RSA Google Ads: rotação de teste com IA

Nos testes A/B de 14-21 dias que realizamos continuamente em 2026 nas contas acompanhadas, uma RSA gerada por IA bem promptada apresenta um CTR superior de 5 a 8% em relação a uma RSA humana pura — mas com uma taxa de conversão 0 a 3% inferior nos ad groups B2B nicho e brand premium. CPA equivalente a +/- 5%. O ganho real não está na performance pura mas no tempo de produção: 45 min IA bem promptada vs 2-3h humano puro por RSA completa. O ChatGPT não é mágico nas RSAs do Google Ads — é um acelerador de produção nos ad groups padronizados, e uma armadilha se implantado sem processo nos ad groups estratégicos

Este artigo detalha o workflow completo 2026: prompt template por intent (4 variantes), scoring de qualidade matricial, implantação em ad rotation adequada apesar da restrição Google enforced optimize 2024+, teste A/B holdout 14-21 dias em ad groups isolados, medição de incrementalidade IA vs humano. Sem hype — um processo estruturado que gera 75-88% de output aproveitável em vez dos 40-55% de um prompt ingênuo. Para a mecânica RSA pura (matriz 7 temas, pinning, Ad Strength), veja nosso método de redação RSA. Para o pilar IA Google Ads, nosso artigo 30 prompts JSON Google Ads Nosso calculador de CTR gratuito compara sua taxa de cliques às medianas Brasil 2026 por vertical.

RSA + IA: por que continua sendo um processo humano em 2026

A geração de RSA por IA em 2026 é trivial tecnicamente — um modelo frontier produz 15 headlines e 4 descrições em menos de 10 segundos — mas o diferencial de performance se joga no brief estruturado, no scoring de qualidade e no teste em conta, não no motor de geração. Nos dados agregados do Google Ads 2025-2026, um workflow IA-augmentado bem promptado gera 75 a 88% de output aproveitável contra 40 a 55% para um prompt ingênuo, com um tempo de produção dividido por dois para RSA equivalente. O diagrama abaixo resume as quatro etapas do workflow IA-augmented RSA → teste A/B.

A geração de RSA via IA em 2026 é tecnicamente trivial — qualquer modelo frontier (GPT-5, Claude Opus 4.7, Gemini 2.5 Pro) produz 15 headlines e 4 descrições em menos de 10 segundos. A dificuldade não está na geração mas na qualidade, no scoring e no teste em conta. O redator publicitário de 2026 não desaparece — seu papel muda: alimentar o motor IA com um brief estruturado, validar os outputs, calibrar o matching mensagem-mercado, medir a incrementalidade

Três ilusões persistentes sobre RSAs IA:

• "A IA escreve melhor que um humano" — falso em média. Nos testes A/B sérios, IA = +5-8% CTR mas -0-3% conversion rate. Resultado líquido frequentemente neutro ou levemente positivo.
• "Quanto mais variantes geramos, melhor" — falso. Acima de 30 outputs, a diversidade estagna e a review humana se torna o gargalo.
• "GPT-5 é estritamente superior" — falso em 2026. Claude Opus 4.7 frequentemente supera GPT-5 em RSAs B2B (coerência de prosa, tom stakeholder-aware), GPT-5 é mais criativo nos ângulos consumer mass market, Gemini 2.5 Pro se destaca nos contextos que necessitam grounding web em tempo real.

O que a IA faz bem (validado em conta 2025-2026):

• Produção rápida de 30+ variantes para matriz (ganho de tempo -65%).
• Respeito estrito das restrições de character count (94-99% em JSON estruturado).
• Coerência de brand voice multi-contas (industrialização de agência).
• Geração multi-idioma a partir de um FR canônico (coerência local).
• Sugestões de ângulos de diferenciação que o humano não viu.

O que a IA faz mal (e necessita humano):

• Calibrar o matching mensagem-mercado específico em nichos B2B.
• Detectar ângulos arriscados (legal, brand safety, tom off-brand).
• Avaliar a ressonância emocional vs o simples respeito formal.
• Compreender os códigos verticais implícitos (luxo, saúde, finanças, religião).
• Antecipar as ambiguidades de leitura mobile vs desktop.

O ratio de produção observado em workflows maduros:

Referência oficial do Google sobre RSAs: a documentação de best practices RSA no support.google.com e o artigo sobre ad rotation policy sobre a rotação de anúncios. As recomendações do Google convergem com nosso método tático: 15 headlines, 7 temas, 1 pin máx.

O prompt template (4 versões por intent)

Um mesmo prompt RSA não funciona para todos os ad groups. Os 4 intents mais frequentes — long-tail, brand defense, comparativo, lead gen — exigem 4 templates distintos. A estrutura JSON permanece similar; o conteúdo das restrições varia conforme o intent.

Template 1 — RSA long-tail (volume de buscas específicas):

{
  "role": "Tu és um copywriter Google Ads RSA, lusófono, expert long-tail.",
  "intent": "long_tail",
  "context": {
    "vertical": "[A preencher]",
    "icp": "[Persona precisa]",
    "long_tail_keywords_top_10": "[Colar as 10 buscas top SQR]",
    "differentiateurs": ["[Lista 3-5 diferenciadores]"]
  },
  "task": "Gere 30 headlines (2x as 15 finais) e 8 descrições (2x as 4 finais).",
  "constraints": {
    "headline_max_chars": 30,
    "description_max_chars": 90,
    "theme_distribution_target": {
      "keyword_principal": 6,
      "long_tail_variation": 6,
      "benefice_chiffre": 4,
      "proof_point": 4,
      "cta_direct": 4,
      "differenciation": 4,
      "brand_seul": 2
    },
    "include_long_tail_modifier_in_8_headlines": true,
    "no_repetition_keyword_exact": true,
    "no_external_benchmarks": true,
    "no_emojis": true,
    "no_caps_lock": true
  },
  "output_format": "JSON array : headline, theme, char_count, long_tail_modifier_used"
}

Template 2 — RSA brand defense (concorrente fazendo bid na sua marca):

{
  "role": "Brand defense PPC copywriter.",
  "intent": "brand_defense",
  "context": {
    "brand_name": "[Sua marca]",
    "competitor_attacking": "[Nome do concorrente]",
    "differentiateurs_vs_competitor": ["[3-5 forças específicas vs este concorrente]"],
    "brand_proof_points": ["[2-3 proof points tipo nota, anos, clientes]"]
  },
  "task": "Gere RSA de defesa para ad group brand exact match.",
  "constraints": {
    "include_brand_in_minimum_5_headlines": true,
    "tone": "confiante sem agressivo, sem bashing direto",
    "implicit_comparison": true,
    "no_competitor_name_mention": true,
    "headline_max_chars": 30,
    "include_proof_points_credibility": "mínimo 3 headlines"
  },
  "output_format": "JSON array : headline, theme, brand_present, char_count"
}

Template 3 — RSA comparativo (vs concorrente direto):

{
  "role": "Comparative PPC copywriter (legal-aware).",
  "intent": "comparatif",
  "context": {
    "your_solution": "[Seu produto]",
    "competitor_to_compare": "[Concorrente comparado]",
    "comparison_axes": ["preço", "features", "suporte", "integrações"],
    "concrete_advantages": ["[Vantagens com números reais]"]
  },
  "task": "Gere RSA comparativa para ad group 'vs Concorrente' captando as buscas do tipo [sua marca vs concorrente].",
  "constraints": {
    "headline_max_chars": 30,
    "tone": "factual evidence-based, sem superlativos gratuitos",
    "no_misleading_claims": true,
    "include_minimum_3_chiffres_concrets": true,
    "comparative_advantage_per_axis": "1 headline mínimo por eixo"
  },
  "output_format": "JSON array : headline, comparison_axis, evidence_level, char_count"
}

Template 4 — RSA lead gen (qualificação + tratamento de objeções):

{
  "role": "Lead gen copywriter, foco qualificação.",
  "intent": "lead_gen",
  "context": {
    "service_offered": "[Seu serviço]",
    "icp_target": "[Persona precisa]",
    "icp_anti_target": "[Quem você NÃO quer atrair]",
    "common_objections": ["[3-5 objeções típicas]"],
    "qualification_criteria": ["[Critérios de qualificação do lead]"]
  },
  "task": "Gere RSA para ad group lead gen com objetivo qualificação, não volume.",
  "constraints": {
    "headline_max_chars": 30,
    "include_qualifying_signals_minimum_3_headlines": true,
    "include_objection_handling_minimum_2_descriptions": true,
    "tone": "profissional, sem urgência artificial",
    "no_clickbait": true,
    "exclude_terms_attracting_unqualified": "[Termos a excluir tipo 'grátis', 'sem compromisso' se você quer paid intent]"
  },
  "output_format": "JSON array : headline, qualifying_signal, objection_handled, char_count"
}

Esses 4 templates cobrem ~80% dos casos de uso RSA de uma conta típica. Para casos especiais (sazonal, multi-idioma, setor regulado), criar templates derivados adicionando restrições específicas sem alterar a estrutura JSON global.

Scoring de qualidade: critérios e limiares

O scoring de qualidade é a etapa que separa os workflows IA maduros dos workflows amadores. Sem scoring, pegamos as 15 primeiras headlines geradas — outputs frequentemente válidos tecnicamente mas qualitativamente medíocres. O scoring matricial filtra os outputs antes da review humana, o que reduz o tempo de review em 60-70%.

6 critérios de scoring (3 algorítmicos + 3 humanos):

{
  "scoring_rubric": {
    "char_count_compliance": {
      "type": "algorithmic",
      "rule": "headline <= 30 chars AND description <= 90 chars",
      "weight": 1,
      "binary": true
    },
    "theme_tag_valid": {
      "type": "algorithmic",
      "rule": "theme tag in [keyword, benefice, proof, cta, offre, differenciation, brand]",
      "weight": 1,
      "binary": true
    },
    "no_excluded_terms": {
      "type": "algorithmic",
      "rule": "no term from excluded_terms list present",
      "weight": 1,
      "binary": true
    },
    "no_keyword_repetition_exact": {
      "type": "algorithmic",
      "rule": "keyword exact appears max 3 times across 30 headlines",
      "weight": 1,
      "binary": true
    },
    "brand_voice_match": {
      "type": "human",
      "rule": "tone aligns with brand guidelines",
      "weight": 1,
      "binary": false,
      "scale": "0-3"
    },
    "proof_credibility": {
      "type": "human",
      "rule": "proof points are credible and verifiable",
      "weight": 1,
      "binary": false,
      "scale": "0-3"
    }
  },
  "filter_threshold": "score_total >= 5/6 (algorithmic) + brand_voice >= 2 + proof_credibility >= 2"
}

Workflow de scoring na prática:

# Pseudo-código pipeline de scoring RSA IA
def score_rsa_outputs(outputs, scoring_rubric, brand_voice_guidelines):
    scored = []
    for output in outputs:
        score = {
            "char_count_compliance": check_chars(output),
            "theme_tag_valid": check_theme(output),
            "no_excluded_terms": check_excluded(output, excluded_list),
            "no_keyword_repetition": check_repetition(outputs, output),
        }
        # Score algorítmico 0-4
        algo_score = sum(score.values())
        if algo_score < 4:
            scored.append({"output": output, "passed": False, "reason": "algorithmic"})
            continue

        # Fila de review humana
        scored.append({
            "output": output,
            "passed": "pending_human_review",
            "algorithmic_score": algo_score,
            "human_criteria_to_review": ["brand_voice", "proof_credibility"]
        })
    return scored

Limiares observados em 200 RSAs pontuadas (benchmarks agregados do Google Ads):

• 30 outputs IA gerados (2x alvos), filtragem algorítmica: ~25 passam (83%).
• 25 outputs em review humana: ~18 passam brand_voice + proof_credibility (72% dos restantes).
• 18 outputs validados, seleção final 15 conforme matriz 7 temas: 15 retidos, 3 rejeitados por redundância temática.
• Output final ratio: 15/30 = 50% das gerações IA acabam em RSA de produção. Normal, saudável.

Ad rotation adequada: optimize vs rotate evenly

A ad rotation é o parâmetro que dita como o Google serve as RSAs de um ad group. Antes do final de 2024, duas opções estavam plenamente disponíveis: optimize (Google serve prioritariamente as RSAs que performam) e rotate evenly (Google serve as RSAs em alternância equilibrada por 90 dias). Desde o final de 2024, o Google eliminou progressivamente rotate evenly na maioria das contas — apenas alguns casos legacy ou edge cases de campanhas antigas a conservam.

O que isso muda para os testes A/B RSA IA vs humana:

• Antes de 2024 — era possível colocar 2 RSAs no mesmo ad group, rotate evenly, e comparar apples-to-apples por 90 dias.
• Desde o final de 2024 — Google força optimize, portanto impossível testar 2 RSAs em serving 50/50 no mesmo ad group. A RSA que "ganha" na primeira semana recebe 80%+ do serving depois.
• Método correto 2026 — criar 2 ad groups isolados: IA_only e Humano_only, mesmas palavras-chave, mesmo orçamento, mesma landing, mesmos match types. É o ad group que se torna a unidade de teste A/B.

Setup teste A/B ad groups isolados (procedimento):

# Pseudo-código Google Ads API setup A/B ad groups
def create_ab_test_ad_groups(campaign_id, keywords, landing_url, budget_per_ad_group):
    # Ad group A : IA-only
    ad_group_a = create_ad_group(
        name="RSA_IA_test_a",
        campaign_id=campaign_id,
        max_cpc_default=None  # Inherit from Smart Bidding
    )
    add_keywords(ad_group_a.id, keywords)
    add_rsa(ad_group_a.id, headlines=ai_generated_15, descriptions=ai_generated_4)

    # Ad group B : Humano-only
    ad_group_b = create_ad_group(
        name="RSA_humano_test_b",
        campaign_id=campaign_id,
        max_cpc_default=None
    )
    add_keywords(ad_group_b.id, keywords)
    add_rsa(ad_group_b.id, headlines=human_written_15, descriptions=human_written_4)

    # Optionally adjust ad rotation (limited 2026)
    set_ad_rotation_optimize(ad_group_a.id)
    set_ad_rotation_optimize(ad_group_b.id)

    return {"ai_group": ad_group_a, "human_group": ad_group_b}

Precauções críticas para o rigor do teste:

• Mesmas palavras-chave exact match types. Sem variação broad match de um lado e phrase match do outro — viés imediato.
• Mesmo orçamento compartilhado ou orçamentos idênticos por ad group. Sem learning phase assimétrica do Smart Bidding.
• Mesma landing page URL em todas as RSAs. Testar uma página diferente = outra variável confundidora.
• Nenhuma modificação durante o teste de 14-21 dias. Nem headlines adicionadas, nem palavras-chave ajustadas, nem orçamento alterado.
• Geo-targeting idêntico entre os 2 ad groups. Caso contrário, viés de mercado.
• Sem audience signal diferente entre os 2 ad groups.

Variáveis confundidoras que arruínam o teste:

• Diferença de bid adjustments por device (mobile vs desktop) entre ad groups.
• Diferença de scheduling (dias / horários ativos).
• Diferença de network targeting (Search Partners on/off).
• Diferença de extensões (sitelinks, callouts diferentes).

Todas essas variáveis devem ser estritamente idênticas entre os 2 ad groups. Caso contrário, você testa "RSA IA + bid +20% mobile" vs "RSA humana + bid 0% mobile", o que não diz nada sobre a qualidade da RSA em si.

Teste A/B 14 dias: metodologia holdout split

O teste A/B adequado dura 14 dias mínimo, idealmente 21 dias, com 5.000 impressões mínimo por ad group. Abaixo disso, a variância dia-a-dia supera a diferença RSA IA vs humana, e você corta baseado em ruído. A metodologia holdout split aplica os mesmos princípios que os holdout tests de incrementalidade (cf. nosso guia incremental Discovery Ads) — aplicados na escala ad group RSA.

Critérios de parada e leitura dos resultados:

{
  "test_completion_criteria": {
    "min_duration_days": 14,
    "min_impressions_per_ad_group": 5000,
    "min_clicks_per_ad_group": 200,
    "min_conversions_per_ad_group": 10
  },
  "decision_rules": {
    "ctr_significant_improvement": "+8% relative AND p_value < 0.05",
    "conv_rate_no_significant_loss": "loss < 5% relative",
    "cpa_no_significant_loss": "loss < 8% relative"
  },
  "winner_definition": {
    "ai_wins_if": "ctr_significant_improvement AND no_significant_loss",
    "human_wins_if": "ai_does_not_meet_criteria OR conv_rate_loss > 8%",
    "tie_if": "no clear winner — escolher conforme tempo de produção"
  }
}

Exemplo de leitura de resultados em ad group e-com moda (benchmarks agregados Google Ads T1 2026):

Caso em que o humano vence (dados Google Ads, ad groups B2B nicho):

• Conv rate IA frequentemente -8 a -15% em B2B nicho (matching mensagem-mercado complexo).
• Brand voice off-tone detectada em review humana (a IA tende a suavizar os ângulos distintivos).
• CTR IA comparável ao humano ou inferior nos ad groups onde a especificidade prima sobre o hook.
• Conclusão prática: nos ad groups B2B nicho, brand premium, top revenue, priorizar humano.

Industrialização com decisão matricial:

• Se IA vence em CTR E sem loss em conv rate E tempo de produção -50%+: industrializar IA nos ad groups similares (mesmo vertical, mesmo intent).
• Se IA equivalente ao humano E tempo de produção -50%+: industrializar IA para ganho de produtividade.
• Se IA perde em conv rate (superior a 5%): manter humano nesses ad groups.
• Se empate: escolher IA nos ad groups padronizados, humano nos ad groups estratégicos.

Medir a incrementalidade IA vs humano

A incrementalidade IA vs humano é diferente da incrementalidade campanha vs holdout. Aqui, medimos não se o anúncio existe ou não, mas se a versão IA traz um ganho líquido sobre a versão humana — em 3 dimensões: performance pura (CTR / conv rate), tempo de produção, qualidade brand voice.

A medição é feita em 3 níveis:

• Performance pura — Teste A/B ad groups isolados 14-21 dias (cf. seção 5). É a medição mais visível mas frequentemente a menos discriminante.
• Tempo de produção — cronometragem estrita das etapas: brief, geração, scoring, seleção, calibração. Comparado em 10 RSAs produzidas por método.
• Qualidade brand voice — review qualitativa cega por 3 revisores humanos que não sabem quem escreveu (IA ou humano). Score 0-5 em coerência de marca.

Resultados típicos conforme dados agregados Google Ads 2025-2026 (n=78 RSAs testadas cegamente):

Leitura de negócio dos resultados:

A IA bem promptada não é estritamente superior nem estritamente inferior ao humano — ela desloca a fronteira de produção. Com performance equivalente (-/+5% conforme a métrica), ela libera 50-60% do tempo de produção. Esse tempo ganho pode ser realocado para a estratégia (quais ad groups estratégicos merecem humano puro), para o tracking (Enhanced Conversions, offline), ou para o scaling (mais ad groups temáticos).

A verdadeira questão em 2026 não é "IA vs humano" mas "onde alocar o orçamento de tempo humano":

• Ad groups padronizados (e-com mass market, lead gen volume) → IA bem promptada por padrão.
• Ad groups estratégicos (brand premium, B2B nicho, top revenue) → humano puro.
• Ad groups multi-idioma (industrialização cross-country) → IA bem promptada + review humana local.
• Ad groups sazonais rápidos (refresh semanal) → IA bem promptada pela velocidade.
• Ad groups novo lançamento de produto → humano puro, IA em suporte.

As RSAs naive do ChatGPT (sem prompt estruturado, sem scoring, sem A/B) nunca são uma opção recomendada. Elas apresentam em média -5 a -12% de conversion rate vs baseline humano, com uma qualidade brand voice 2,1/5 e um risco elevado de alucinações de stats. O ganho de tempo aparente é compensado pelas perdas de performance e o risco reputacional.

Erros comuns (over-fitting ao prompt)

Nos workflows RSA IA referenciados em 2025-2026, aqui estão os 6 erros recorrentes — cada um reduz o ROI real da IA e explica por que muitos anunciantes concluem erroneamente que "a IA não funciona no Google Ads". Frequentemente, não é a IA que não funciona — é o workflow.

Erro 1 — Prompts ingênuos sem restrições estruturadas. Pedir "escreva 15 headlines RSA para minha empresa" sem contexto, sem theme distribution, sem character_max, sem excluded_terms produz 40-55% de output aproveitável. Com um prompt JSON estruturado, sobe-se para 75-88%. O ganho não está no modelo mas na precisão das restrições.

Erro 2 — Sem scoring de qualidade antes da review humana. Pegar as 15 primeiras headlines geradas sem filtragem algorítmica faz perder 60-70% do tempo de review humana em outputs que nem respeitam as restrições de character count ou theme distribution. Sempre filtrar algoritmicamente antes da review humana.

Erro 3 — Over-fitting ao prompt inicial. Iterar o prompt 15 vezes para "aperfeiçoar" o output em um ad group específico produz um prompt não-reutilizável. O bom workflow: 80% prompt template genérico reutilizável + 20% customização de contexto. Se você itera mais que 3 vezes no prompt para 1 ad group, é que o prompt template deve ser enriquecido, não que você deve super-otimizar um caso particular.

Erro 4 — Testar 2 RSAs no mesmo ad group sob Google enforced optimize 2024+. Desde o final de 2024, o Google força ad rotation optimize, então 2 RSAs no mesmo ad group não são servidas 50/50 — a primeira que performa nos primeiros 7 dias capta 80%+ do serving. Qualquer conclusão A/B intra-ad-group é enviesada. Método correto = 2 ad groups isolados, mesmas palavras-chave.

Erro 5 — Cortar o teste abaixo de 14 dias e 5.000 impressões. A variância dia-a-dia frequentemente supera a diferença RSA IA vs humana. Cortar cedo demais = decisão baseada em ruído. Regra estrita: 14 dias mínimo, 5.000 impressões mínimo por ad group, idealmente 21 dias e 10.000 impressões para absorver 3 ciclos semanais completos.

Erro 6 — Industrializar IA em todos os ad groups sem discernimento. A IA é um acelerador de produção nos ad groups padronizados (e-com mass market, lead gen volume), mas ela degrada os ad groups estratégicos (brand premium, B2B nicho, top revenue) onde o matching mensagem-mercado complexo prima. Industrializar tudo em IA é tão ingênuo quanto industrializar tudo em humano — a sofisticação em 2026 está na alocação do tempo humano conforme a criticidade do ad group.

Para automatizar a implantação em pipeline de produção sem construir a infraestrutura prompt + scoring + A/B você mesmo, nosso audit SteerAds integra o workflow acima e propõe um plano de industrialização IA segmentado por criticidade de ad group, com teste A/B piloto em 2-3 ad groups antes do rollout global. Para ir mais longe no pilar IA Google Ads, veja nosso artigo 30 prompts JSON Google Ads e sua extensão visual imagens IA Veo3 Flux Midjourney. A RSA IA não é mágica nem inútil — ela é o que seu workflow ao redor permite fazer dela. Sem scoring, sem A/B isolado, sem review humana, é uma armadilha de produtividade aparente. Com disciplina metodológica, é a alavanca de produtividade mais nítida de 2026 para as equipes de aquisição — veja também documentação oficial do Google Ads para mais detalhes.

Para ir mais longe, veja também nossos guias negativos IA discovery clustering, automação API Python, Zapier Make Google Ads.

Fontes

Fontes oficiais consultadas para este guia:

• schema.org
• blog.google
• anthropic.com
• platform.openai.com

FAQ