Checklist Operacional

Investimento mensal

R$46.000

10 campanhas ativas (4 PMAX, 2 Search, 2 App, 1 YT, 1 DG)

ROAS reportado

~16×

Inflado por brand capturada via PMAX e Search Branding

Cobertura de funnel

Brand only

Sem Search Non-Brand, sem Competitor — só captura quem já procura "garage rio"

Progresso do setup

0 / 9 concluídos

🔴 Crítico — resolver antes de qualquer ajuste de verba

5 itens

Crítico +18 pts health ⚡ Pode automatizar App Campaigns com conversion mismatch — R$2.770/mês em conversão errada

As 2 campanhas de App (Android e iOS) usam Android installs (all other apps) como conversion primary. Resultado: Android registra 1.153 "conversões" em 30d com R$0 de receita; iOS registra 130 conv com ROAS 0,11×. Instalação está sendo contada como conversão de receita — o Smart Bidding otimiza pra instalar app barato, não pra vender. Custo total das duas: R$2.770/mês com retorno marginal real. Toda conta está com tCPA distorcido por essas conversões fantasmas.

⏱ 2h R$2.770/mês recuperáveis

Passo a passo

1Ferramentas → Medição → Conversões → identificar Android installs (all other apps) e similares
2Para cada uma: editar → desmarcar "Conversion goal" primary → mudar pra "Secondary action" (mantém tracking sem influenciar Smart Bidding)
3Confirmar que apenas purchase de e-commerce (web + app real purchase) está como primary — exatamente um goal por categoria
4Decidir o destino das App Campaigns: (a) pausar até definir conversão real de purchase no app; (b) trocar bid strategy pra tCPI (custo por instalação) com cap claro; (c) configurar Firebase + GA4 com purchase event do app pra otimizar por receita real
5Aguardar 7-14 dias para o Smart Bidding reaprender com conversões corretas — ROAS reportado das outras campanhas vai cair e estabilizar no número real

⚠️ Esse é o ajuste mais crítico da conta. Enquanto "install" estiver como primary, qualquer otimização baseada em ROAS está sendo guiada por dado fake. ⚡ A skill pode listar todas conversion actions com primary=True e flagar mismatches (categoria=DOWNLOAD marcada como purchase).

Crítico +12 pts health ⚡ Pode automatizar PMAX capturando brand sem exclusão — ROAS de 19× é fake

Search categories report nas 3 PMAX ativas mostra que "garage rio" gerou 5.401 cliques em 30 dias só nas top 3 categorias (Coleções 3.466c · Ações 1.056c · Cidades 879c). "Garage short saia", "garage loja", "vestido garage", "cupom garage rio" também aparecem com volume alto. Sem brand exclusion list, o algoritmo do PMAX está sendo creditado por conversões que aconteceriam de qualquer forma via Search Branding — ROAS reportado de 19× nas Coleções é, na prática, ROAS de aquisição muito menor (estimativa: 6-9× quando isolar brand). Estimativa conservadora: R$4.500/mês do budget PMAX vai pra brand.

⏱ 1,5h ROAS real visível

Passo a passo

1Criar lista de exclusão de marca: Ferramentas → Biblioteca compartilhada → Exclusões de marca → + → Adicionar "Garage Rio" + variações (garagerio, garage rio, garagerio.com.br)
2Vincular a lista a TODAS as PMAX ativas (Coleções, Ações, Cidades, Liqui): em cada campanha → Configurações → Exclusões de marca → adicionar a lista criada
3Aguardar 14 dias e re-verificar Search categories — brand deve sumir, ROAS reportado vai cair (esperado), volume de conversões pode reduzir 20-30%
4Garantir cobertura via Search Branding (já existem 2 campanhas) — verificar impressions share da brand: Search Branding → Métricas → Search lost IS (rank/budget) — se > 10%, aumentar budget Branding
5Comunicar ao cliente Garage Rio antes da mudança: ROAS dos PMAX vai parecer pior, mas aquisição real vai ficar visível pela primeira vez

⚠️ Brand exclusion lists são feature relativamente nova (2024) e exigem ativação manual em cada PMAX. PMAX por padrão captura tudo que dá ROAS, incluindo brand. ⚡ A skill pode detectar via API quando search categories de PMAX coincidem com nome da marca e calcular % de impacto antes da mudança.

Crítico +10 pts health Sem campanha Search Non-Brand — demanda genérica caindo só em PMAX

100% das campanhas Search ativas são "Branding - Exata". A conta não captura demanda de busca não-marca via Search dedicado — termos como "vestido longo" (278c), "vestido midi" (135c), "vestido curto" (134c), "cropped branco" (177c), "regata garage" (134c) só são captados indiretamente pelo PMAX, com tCPA inflado por conversões brand. Search Generic dedicado teria CPC menor e dado limpo de aquisição. Para um e-commerce de moda em SP/RJ, isso é demanda quente deixada na mesa.

⏱ 3h ~R$2.000/mês de demanda nova

Passo a passo

1Levantar keyword set não-marca: usar Keyword Planner com semente das categorias do site (vestidos, calças, cropped, regata, conjuntos, blusas) + termos de modelagem (midi, longo, curto, pantalona, mom)
2Criar campanha Search - Non-Brand com bidding tROAS (ROAS alvo) — começar com tROAS 4× (50% do reportado das brand) e ir ajustando após 2 semanas
3Estrutura: 1 ad group por categoria — Vestidos, Calças & Bermudas, Cropped & Tops, Conjuntos. Match types: phrase + exact apenas (nada de broad sem audience signal)
4Adicionar Negative Keyword Brand List (já existe na conta com 7 brand keywords) à nova campanha — ela é Non-Brand, não pode capturar tráfego brand
5Criar 2-3 RSAs por ad group com headlines focando categoria + diferenciais (ex: "Vestidos Garage Rio", "Frete Grátis acima de R$199", "Coleção Yanna Lavigne")

⚠️ Não esperar ROAS de Search Non-Brand similar ao Branding (que dá 16-40×). Aquisição real fica em 4-7× para moda no Brasil. ⚡ A skill pode minerar Search categories do PMAX para identificar termos non-brand de alto volume e propor a estrutura inicial automaticamente.

Crítico +8 pts health ⚡ Pode automatizar 5 ações de PURCHASE marcadas como primary — Smart Bidding confuso

Conta tem 19 conversion actions ENABLED, sendo 5 com categoria PURCHASE marcadas como primary=True simultaneamente: Garage Rio GA4 (web), GA4 Android purchase, GA4 iOS purchase, "Compras no site", e mais. Isso multiplica eventos de purchase por canal — quando alguém compra no site, várias actions disparam, distorcendo o sinal pro Smart Bidding. Janelas de 90 dias em alguns purchases (longa demais para moda — ciclo real é 7-14 dias). Atribuição UNKNOWN no Garage Rio GA4 (web) — modelo legado pré-deprecação que ficou parado. Sinal de purchase na conta está poluído.

⏱ 1h Sinal de bidding limpo

Passo a passo

1Ferramentas → Medição → Conversões → Filtrar por: Categoria = Compra — listar todas as 5 ações marcadas como primary
2Definir UMA primary para web (recomendado: Garage Rio - GA4 (web) purchase) e UMA primary para cada plataforma de app (Android e iOS) se app tiver purchase real configurado. Total: 1 web primary + 0-2 app primary se aplicável
3Para cada PURCHASE redundante: editar → desmarcar "Primary action" → mudar para Secondary (mantém histórico, não distorce bidding)
4Padronizar janelas: Click-through window: 14 dias (não 30 ou 90) — alinhado com ciclo real de moda. View-through: 1 dia (não 7)
5Mudar atribuição da web purchase de UNKNOWN para Data-Driven: editar → Modelo de atribuição → Data-Driven (já tem volume de conversões suficiente)

⚠️ Mudar primary action é mudança que afeta Smart Bidding em ~24h. Comunicar ao cliente. Esperado: leve oscilação de tCPA por 7 dias enquanto reaprende. ⚡ A skill pode listar todas conversion actions, sinalizar duplicações de categoria primary e sugerir consolidação.

Crítico +5 pts health Sem campanha Competitor — concorrentes capturando demanda de switch

Search categories nos PMAX mostra clicks consistentes em concorrentes diretos do nicho moda feminina RJ/SP — múltiplas marcas adjacentes capturando termos de switch. Sem campanha Search dedicada para esses termos com copy de switch ("Frete grátis | Coleções autorais | Garage Rio"), a conta fica posicionada apenas como reativa. Compradoras pesquisando alternativas estão indo direto pra concorrentes. CPC competitor é mais caro mas converte alto quando bem trabalhado.

⏱ 2h ~R$800/mês captáveis

Passo a passo

1Mapear concorrentes diretos via Search categories do PMAX + Auction Insights da Search Branding — extrair a lista do que aparece nos relatórios da própria conta (não chutar de fora)
2Criar campanha Search - Competitor com bidding Maximize Conversions (sem tROAS — competitor performa pior que brand mas vale aquisição). Budget inicial: R$300-500/mês
3Keywords phrase match dos competitors + variações naturais ("vestido farm", "dress to feminino", etc). Exact match dos nomes da marca apenas se possível defender preço
4RSAs com copy de switch — NUNCA usar nome da concorrente nas headlines (violação de policy). Em vez disso: "Encontre Vestidos Únicos | Garage Rio", "Coleção Yanna Lavigne | Frete Grátis acima R$199"
5Aguardar 30 dias e avaliar: se ROAS > 2× e CTR > 3%, escalar; se ROAS < 1× consistentemente, pausar

⚠️ Competitor campaigns têm CPC alto e convertem bem só quando posicionamento é claro. Para Garage Rio, o ângulo provável é coleções autorais + colaborações (Yanna Lavigne) — diferencia da concorrência massificada.

🟡 Atenção — implementar após críticos

4 itens

Atenção +3 pts health Apenas 1 RSA por ad group — sem rotação para A/B

As 2 campanhas Search ativas têm apenas 1 RSA por ad group (2 RSAs ativos no total). Apesar do Ad Strength ser EXCELLENT em ambos, falta rotação para teste A/B. Boa prática Andrew Lolk: 2-3 RSAs por ad group para o algoritmo testar variações de headline/description e identificar combinações vencedoras. Sem isso, a conta perde oportunidade de iteração contínua de copy.

⏱ 30min CTR +5-10% via teste

Passo a passo

1Para cada ad group das Search Branding: Anúncios → + → Anúncio responsivo de pesquisa
2RSA #2 (variação de mensagem): focar diferencial — "Coleções Autorais", "Yanna Lavigne", "Bazar até 60% off" rotativo. Headlines diferentes dos do RSA #1
3RSA #3 (variação de oferta): focar gatilhos sazonais ou financeiros — "Frete grátis +R$199", "Pagamento em até 6x", "Trocas gratuitas em 30 dias"
4Aguardar 30 dias com tráfego mínimo (>500 impressions/RSA) → comparar CTR e CVR → pausar o pior, iterar com novo RSA na mesma cadência mensal

💡 Não criar 5+ RSAs por ad group — Google distribui tráfego e nenhum acumula dado suficiente. 2-3 é o sweet spot. ⚡ A skill pode listar todos ad groups com <2 RSAs ativos e gerar variações sugeridas a partir do RSA existente.

Atenção +5 pts health ⚡ Pode automatizar Customer Match com lista mais nova de junho/2025 — 11 meses sem refresh

12 listas de Customer Match cadastradas. A mais recente é "20250606_clientes_ativos" carregada em 06/06/2025 — quase 11 meses atrás. Google trunca emails inativos em 180 dias na própria base, então parte significativa das listas está expirada e não impactando bidding. Outras listas têm size=0 (carga falhou ou match rate muito baixo). "Inativos" com 89k pode ser ouro pra exclusão de aquisição se atualizada. Refresh trimestral é a boa prática.

⏱ 30min ~R$600/mês otimizados

Passo a passo

1Pedir ao Garage Rio CSVs atualizados do CRM: (a) compradores últimos 90 dias, (b) compradores últimos 12 meses, (c) cadastros sem compra (lead), (d) inativos > 12 meses
2Hash dos emails antes de subir (SHA-256) ou usar a opção "Plain text email" do Customer Match (Google hasha do lado dele). Verificar match rate > 50% após upload
3Vincular como Audience signal nos asset groups PMAX: compradores 90d nos asset groups com tROAS agressivo, leads não-compradores nos asset groups de aquisição
4Vincular "Inativos >12 meses" como Exclusão nas campanhas de aquisição — não pagar pra prospectar quem já é cliente
5Agendar reupload trimestral (jul/out/jan) — pode ser via Google Sheets connector ou skill automatizada

💡 Listas com size=0 ou size_for_search muito baixo podem indicar arquivo CSV malformado ou e-mails não normalizados. Vale revisar processo de export do CRM. ⚡ A skill pode monitorar idade das listas e flagar quando ultrapassam 90 dias.

Atenção +2 pts health ⚡ Pode automatizar Nenhuma campanha tem ad schedule — rodando 24/7 igual

As 10 campanhas ativas não têm ad schedule configurado. Para e-commerce de moda, é comum existirem janelas de baixa conversão (ex: madrugada 1h-6h, dias específicos da semana) onde o tráfego é caro e converte mal. Sem ad schedule, os PMAX e Search rodam 24/7 com mesmo bid — gastam em horários ruins por inércia. Análise de dailySeries por hora do GA4 pode revelar +R$300-500/mês evitáveis.

⏱ 1h ~R$400/mês evitáveis

Passo a passo

1Análise de horário: Google Ads → Relatórios → Predefinido → Hora do dia (segmentar por hora) → exportar últimos 90 dias
2Identificar janelas com CVR < 50% da média (típico: madrugadas e domingos à noite). Calcular CPA por bloco horário (manhã, tarde, noite, madrugada) por dia da semana
3Em cada Search/PMAX: Configurações → Cronograma de anúncios → + → criar bid adjustments. Começar conservador: -50% nas piores horas, +20% nas melhores
4Não usar bid adjustments em Smart Bidding (tROAS / Maximize) — o Google avisa que ignora. Para essas, usar configurações de horário diretamente (limite total) em vez de modifier
5Reavaliar mensalmente — sazonalidade afeta padrões (ex: madrugada de Black Friday converte muito)

💡 Para Garage Rio (e-commerce moda feminina BR), esperar pico forte 19h-23h e fundo de poço 2h-6h. Domingo geralmente cai. ⚡ A skill pode puxar GA4 daily_hourly e calcular CVR por hora-do-dia × dia-da-semana automaticamente.

Atenção +2 pts health ⚡ Pode automatizar Sem device bid adjustments — mobile gasta 4× mais que desktop, mesmo bid

Distribuição de gasto Google Ads atual: mobile R$1.100/dia · desktop R$300/dia · tablet R$5/dia. Cost mobile é 4× o de desktop, mas nenhum bid adjustment foi aplicado. Verificar se conversion rate justifica essa proporção — se desktop converte melhor (típico em e-commerce de ticket alto), bid adjustment positivo no desktop e negativo no tablet recupera eficiência. Se Smart Bidding está ativo, validar via "Device performance" report antes de mexer.

⏱ 30min ~R$300/mês otimizáveis

Passo a passo

1Analisar performance por device últimos 90 dias: Relatórios → Predefinido → Dispositivo — comparar CVR, ticket médio e ROAS
2Calcular bid adjustment ideal: se desktop converte 2× melhor que mobile com mesmo CPC, aplicar +30% no desktop. Se tablet tem CVR 50% da média, aplicar -50%
3Aplicar em cada campanha NÃO-Smart Bidding: Configurações → Dispositivos → ajustar bid modifier
4Para campanhas com Smart Bidding (tROAS, Maximize Conv), o Google IGNORA bid adjustments de device — só serve como sinal. Considerar criar campanhas dedicadas de mobile-only ou desktop-only se diferença for muito significativa

💡 Em moda feminina mobile geralmente é maioria do tráfego mas converte um pouco menos por sessão (carrinho abandonado mais frequente). Desktop converte mais por sessão mas tem menos volume. ⚡ A skill pode comparar daily_device com daily_channel e flagar discrepâncias automaticamente.

Impacto projetado — conforme itens concluídos

Receita / verba recuperável / mês

R$11.570

Verba realocada + conversões desbloqueadas

Tempo de implementação

12h

Total dos 9 itens (parcelável em 3 semanas)

Health score possível

100

Atual: 35 · Ganho máximo: +65 pts

Health score

35 atual → 35

0 25 50 75 100

Contribuição por item

✓

App Campaigns com conversion mismatch

+18 pts

· R$2.770/mês recuperáveis

✓

PMAX capturando brand sem exclusão

+12 pts

· R$4.500/mês visíveis

✓

Sem campanha Search Non-Brand

+10 pts

· ~R$2.000/mês de demanda nova

✓

5 ações primary de purchase conflitantes

+8 pts

· Sinal de bidding limpo

✓

Sem campanha Competitor

+5 pts

· ~R$800/mês captáveis

✓

Apenas 1 RSA por ad group — sem A/B

+3 pts

· CTR +5-10%

✓

Customer Match desatualizado

+5 pts

· R$600/mês otimizados

✓

Sem ad schedule — 24/7 sem ajuste

+2 pts

· R$400/mês evitáveis

✓

Sem device bid adjustments

+2 pts

· R$300/mês otimizáveis