Anúncios do Google estão virando conversa. E isso muda tudo

A IA está redefinindo a lógica da publicidade digital — e o clique já não é mais o centro do jogo.

O Google acaba de anunciar mais de 40 novidades no Google Ads, envolvendo IA, criação de conteúdo, geração de leads, atribuição e mensuração. São muitas atualizações de uma vez. Mas, olhando o conjunto, uma tendência se destaca com clareza: o Google quer ser mais do que uma plataforma de anúncios. Ele quer ser a infraestrutura por trás de toda a tomada de decisão publicitária.

E o impacto disso vai muito além dos anúncios pagos.

Do clique à conversa

A mudança mais simbólica desse pacote de lançamentos é o Business Agent for Leads: uma funcionalidade que insere interações de IA conversacional diretamente nos anúncios de pesquisa.

Na prática, o usuário pode fazer perguntas sobre serviços, preços, disponibilidade ou expertise de uma empresa — e receber respostas baseadas no conteúdo do próprio site do anunciante, tudo isso sem sair do anúncio.

Isso quebra uma lógica que vigorou por décadas no modelo de publicidade paga por clique (PPC, do inglês Pay-Per-Click — o modelo em que o anunciante paga cada vez que alguém clica no seu anúncio). A jornada tradicional era simples:

1. Clique no anúncio
2. Acesse a landing page
3. Preencha o formulário

Agora, parte da jornada de qualificação acontece dentro do próprio anúncio. Para setores onde a confiança é determinante — saúde, jurídico, finanças, serviços domésticos — a qualidade do lead que chega após uma conversa é radicalmente diferente de quem clicou por impulso no título do anúncio (a chamada headline, a primeira linha de texto que aparece em destaque nos resultados de pesquisa e que precisa ser atrativa o suficiente para gerar o clique).

Menos volume, mais intenção

Várias das novidades anunciadas apontam para a mesma direção estratégica: o Google quer que os anunciantes otimizem para resultados de negócio reais — não para volume bruto de conversões, ou seja, a quantidade total de ações realizadas pelos usuários em resposta a um anúncio, como cliques em botões ou preenchimentos de formulário, sem qualquer filtro de qualidade.

Recursos como pontuação de intenção de leads — um sistema que atribui uma nota a cada lead com base no seu comportamento e perfil, estimando a probabilidade de ele se tornar um cliente de fato —, lances orientados à jornada do usuário, conversões futuras qualificadas e filtros avançados contra spam têm o mesmo objetivo: reduzir o ruído e entregar leads com mais potencial de virar clientes.

É uma resposta legítima a uma frustração histórica do mercado. Campanhas que geram muita conversão barata — aquela ação obtida a baixo custo, mas que representa pouco valor real para o negócio, como o lead que preencheu o formulário por curiosidade, sem intenção de compra — são um problema antigo. A campanha parece eficiente pelos números, mas o retorno financeiro não vem.

Mas tem outro lado nessa equação: quanto mais o Google assume o controle da qualificação, da previsão e da otimização, menos visibilidade o anunciante tem sobre como as decisões estão sendo tomadas.

AI Max: o Performance Max chegou na Pesquisa

Outro movimento relevante é o AI Max, que expande a lógica de automação algorítmica para as campanhas de Search — os anúncios exibidos nos resultados de pesquisa do Google quando alguém digita uma palavra-chave. O sistema passa a explorar oportunidades além das palavras-chave definidas, identificando consultas adicionais por conta própria.

Para e-commerces com dados de receita sólidos e bons dados primários — informações coletadas diretamente pela própria empresa a partir da sua relação com clientes, como cadastros, histórico de compras e comportamento no site, considerados os mais confiáveis por virem da fonte direta, sem intermediários —, pode representar escala real.

Para quem trabalha com geração de leads sem rastreamento robusto de conversões offline, o risco é alto — e repete os erros da chegada do Performance Max: confiar demais na automação sem alimentar o sistema com os sinais certos.

IA otimiza com base nos dados que recebe. Se a campanha só rastreia preenchimento de formulário, o sistema vai otimizar para mais preenchimentos de formulário — independentemente de esses leads virarem clientes ou não.

Por isso, tantos lançamentos do Google agora giram em torno de importação de conversões offline, integração de dados primários e conectividade com CRM. Quem alimentar o sistema com sinais de qualidade vai ter vantagem competitiva nesse novo ambiente.

Mensuração preditiva: o futuro que já chegou

Outra mudança que merece atenção é a virada do Google em direção à mensuração preditiva.

Recursos como Attributed Branded Searches e conversões futuras qualificadas tentam conectar a exposição a um anúncio com comportamentos que podem acontecer meses depois. Em vez de só medir o que aconteceu, o Google quer estimar o que vai acontecer.

Para entender por que isso importa, vale explicar um conceito-chave: a janela de atribuição. Quando alguém clica num anúncio e depois realiza uma compra ou preenche um formulário, a plataforma precisa definir até quanto tempo depois do clique ela vai considerar que aquela conversão foi gerada por aquele anúncio. Esse prazo é a janela de atribuição — e no modelo tradicional, costuma ser de 7 a 30 dias.

O problema é que muitas jornadas de compra são bem mais longas do que isso. Um usuário pode ver um anúncio em janeiro, pesquisar mais, comparar opções e só fechar negócio em março. Nesse caso, o anúncio de janeiro não recebe crédito pela conversão — mesmo tendo sido o primeiro contato.

É exatamente esse gap que o Google tenta resolver com a mensuração preditiva: enxergar além da janela tradicional e conectar campanhas de reconhecimento de marca (awareness — aquelas voltadas não para venda imediata, mas para fazer com que o público conheça e lembre de uma marca) com conversões que acontecem muito depois da primeira exposição.

Isso pode ajudar muito em jornadas de compra longas. Mas também cria uma dependência crescente de modelos de previsão gerados por IA — que o anunciante não consegue auditar por completo.

Essa tensão — até onde vale trocar visibilidade por automação e eficiência? — deve ser um dos debates centrais do marketing digital nos próximos anos.

Criação de conteúdo como infraestrutura

O Asset Studio também ganhou destaque no pacote de anúncios. O Google está transformando a geração de assets — todos os elementos criativos que compõem um anúncio, como títulos, descrições, imagens, vídeos e chamadas para ação — em parte do próprio fluxo de mídia. A plataforma quer criar esses elementos, analisá-los, otimizá-los e testá-los automaticamente, combinando as versões com melhor desempenho para cada perfil de usuário.

Para equipes menores, isso pode eliminar gargalos e reduzir custos de produção. Mas se a IA de criação se tornar commodity — acessível para todo mundo —, a diferenciação vai depender cada vez mais de estratégia de marca, conhecimento de audiência e dados primários. Não de capacidade de produção.

O que fica depois de tudo isso

Individualmente, cada lançamento pode parecer incremental. Mas juntos, eles revelam uma reconfiguração profunda da lógica do Google Ads.

A plataforma está se posicionando como camada de infraestrutura de toda a decisão publicitária. Para isso, avança em frentes como:

• conduzir conversas com clientes
• qualificar leads
• gerar criativos
• otimizar orçamentos
• prever resultados
• unificar a mensuração entre canais

Para profissionais de marketing, o desafio agora é claro: equilibrar automação com visibilidade.

IA pode melhorar performance. Modelos preditivos podem descobrir oportunidades que humanos perdem. Automação pode gerar eficiência em escala.

Mas os profissionais que vão se sair melhor nesse cenário são os que ainda entendem quais sinais realmente importam, o que gera resultado de negócio de verdade — e quando o julgamento humano precisa sobrepor a máquina.