Eu já entreguei relatório de mídia paga de todo jeito: print de tela de plataforma, planilha com 14 abas, slide de 40 páginas que ninguém leu. Depois de uns 8 anos e mais de R$50 milhões operados entre Google, Meta, LinkedIn, TikTok e Bing, o formato que sobreviveu foi um só: um dashboard de Google Data Studio com uma página executiva e duas ou três páginas de detalhe.

Esse post é a lista das 15 métricas que eu coloco nesse dashboard, organizadas em três blocos (aquisição e custo, conversão e receita, eficiência), mais o layout que eu uso e os erros que eu mais encontro quando pego dashboard montado por outra pessoa. Não é lista teórica: é o que está rodando hoje nos relatórios que eu entrego.

Por que o Google Data Studio continua sendo minha ferramenta padrão de relatório?

Três motivos, em ordem de peso: é gratuito, conecta nativamente com o ecossistema Google (Google Ads, GA4, Search Console, BigQuery, Sheets) e o cliente consegue abrir num link, sem login especial, sem licença. Já testei alternativas pagas em contas maiores. Elas fazem sentido quando você cruza mais de umas 10 fontes de dados ou precisa de transformação pesada antes da visualização. Abaixo disso, o custo extra não se paga.

Tem um argumento mais prático ainda: relatório que dá trabalho de atualizar morre. Já vi planilha de KPI ser abandonada em 6 semanas porque alguém tinha que colar dados toda segunda. No Google Data Studio, o dado atualiza sozinho via conector, e o relatório de janeiro e o de julho são o mesmo link. O cliente para de pedir relatório e passa a abrir sozinho.

A limitação honesta: o Google Data Studio não é ferramenta de análise profunda. Ele visualiza. Se o dado de origem está sujo (UTM inconsistente, conversão duplicada, evento mal configurado), o dashboard só deixa a sujeira mais bonita. Por isso eu sempre arrumo a casa antes: setup do GA4 pra mídia paga e estrutura de UTMs vêm antes de qualquer gráfico.

Como conectar Google Ads, Meta Ads e GA4 no Google Data Studio?

O ecossistema Google é trivial: conector nativo, dois cliques. Google Ads entra com campanha, custo, conversões e receita; GA4 entra com sessões, eventos e conversões por canal. Eu uso os dois juntos porque cada um reporta com a própria atribuição, e a diferença entre os dois números já é informação.

Meta Ads é onde a maioria trava: não existe conector nativo. As opções reais são três:

• Conector de terceiros (Supermetrics, Windsor.ai, Porter e afins): é o caminho que eu uso em conta com budget acima de uns R$30k/mês. Custa de US$20 a US$100+ por mês dependendo do plano, e resolve Meta, TikTok e LinkedIn de uma vez.
• Exportação pra Google Sheets (manual ou via API): gratuito, funciona, mas reintroduz o trabalho manual que a gente queria eliminar. Aceitável em conta pequena com uma fonte extra só.
• BigQuery como camada intermediária: o setup mais robusto, mas só justifica em operação com equipe de dados.

O fluxo que eu monto na prática fica assim:

Um aviso sobre o blend de dados: funciona pra somar investimento, mas cada plataforma atribui conversão do seu jeito. Somar “compras” do Meta com “compras” do Google Ads quase sempre conta a mesma venda duas vezes. Eu mostro o número de cada plataforma separado e uso o GA4 como árbitro da receita total.

Quais métricas de aquisição e custo não podem faltar?

Primeiro bloco do dashboard: quanto estou pagando pra colocar gente na porta. São as métricas que eu olho diariamente, porque desvio aqui aparece antes de estragar a conversão.

1. Investimento (spend). Óbvio, mas sempre com pacing contra o budget do mês. Gastar R$28k de um budget de R$30k no dia 15 é problema; no dia 28, é execução correta. O número sozinho não diz qual cenário é.
2. Impressões e CPM. Impressão eu quase ignoro, mas CPM é meu termômetro de leilão. CPM subindo 30-40% no mesmo público significa concorrência ou fadiga de criativo, e explica alta de CPA antes de qualquer outra métrica.
3. Cliques e CPC. No Search, a métrica de custo mais acionável: cresce por termo, concorrente e Quality Score. Eu ploto CPC por campanha em série temporal, não como número agregado.
4. CTR. Métrica de diagnóstico, não de resultado. CTR caindo 3 semanas seguidas no mesmo público é criativo cansado, com semanas de antecedência sobre o ROAS.
5. Custo por sessão engajada (via GA4). A menos usada e a minha favorita do bloco. Clique barato que gera sessão de 2 segundos é dinheiro queimado com aparência de eficiência, principalmente em Meta e TikTok.

Quais métricas de conversão e receita realmente importam?

Segundo bloco: o que aconteceu depois do clique. É onde o dashboard deixa de ser relatório de mídia e vira relatório de negócio.

6. Conversões (com o nome do evento explícito). “Conversões: 340” não significa nada se ninguém sabe se é compra, lead ou clique no WhatsApp. Eu escrevo o evento no título do gráfico: “Compras (GA4)” ou “Leads qualificados (CRM)”. Parece detalhe bobo; evita 80% das discussões de reunião.
7. Taxa de conversão. Por canal e por landing page, nunca só o agregado. Taxa agregada esconde o clássico: canal barato com conversão péssima inflando o volume de cliques e derrubando a média.
8. CPA / CPL. A métrica que o cliente mais olha, então merece contexto: eu sempre mostro CPA contra a meta acordada e contra a média dos últimos 3 meses. Em conta de lead, vale a leitura que eu detalhei no post sobre custo por lead no Meta Ads: CPL barato com lead ruim é a pior armadilha do bloco.
9. Receita atribuída. Pra e-commerce, receita por canal via GA4. Pra lead gen, valor de pipeline gerado (mesmo que estimado: leads x taxa de fechamento histórica x ticket). Dashboard sem linha de receita vira relatório de custo, e relatório de custo só gera uma conversa: cortar.
10. Ticket médio (AOV). Explica metade dos “mistérios” de ROAS. Campanha que parece piorar às vezes só mudou o mix de produto. Sem AOV no dashboard, você otimiza a campanha errada.

Quais métricas de eficiência fecham o dashboard? (ROAS, CPA, LTV:CAC)

Terceiro bloco: as métricas que respondem “isso está valendo a pena?”. São as que vão pra primeira dobra da página executiva.

11. ROAS. Receita dividida por investimento, por plataforma e blended. Aqui importa dizer de qual atribuição o número veio: o ROAS que o Meta reporta e o que o GA4 reporta pro mesmo período costumam divergir 20-40%. Eu mostro os dois e explico a diferença uma vez; depois disso a conversa amadurece. Escrevi a mecânica completa disso em ROAS no Meta Ads.
12. ROAS de margem (ou POAS). ROAS 4 vendendo produto com 15% de margem é prejuízo. Quando o cliente topa compartilhar margem por categoria, essa vira a métrica de decisão real. Quando não topa, eu pelo menos anoto a margem média no rodapé do dashboard.
13. CPA blended. Investimento total de mídia dividido por todas as conversões do negócio, incluindo orgânico. É o número que protege contra a ilusão de atribuição: se o CPA por plataforma está lindo mas o blended piora, as plataformas estão tomando crédito de venda que aconteceria de qualquer jeito.
14. LTV:CAC. Pra recorrência e SaaS, a métrica que decide se dá pra escalar. Regra prática que eu uso: abaixo de 3:1, o crescimento está caro; acima de 5:1, provavelmente dá pra investir mais agressivo. Não precisa de modelo sofisticado no início: LTV estimado por coorte simples no Sheets, plugado no dashboard, já orienta a decisão.
15. Share de investimento por plataforma. Um gráfico de pizza simples: quanto do budget está em cada canal, contra o ROAS de cada canal. É a visualização que mais gera realocação de verba nas minhas reuniões, porque torna visível o canal que come 40% do budget entregando o pior retorno. Pra calibrar expectativa por canal, eu cruzo com benchmarks de mídia paga no Brasil.

O layout que eu uso pra leitura executiva

Métricas certas em layout ruim continuam sendo relatório ruim. Meu template tem 3 páginas, sempre nessa lógica:

• Página 1, executiva: primeira dobra com 4 scorecards (investimento, receita, ROAS blended, CPA blended), cada um com variação contra o período anterior. Abaixo, uma série temporal de investimento vs receita e a pizza de share por plataforma. Um C-level resolve a vida dele só nessa página.
• Página 2, por plataforma: tabela com campanha, investimento, conversões, CPA, ROAS. Filtro de data e de plataforma no topo. É a página de trabalho de quem opera a conta.
• Página 3, diagnóstico: CPM, CTR, taxa de conversão por landing page, custo por sessão engajada. As métricas que explicam o “porquê” quando a página 1 acende alerta.

Duas regras de formatação que eu sigo sempre: período padrão de 30 dias com comparação automática (ninguém configura filtro sozinho), e no máximo 2 cores além do cinza. Dashboard arco-íris cansa e esconde o que importa. A versão passo a passo de montagem, com estrutura de página e configuração de scorecard, está no meu guia de dashboard de KPIs no Google Data Studio.

Quais erros eu mais vejo em dashboards de marketing?

Auditando conta nova, o dashboard costuma chegar junto. Os defeitos se repetem tanto que virou checklist:

• Métrica de vaidade na primeira dobra. Impressões e alcance abrindo o relatório. Isso treina o cliente a comemorar número que não paga folha. Primeira dobra é investimento e retorno, sempre.
• Somar conversões de plataformas diferentes. Meta diz 120 vendas, Google diz 90, o dashboard soma 210. O e-commerce faturou 140 pedidos no total. Cada plataforma com sua atribuição, GA4 como árbitro, e o número real da operação vindo da fonte da verdade (plataforma de e-commerce ou CRM).
• UTM inconsistente quebrando a visão por canal. Metade do tráfego de Meta caindo em “direct” porque alguém subiu campanha sem UTM. O dashboard fica tecnicamente correto e analiticamente inútil.
• Zero contexto temporal. Scorecard sem comparação com período anterior. Todo número precisa responder “e isso é bom?” sem ninguém precisar perguntar.
• Dashboard que ninguém validou contra a fonte. Eu já peguei relatório reportando receita 22% acima do faturamento real por conversão duplicada no GA4. Uma vez por mês, confiro os totais do dashboard contra a plataforma de origem. Leva 15 minutos e já me salvou de reunião constrangedora. Sobre quais números do GA4 merecem essa conferência, escrevi em relatórios do GA4 que importam.

O padrão por trás de todos esses erros é o mesmo: o dashboard foi montado pra mostrar dados, não pra sustentar decisões. As 15 métricas desse post, nos 3 blocos e com par de comparação, resolvem isso na maioria das operações que eu atendo. Comece pela página executiva, valide os números contra a fonte, e só depois adicione detalhe.

Perguntas frequentes