — A armadilha PMax sem Brand Exclusions custou ~340k€ em canibalização Q1 2024.

O PMax foi lançado Q4 2023 sem ativar imediatamente as Brand Exclusions (funcionalidade disponível mas esquecida). Durante 11 semanas, o PMax recomprou buscas brand por um ROAS aparente magnífico (~12:1) mas uma incrementalidade real próxima de zero (medida por holdout pós-correção). Custo estimado do erro: ~340k€ de investimento parcialmente desperdiçado. Correção: Brand Exclusions ativadas + Search brand consolidado em campanha dedicada Exact Match com orçamento não compartilhado. Aprendizado: Brand Exclusions devem ser ativadas desde o D+0 no PMax, nunca esquecidas na checklist.

Aprendizado 4 — Smart Bidding otimizado em MQL antes das offline conversions teve performance inferior.

Durante os 6 primeiros meses pós-passagem para 10M€/ano, Smart Bidding otimizava no MQL (formulário de demo submetido). O algoritmo encontrou como empurrar tráfego top-funnel produzindo muitos MQL junk. CAC real deal closed-won medido a 2,3x o CPA exibido. Correção: deploy de offline conversions imports via conector HubSpot, otimização Smart Bidding migrada para deal closed-won. Efeito medido: CAC real dividido por 1,7 em 90 dias, com orçamento constante. Aprendizado: em ciclo de 60-180 dias, otimizar Smart Bidding no sinal errado custa mais que a ausência de Smart Bidding.

Aprendizado 5 — O período de julho-agosto necessita dayparting customizado.

Padrão observado nos dados Google Ads agregados 2025-2026: as conversões B2B mid-market caem 32-45% em julho-agosto nos mercados FR/IT/ES (férias escolares generalizadas), 15-22% em DE/UK/SE. Conforme os verticals B2B observados, o desvio se situa entre 18% (SaaS infra crítica com on-call permanente) e 55% (SaaS productivity orientado management). O Smart Bidding padrão não se adapta rápido o suficiente — aprendizado em 7-14 dias, então perde-se metade de julho derivando. Solução: dayparting custom programado manualmente todo ano (-30 a -50% bid modifier julho-agosto em certas campanhas Search non-brand, manutenção PMax com orçamento reduzido), baseado em histórico de 2 anos. Veja nosso guia sazonalidade e orçamento Google Ads worldwide.

Aprendizado 6 — A meta Target CPA reduzida rápido demais esmagou o volume.

No Q1 2024, a equipe tentou reduzir a meta Target CPA Search non-brand FR de 2.200€ para 1.600€ em 6 semanas (-27%). Resultado: volume de conversão Search non-brand FR -42% em 4 semanas, o algoritmo cortando a difusão nas auctions com custo esperado > meta. Correção: elevação da meta para 1.950€, descida progressiva por patamares de 10% a cada 2 semanas. Volume recuperado em 6 semanas, meta final 1.700€ estável. Aprendizado: descida de meta Target CPA nunca > 10% por patamar, nunca > 1 patamar a cada 2 semanas. A disciplina é inegociável.

Aprendizado 7 — A Customer Match list não atualizada se torna tóxica.

Customer Match list ativa na conta com 18.000 contatos ICP (clientes existentes + leads qualificados MQL+). Durante 4 meses em 2024, a list não foi atualizada semanalmente (esquecimento de rotação do Tracking Engineer). Consequência: a list incluía progressivamente contatos churned, leads desqualificados, emails vencidos. O Smart Bidding continuou a otimizar como se esses contatos fossem pertinentes, sobre-bidding em audiências obsoletas. Correção: refresh Customer Match semanal automatizado via script custom, SLA 24h máximo na atualização da list. Aprendizado: a atualização da Customer Match é tão importante quanto a qualidade inicial da list.

Aprendizado 8 — O teste de canais experimentais salvou 8% do mix futuro.

No Q1 2025, um teste marginal Reddit Ads B2B foi lançado no mercado US (em paralelo ao deploy EU para validação). Orçamento inicial 80k€/trimestre, hipótese especulativa. Resultado: LTV:CAC 4,8:1 nos primeiros 6 meses, ICP fit excelente no segmento DevOps/SRE, escalabilidade confirmada. Decisão: Reddit Ads passa para 5-8% do mix nos mercados onde DevOps representa uma parcela significativa do ICP secundário. Aprendizado: manter 5-10% do orçamento em testes de canais experimentais é rentável mesmo se 50-60% dos testes fracassam — os 1-2 testes que dão certo desbloqueiam novo pipeline difícil de encontrar de outra forma.

O veredito: o que 10M€/ano de investimento realmente nos ensinou

Para finalizar esta anatomia, aqui estão as 6 conclusões operacionais que emergem de 18 meses de pilotagem a 10M€/ano. São posições cortantes que defendo internamente e que a maioria das publicações SEA generalistas se recusam a escrever frontalmente.

Conclusão 1 — A maturidade do tracking é a variável mais discriminante, acima da expertise em campanhas.

Em conta madura com investimento > 1M€/ano, o que distingue uma pilotagem performante de uma pilotagem medíocre não é a fineza das otimizações de campanha, dos bid adjustments ou dos match types. É a qualidade do sinal enviado ao Smart Bidding via offline conversions e Enhanced Conversions. Sem essa infra, o melhor PPC manager do mundo otimiza em sinal ruidoso e estagna. Com essa infra, um PPC manager médio com disciplina operacional supera o melhor PPC manager sem infra. A alavanca de investimento primária para uma conta que passa de 1M€ para 5M€/ano não é o headcount operacional — é a infraestrutura de tracking.

Conclusão 2 — PMax não é uma armadilha por construção, é uma armadilha por tracking medíocre.

A posição dominante em 2026 "PMax max 30% do mix" é racional para contas sem tracking limpo. Em conta com offline conversions deal closed-won, Brand Exclusions ativas, holdout de incrementalidade trimestral, PMax entrega a incrementalidade mais elevada da conta (medida 68-78% em 6 holdouts sucessivos). O ratio de 60% PMax que mantemos é validado empiricamente, não dogmático. Quem limita PMax a 30% sem ter a infra de tracking para pilotar além disso faz a escolha certa — para seu nível de maturidade. Quem limita PMax a 30% com a infra de tracking deixa performance na mesa por excesso de prudência.

Conclusão 3 — A estrutura MCC por mercado supera a estrutura por produto em 8 de 10 casos.

O instinto "1 subconta por produto" é enganoso. Ele fragmenta o aprendizado Smart Bidding, cria canibalizações Search inter-subcontas, e complica o reporting cross-funcional com Sales/Customer Success que são organizados por mercado. A estrutura 1 subconta por mercado europeu é ótima para SaaS B2B mid-market com presença multinacional — salvo caso excepcional de produtos com audiências estritamente disjuntas.

Conclusão 4 — A disciplina da pirâmide de KPI é tão importante quanto os KPIs em si.

Confundir os níveis de KPI (olhar semanal operacional e tomar decisões estratégicas) é o erro de pilotagem mais frequente em conta madura. As decisões estratégicas são tomadas trimestralmente, ponto. O ruído semanal é tratado no nível semanal por micro-ajustes operacionais que não perturbam o mix global. Os SaaS B2B em hipercrescimento que realocam orçamento a cada 15 dias com base em KPIs semanais queimam seus aprendizados Smart Bidding e suas learning phases.

Conclusão 5 — O holdout de incrementalidade não é opcional em conta > 1M€/ano.

Sem holdout, você toma decisões de realocação de orçamento enviesadas por construção. A sobre-atribuição estrutural das plataformas Google Ads é de 15-32% conforme canal — ou seja, 150-320k€/ano de orçamento potencialmente mal alocado em uma conta de 1M€/ano, 1,5-3,2M€/ano em uma conta de 10M€/ano. Para uma conta madura, fazer 1 holdout por trimestre é uma disciplina obrigatória, não um nice-to-have. Os editores que evitam — por complexidade metodológica percebida ou por medo do resultado — pagam caro em arbitragens não-ótimas.

Conclusão 6 — O rigor metodológico escala, a expertise individual não.

A alavanca que faz uma conta passar de 1M€ para 10M€/ano de investimento mantendo o LTV:CAC não é a contratação de seniors PPC — é a institucionalização da disciplina metodológica. Pirâmide de KPI em 3 níveis. Holdout trimestral por canal. Offline conversions operacionais. Estrutura MCC estável. Stack de ferramentas investida. Roadmap de incrementalidade documentado. Essas disciplinas, uma vez em vigor, escalam linearmente com o investimento — a equipe paid passa de 4 para 5 pessoas para uma duplicação de investimento, porque a produtividade por pessoa é multiplicada pela infra. Ao contrário, uma conta que aposta na expertise individual sem infra estagna tipicamente a 2-3M€/ano de investimento antes de saturar em headcount operacional.

Esta anatomia de uma conta de 10M€/ano não é uma narrativa de sucesso — é a documentação operacional de um sistema que funciona, com suas escolhas estruturais, seus erros corrigidos, e suas posições críticas sobre a indústria. Para os SaaS B2B mid-market FR que aspiram a subir em investimento sem degradar a performance, os aprendizados se transferem — com a condição de investir simultaneamente em infra de tracking, em disciplina metodológica, e em especialização das funções ao invés de generalistas multicanais.

Para o pilar Performance Max que sustenta parte da análise PMax 60% do mix, veja nosso guia completo Performance Max 2026. Para a posição crítica sobre as contas que PMax degrada, veja nossa análise por que PMax destrói 30% das contas em 2026. Para o case study Microsoft Ads SaaS B2B 90 dias que complementa o panorama tracking SaaS B2B maduro, veja nosso estudo de caso Microsoft Ads SaaS B2B.

10M€/ano não é uma finalidade. É o limiar a partir do qual as arbitragens ingênuas se tornam ruinosas e onde a disciplina metodológica ganha sua verdadeira alavancagem — veja também Microsoft Advertising Research para mais detalhes.

Fontes

Fontes oficiais consultadas para este guia:

• blog.google
• support.google.com
• developers.google.com
• support.google.com

FAQ