Confiança. Antes do lançamento.

Em resumo: O marketing preditivo usa dados e modelos para antecipar como um público provavelmente responderá a uma ação de marketing antes que ela aconteça. Existem duas abordagens principais: modelos que projetam o comportamento a partir de padrões históricos, como cancelamento (churn), compras recorrentes ou propensão, e simulações que testam reações a algo novo, como uma mensagem, conceito ou preço. A primeira já é comum nas empresas. A segunda está ausente de muitos planos de marcas de consumo. Na Galaxies, o Nexus executa esse teste antes dos gastos, usando personas sintéticas construídas a partir de pesquisas reais do próprio cliente.

Quando alguém pergunta se o marketing preditivo “funciona”, geralmente respondo com outra pergunta: prever o quê? Prever quem pode cancelar uma assinatura no próximo mês é um problema. Prever como um público reagirá a uma campanha que ainda não foi criada é outro. Ambos são chamados de marketing preditivo, e essa confusão leva muitas empresas a acreditarem que o praticam quando, na verdade, estão apenas projetando o passado.

Este artigo separa os dois, mostra onde cada um ajuda e explica o modelo que usamos na Galaxies para a parte mais difícil: antecipar reações a novas decisões. Ele se baseia no nosso guia sobre inteligência de decisão para marketing, que estabelece todo o ciclo de decisão.

O que é marketing preditivo?

O marketing preditivo é um conjunto de práticas que utiliza dados, estatísticas e IA para estimar como os clientes atuais e potenciais se comportarão em resposta a uma ação de marketing antes que ela aconteça. O objetivo é transferir parte das tentativas e erros das mídias pagas para a realização de testes antes da execução.

Na prática, o termo abrange duas questões. A previsão baseada em padrões históricos pergunta: “Com base no que este cliente fez até agora, qual é a probabilidade de ele comprar novamente, cancelar ou responder a uma oferta?” Isso inclui modelos de propensão, valor do ciclo de vida do cliente (LTV) e recomendação. A previsão baseada em simulação pergunta: “Como este público pode responder a uma mensagem, conceito ou preço que ainda não foi testado?” Não há histórico para uma nova ação, portanto sua resposta deve ser simulada.

A maior parte do conteúdo sobre marketing preditivo cobre apenas a primeira abordagem. Ela é útil, mas possui um limite estrutural: não pode avaliar algo que nunca aconteceu. As decisões de marketing mais caras, incluindo o lançamento de um produto, o reposicionamento de uma marca ou a promessa de uma nova campanha, muitas vezes não têm precedentes no banco de dados.

Qual é a diferença entre marketing preditivo, analytics e automação?

Eles costumam aparecer juntos em apresentações de martech, mas resolvem problemas diferentes. O analytics histórico explica o que aconteceu e por que, usando dados de campanhas passadas; ele não pode avaliar uma nova ideia. A automação de marketing executa em escala e no momento certo usando regras, gatilhos e jornadas; ela executará uma decisão boa ou ruim com a mesma eficiência.

O marketing preditivo histórico estima quem tem probabilidade de comprar, cancelar ou responder, utilizando o comportamento passado do cliente. Ele precisa de histórico suficiente e de uma ação passada comparável. O marketing preditivo baseado em simulação pergunta como um público pode responder a algo que ainda não existe. Ele utiliza pesquisas de público real transformadas em perfis que podem ser consultados. Ele compara opções e explica os motivos, mas não substitui a validação de mercado formal.

Simplificando: a automação acelera a execução, o analytics explica os resultados e o marketing preditivo tenta melhorar a escolha que vem antes de ambos. Quando a escolha é ruim, a automação apenas espalha o erro mais rapidamente.

Por que antecipar reações é mais urgente em 2026?

Os consumidores podem mudar de opinião mais rápido do que o ciclo de aprovação de uma marca. O tempo entre um sinal do consumidor e uma decisão material da marca é o Gap Sinal-Decisão. Nosso guia de inteligência de decisão explora esse gap em mais detalhes. A simulação não substitui a pesquisa que descreve os consumidores; ela coloca essa pesquisa para trabalhar em cada decisão, em vez de apenas no dia em que o estudo é apresentado.

Como funciona o modelo “descrever, simular, decidir”?

Na Galaxies, explicamos o marketing preditivo baseado em simulação em três etapas. O modelo é deliberadamente simples o suficiente para ser explicado em uma conversa com um CFO.

Figura 1. Descrever, simular, decidir: dados reais descrevem o público; a simulação compara alternativas; e a equipe registra o que cada decisão lhe ensina.

Descrever: quem é o público, de acordo com os dados existentes?

Toda simulação começa com dados reais. No nosso trabalho, isso significa os estudos quantitativos e qualitativos do cliente ou de um parceiro de pesquisa, nunca informações genéricas extraídas da internet. Esses estudos tornam-se perfis de público, ou personas sintéticas, representando grupos reais de respondentes. Uma persona não é um personagem inventado pela equipe de marketing; ela reflete um grupo presente na pesquisa.

Simular: como cada perfil responde a cada opção?

Uma vez prontos os perfis, a equipe apresenta as alternativas que está considerando: duas mensagens, três conceitos criativos, duas apresentações de preço ou uma ideia de produto. Cada perfil responde, pontua e explica sua resposta. O resultado é uma comparação de alternativas, com os motivos de preferência e rejeição por público.

Decidir: escolher com base em critérios claros e registrar o aprendizado

A simulação não escolhe pela empresa. Ela organiza as evidências para que a equipe possa fazer uma escolha com base em critérios explícitos. Assim que a ação chega ao mercado, a equipe compara o resultado real com o que o teste sugeriu e traz essa diferença para a próxima decisão.

Quanto tempo leva para prever reações por meio de simulação?

Um estudo no Nexus roda em minutos, seja uma Conversa com Persona, um Questionário ou uma Análise de Estímulo comparando as opções da equipe. Um veredito estruturado, incluindo revisão humana, fica pronto em até 48 horas, a tempo para a reunião de aprovação.

Esse tempo muda a posição do teste no calendário: antes da decisão, não depois dela. Na Mahta Bio, a validação criativa antes do lançamento reduziu o custo de aquisição de clientes em 35%. A calculadora de ROI da Galaxies pode estimar o impacto com os números da sua empresa. Para comparar a simulação específica da marca com a simulação de população ampla, consulte a seção Nexus ou Simile em nosso guia de inteligência de decisão.

Quais são exemplos de marketing preditivo por setor?

Diferentes setores podem usar a simulação para embasar diferentes decisões. O caso de saúde e bem-estar da Mahta Bio envolveu testar mensagens e abordagens por perfil de público para focar o esforço de aquisição; o custo de aquisição de clientes caiu 35%. Outros exemplos abaixo ilustram aplicações potenciais, não resultados adicionais validados de clientes.

Uma marca de beleza poderia comparar criativos por perfil de público antes de comprar mídia. Uma marca de alimentos e bebidas poderia avaliar embalagens concorrentes ou conceitos de produtos antes do trabalho de campo. Uma marca de medicamentos isentos de prescrição (MIP) poderia comparar formas de declarar um benefício sazonal e identificar objeções antes da aprovação regulatória. Um varejista de consumo poderia testar se descontos, frete, parcelamento ou exclusividade geram mais engajamento em uma grande campanha sazonal.

Nenhum desses exemplos prevê “quanto vamos vender?”. A pergunta útil é “qual alternativa tem maior probabilidade de funcionar, para quem e por quê?”. É isso que a simulação pode ajudar a responder. Pedir a ela para prever o volume de vendas geralmente leva a frustrações.

De quais dados você precisa para começar?

A pergunta que mais ouço de CMOs interessados é se a empresa deles tem “dados suficientes”. Depende da abordagem. Os modelos de propensão histórica para churn, compras recorrentes ou LTV precisam de registros de comportamento de muitos clientes ao longo do tempo, muitas vezes armazenados em um CRM, plataforma de e-commerce ou sistema de assinatura.

Simular reações a novas decisões exige pesquisas quantitativas e qualitativas sobre as atitudes, hábitos, valores e objeções de um público. Esses insights já podem existir em estudos de mercado contratados, pesquisas proprietárias ou dados de parceiros de pesquisa.

Muitas empresas já possuem o material para a segunda abordagem: estudos encomendados ao longo dos anos, lidos uma vez, apresentados em uma reunião e arquivados. Após preparação e anonimização, esses estudos podem servir de base para as personas sintéticas. O que costuma faltar é uma forma de disponibilizar esse conhecimento para cada nova decisão.

Quais são os limites do marketing preditivo?

Prefiro explicar os limites antes que o cliente os descubra por conta própria. Primeiro, uma previsão não é uma garantia. Os modelos estimam tendências. Decisões de risco muito alto ainda merecem validação em campo; a simulação ajuda a determinar o que vale a pena levar para lá.

Segundo, os dados de origem definem o alcance. Se um público não estiver representado na pesquisa, ele não poderá ser simulado a partir dela. Entrar em um novo segmento requer novos dados. Terceiro, a direção importa mais do que as casas decimais. Os resultados podem variar alguns pontos percentuais entre as execuções; a leitura útil é a classificação das opções e os motivos por trás dela, não uma diferença de um ou dois pontos.

Quarto, a qualidade deve ser medida. Na Galaxies, a confiabilidade é avaliada comparando as respostas das personas com as de um grupo de controle de pessoas reais do mesmo segmento em perguntas não utilizadas para criar os perfis. As conversas passam por avaliação contínua com o framework aberto DeepEval em termos de relevância, viés, alucinação, fidelidade ao perfil e toxicidade. Um fornecedor que não consegue explicar como mede a qualidade está pedindo fé, não confiança.

Como sua empresa pode começar com o marketing preditivo?

O caminho mais curto não começa com um grande projeto de dados. Começa com uma decisão específica. Liste as decisões que envolvem um orçamento significativo nos próximos 90 dias e que ainda não foram tomadas. Separe aquelas com histórico comparável, que podem ser adequadas para modelos de propensão, de novas decisões mais adequadas para simulação.

Para uma nova decisão, escreva duas ou três opções reais e a hipótese por trás de cada uma. Verifique se sua pesquisa representa os públicos envolvidos. Se não representar, esse é o primeiro investimento a ser feito. Em seguida, simule, escolha usando critérios explícitos e acompanhe o KPI da decisão, como taxa de cliques, custo de aquisição de clientes ou taxa de aprovação de criativos, após a execução.

Os próximos artigos desta série se aprofundarão em analytics preditivo no marketing e planejamento de cenários para o orçamento de 2027. Esses links deverão ser adicionados quando os artigos estiverem no ar.

Prevendo o que ainda não aconteceu

O marketing tornou-se bom em prever o comportamento dos clientes existentes porque possui o histórico deles. O que continua difícil é prever a resposta a algo novo, que é onde grande parte do desempenho de um ano é decidida. Simular antes de investir não elimina o risco. Torna o risco uma escolha deliberada, com opções comparadas e motivos visíveis, em vez de algo descoberto depois que o orçamento já foi gasto.

Simule opções antes de gastar

Traga uma decisão de mensagem, conceito ou público para o Nexus e compare como diferentes perfis respondem a cada opção. Explore como o Nexus funciona.

Perguntas frequentes sobre marketing preditivo

O que é marketing preditivo?

Ele usa dados, estatísticas e IA para estimar como um público pode responder a uma ação de marketing antes da execução. Inclui modelos históricos, como propensão de compra, e simulações que testam reações a novas mensagens, conceitos ou preços.

Qual é a diferença entre marketing preditivo e analytics?

O analytics explica o que aconteceu em campanhas passadas. O marketing preditivo tenta antecipar o que pode acontecer a seguir. A simulação, em particular, avalia opções que nunca foram ao mercado e, portanto, não possuem registro histórico.

O marketing preditivo pode prever vendas?

Modelos históricos estimam propensões entre clientes existentes. A simulação com personas sintéticas compara opções e explica preferências e barreiras; ela não prevê o volume de vendas. Para decisões de alto risco, ela ajuda a identificar o que levar para testes de campo.

Quais dados são necessários para o marketing preditivo baseado em simulação?

Pesquisas de público reais, quantitativas e qualitativas, da empresa ou de seus parceiros de pesquisa. Na Galaxies, as personas sintéticas são construídas a partir desses dados, não de informações genéricas da internet.

Sobre o autor

Daniel Victorino é CEO e cofundador da Galaxies, uma camada de decisão do consumidor para líderes de marketing em empresas de consumo. A Galaxies desenvolve o Nexus: Galaxies Lab, uma plataforma para explorar e apoiar decisões antes dos gastos, usando personas sintéticas construídas a partir de pesquisas reais com consumidores brasileiros.

Fontes

[1] PYMNTS Intelligence, Global Digital Shopping Index: Brazil Playbook, 2.273 consumidores: https://www.pymnts.com/study/global-digital-shopping-index-new-brazilian-shopper/

[2] Galaxies, casos de clientes: https://www.galaxies.com.br/pt/clientes

Em resumo: A inteligência de decisão é a prática de desenhar e testar uma decisão antes de agir de fato. No marketing, isso significa comparar mensagens, criativos, posicionamento, preços ou opções de público antes de comprometer o orçamento. Na Galaxies, esses testes são executados no Nexus usando personas sintéticas construídas a partir das pesquisas reais do próprio cliente. Eles não substituem a pesquisa de mercado; eles preenchem a lacuna entre os dados que uma empresa já possui e a aprovação de sua próxima campanha.

Em uma palestra recente para líderes de marketing chamada “O Consumidor que Seus Dados Perderam”, perguntei ao público quantas semanas haviam se passado entre o briefing de sua última grande campanha e o dia em que ela foi ao ar. Depois, pedi que multiplicassem esse número por sete.

A resposta é o número de dias que os consumidores tiveram para mudar de ideia sobre a categoria enquanto a empresa aprovava o texto, o criativo, os canais e o orçamento. Um processo de aprovação de oito semanas dá a eles 56 dias. Esse tempo é suficiente para uma tendência surgir, atingir o pico e desaparecer.

Esse atraso tem um nome: a Lacuna Sinal-Decisão, o tempo entre o surgimento de um sinal do consumidor e a tomada de uma decisão material pela empresa com base nele. Enquanto essa lacuna persistir, as marcas tomarão decisões um passo atrás de seus públicos.

Trago isso à tona porque a conversa sobre IA no marketing ficou presa na produção: mais textos, mais variações de anúncios, mais imagens. Isso resolve um problema que já não é o principal gargalo. A questão mais difícil é qual das muitas opções disponíveis merece o dinheiro da empresa. A inteligência de decisão aborda essa questão. O Gartner tem uma visão ampla, próxima ao BI. A Galaxies tem focado desde 2022 em um desafio mais estreito: tomar decisões de consumo antes de gastar, para empresas que lidam diretamente com o consumidor final.

O que é inteligência de decisão?

A inteligência de decisão é a disciplina de estruturar uma decisão antes de tomá-la: definir o problema, formular uma hipótese, desenvolver alternativas, testar o desempenho de cada uma e registrar o resultado para que a próxima decisão seja melhor. O foco muda dos dados em si para a escolha que os dados devem apoiar.

O Gartner a descreve como uma disciplina prática que aprimora a tomada de decisões ao compreender e projetar explicitamente como as decisões são tomadas e como os resultados são avaliados, gerenciados e melhorados por meio de feedback. Em seu Hype Cycle de IA de 2025, o Gartner estimou a adoção entre 5% e 20% das organizações, com dois a cinco anos até a maturidade [1].

Para os líderes de marketing, a frase importante é “projetar como as decisões são tomadas”. A maioria das empresas que conheço desenha campanhas com muito cuidado. Pouquíssimas desenham a escolha entre as campanhas. As alternativas costumam ser comparadas apenas em uma reunião de aprovação, onde vence a opção defendida com maior convicção, não necessariamente a mais testada.

Como a inteligência de decisão difere de BI, analytics e IA generativa?

Essas abordagens coexistem na mesma operação. A diferença está na pergunta que cada uma responde. O business intelligence pergunta o que aconteceu após a execução. O analytics preditivo histórico pergunta o que é provável se os padrões passados se repetirem. A IA generativa pergunta quais opções podem ser produzidas. A pesquisa de mercado pergunta o que o público pensa, com base em evidências amostrais. A inteligência de decisão pergunta qual alternativa escolher, e por quê, antes da execução. Seu teste é tão bom quanto seus dados e hipóteses subjacentes.

A IA generativa é a comparação mais reveladora. Ela multiplicou o número de opções sem melhorar nossa capacidade de escolher entre elas. Uma equipe que antes debatia três conceitos de campanha agora debate trinta, com o mesmo prazo e o mesmo número de pessoas na sala. Sem um método de decisão, mais opções geram mais opiniões, não melhores escolhas.

Por que o marketing ficou sem tempo para tomar boas decisões?

Os dois primeiros sinais mostram que os consumidores agora tomam decisões com a ajuda de IA, muitas vezes em conversas que a marca não consegue ver. Os outros mostram como os líderes de marketing brasileiros avaliam sua capacidade de medir e defender suas escolhas. A Clutch relatou que 65% os consumidores usam IA para pesquisar produtos antes de comprar [2]. A PYMNTS relatou que 53% dos brasileiros usaram IA em sua compra online mais recente [3].

Em uma pesquisa de 2026 da Makers e Uncover com 113 líderes de marketing, 75% disseram que os dados eram um fator determinante em suas decisões, mas apenas 9% confiavam totalmente no que mediam. Outros 41% disseram que suas diretorias avaliavam o marketing principalmente pelo crescimento da receita ou participação de mercado [4]. A pesquisa foi realizada de maio a junho de 2026 e incluiu CMOs, VPs, diretores e gerentes; 70% trabalhavam em empresas com receita superior a R$ 500 milhões. Resultados de negócios são exigidos, mas as evidências para defender cada decisão antes de gastar ainda são fracas.

Isso não é falta de habilidade. Essas equipes têm criatividade, experiência de marca e conhecimento de mercado. O que falta a muitas empresas de consumo é uma maneira de comparar opções antes de comprometer o orçamento e chegar a um comitê de aprovação com evidências defensáveis.

Como funciona o Ciclo de Decisão Testável da Galaxies?

Na Galaxies, organizamos o trabalho do cliente em cinco etapas, que chamamos de Ciclo de Decisão Testável. O método é útil mesmo sem qualquer ferramenta específica, embora o Nexus tenha sido construído para executar a etapa de teste em minutos e entregar um veredicto estruturado e revisado por humanos em até 48 horas.

Figura 1. Ciclo de Decisão Testável da Galaxies: problema, hipótese, alternativas, teste e decisão. A equipe traz resultados do mundo real para a próxima decisão.

1. Problema: qual decisão deve ser tomada e até quando?

Minha primeira pergunta a um cliente não é “o que você quer pesquisar?”. É “o que você precisa decidir, quem assina a aprovação e em qual data?”. Uma decisão sem um responsável ou prazo vira um estudo; um estudo sem uma decisão vira um relatório na gaveta. Também estimamos o custo de errar, em termos de orçamento, tempo ou reputação.

2. Hipótese: o que a equipe acredita que teria que ser verdade?

Toda proposta de campanha contém uma aposta implícita: “Públicos mais jovens responderão melhor à conveniência” ou “Descontos são o gatilho mais forte para a Black Friday”. Escrever essa crença em uma única frase passível de ser refutada é a etapa que mais transforma a qualidade da conversa interna.

3. Alternativas: pelo menos duas opções, mais o que já existe

O erro mais comum que vejo é trazer apenas uma opção para um teste. Testar uma única peça valida uma opinião; não apoia uma escolha. Pedimos pelo menos duas alternativas reais e, quando disponível, a versão atual como linha de base. Sem uma comparação, qualquer resultado pode parecer bom.

4. Teste: como cada opção se comporta com cada público?

É aqui que entram as personas sintéticas. Mostramos cada opção a perfis construídos a partir dos dados reais do cliente e examinamos três coisas: qual opção cada público prefere, por quê e o que os faria rejeitá-la. As barreiras costumam ser mais úteis do que as preferências, pois apontam o que precisa mudar antes de uma peça ir ao ar.

5. Decisão: escolher, registrar a justificativa e definir o próximo passo

O teste termina com uma escolha documentada e os critérios por trás dela. Também decidimos o que ainda precisa de validação de campo formal. Depois que uma campanha vai ao ar, a equipe compara o resultado real com a indicação do teste e leva essa diferença para sua próxima decisão. Registrar esse aprendizado transforma uma série de testes em conhecimento cumulativo.

Quais decisões de marketing podem ser testadas antes da execução?

Nem toda decisão merece o mesmo esforço. O pré-teste é mais valioso quando o orçamento é alto, o prazo é apertado ou a escolha é difícil de reverter. Seis decisões surgem repetidamente em nosso trabalho: mensagens, criativos, posicionamento, lançamentos, preços e seleção de público.

Para mensagens, compare duas ou três maneiras de expressar a promessa principal por público e identifique as objeções que cada uma levanta. Para criativos, classifique imagens, vídeos ou textos concorrentes antes de comprar mídia. Para posicionamento, compare territórios alternativos de marca com o existente para entender a adequação e o risco de afastar os clientes atuais.

Para lançamentos, teste conceitos de produtos, nomes e benefícios para identificar barreiras de adoção por perfil. Para preços, compare como um preço, pacote ou condições comerciais são apresentados e qual valor cada um transmite; isso não substitui um estudo de elasticidade de preço. Para seleção de público, exponha diferentes segmentos à mesma estratégia e identifique onde ela repercute ou precisa de ajustes.

Cada uma dessas decisões faz parte de uma série mais ampla deste mês sobre marketing preditivo, analytics preditivo, comportamento do consumidor, propostas de valor, posicionamento de marca, segmentação de mercado e planejamento de cenários para o orçamento de 2027. Links para esses artigos podem ser adicionados conforme forem publicados.

O que os casos reais mostram sobre decidir antes de gastar?

Na Mahta Bio, a validação de criativos antes da campanha reduziu o custo de aquisição de clientes em 35%. Uma decisão que costumava levar de seis a doze semanas agora pode receber um veredicto estruturado em 48 horas.

Esse resultado costuma ser tratado como um ganho de eficiência de mídia. Eu vejo algo diferente: uma vez que o teste se encaixa no cronograma, ele deixa de ser um evento anual e passa a fazer parte das aprovações rotineiras. Essa mudança de frequência é o que torna a inteligência de decisão possível no marketing. A simulação não funcionou sozinha; ela ajudou a selecionar quais opções iriam para a mídia paga. Explore nossos casos de clientes e estime o impacto usando nossa calculadora de ROI em https://www.galaxies.com.br/pt/roi.

Até que ponto se pode confiar em uma decisão testada com personas sintéticas?

Ouço essa pergunta mais do que qualquer outra, e ela é justa. Em eventos do setor de pesquisa, descrevo as reações ao conceito em quatro etapas: rejeição (“é apenas um palpite”), compreensão, aplicação e, após alguns testes, entusiasmo. Mudar da primeira etapa para a segunda exige transparência sobre como a confiabilidade é medida.

Na Galaxies, avaliamos a confiabilidade comparando as respostas das personas com as de um grupo de controle de pessoas reais no mesmo segmento, usando perguntas que não fizeram parte da construção do perfil. As conversas também são avaliadas continuamente com o framework aberto DeepEval em cinco dimensões: relevância, viés, alucinação, fidelidade ao perfil e toxicidade.

Confiança também significa explicar os limites. A simulação não é uma prova de mercado formal. Quando uma diretoria ou órgão regulador exige validação estatística, ela serve como um filtro inicial para decidir o que levar para o campo. Ela não prevê volume de vendas; ela compara opções e explica preferências e barreiras.

Uma persona é tão boa quanto os dados por trás dela. Um público ausente da pesquisa do cliente não deve ser simulado a partir dessa pesquisa. As personas também respondem dentro do domínio que conhecem; perguntas fora dele devem ser redirecionadas. Pequenas diferenças percentuais entre as execuções são esperadas, de modo que a interpretação deve focar na direção e nos motivos, e não em décimos de ponto.

Nexus ou Simile: qual abordagem de simulação se adapta à sua pergunta?

Quem pesquisa sobre simulação de comportamento baseada em IA logo encontrará a Simile, uma empresa americana fundada por pesquisadores de Stanford ligada a um estudo de 2025 que criou agentes generativos a partir de entrevistas de duas horas com 1.052 americanos [6]. Ambas as empresas trabalham com simulação, mas abordam questões diferentes. A Simile começa com populações amplas construídas a partir de seus próprios estudos em grande escala. A Galaxies começa com o público de cada marca: as personas do Nexus são construídas a partir das pesquisas reais do próprio cliente, incluindo consumidores brasileiros.

Se você precisa entender como a população de um país pode reagir a uma mudança de política pública, a simulação de população ampla é mais adequada para a questão. Se você precisa saber como seus próprios clientes podem reagir a uma nova mensagem, ou qual de três anúncios deve rodar na Black Friday no Brasil, um público específico da marca é mais relevante. A mesma distinção se aplica a perguntas internas sobre funcionários versus testar uma proposta de valor em seus segmentos de clientes.

A nossa diferenciação é direta. A persona pertence à marca, não a uma população média: ela reflete as pesquisas do cliente e responde “como meus clientes responderiam?”. O Brasil não é uma tradução aplicada posteriormente. Hábitos locais de pagamento, compras em marketplaces, linguagem regional e ceticismo específico da categoria estão presentes quando as pesquisas subjacentes foram coletadas no Brasil.

Há também um método liderado por humanos em torno da ferramenta. O Nexus Agent é o ponto de entrada em linguagem natural, com três tipos de estudo: Conversa com Persona, Questionário e Análise de Estímulo. Para contas corporativas, um engenheiro dedicado trabalha ao lado da equipe, e cada decisão passa por uma revisão humana estruturada antes de chegar ao comitê. Os dados dos clientes são isolados sob regras claras, com certificação ISO 27001 e conformidade com a LGPD no Brasil e com o GDPR.

Se o objetivo é simular populações inteiras, políticas públicas ou funcionários em uma empresa multinacional, a proposta da Simile é mais ampla que a nossa. Para uma marca de consumo que vende no Brasil e toma decisões sobre seu próprio público, acreditamos que nossa abordagem seja a mais adequada.

Onde a pesquisa de mercado se encaixa nesse processo?

Ela permanece no início e no fim. No início, porque as personas sintéticas da Galaxies são construídas a partir de pesquisas reais realizadas pelo cliente ou seus parceiros, e não de dados genéricos da internet. No fim, porque decisões de alto risco ainda justificam a validação em campo.

Em minha palestra, usei uma imagem para explicar essa relação. A pesquisa tradicional fornece uma fotografia: nítida, cara e verdadeira no dia em que foi tirada. O consumidor de hoje se comporta mais como um filme, mudando de cena entre a foto e o lançamento da campanha. As empresas podem e devem continuar tirando fotografias. Sem elas, o filme não tem de onde partir. Mas a próxima campanha precisa de um frame de hoje, e a simulação ajuda a produzi-lo.

Na prática, a pesquisa constrói e atualiza a base. A simulação filtra e compara as opções no dia a dia. A pesquisa então retorna para validar as poucas apostas que chegam ao fim do funil de decisão.

Como uma equipe de marketing pode começar a usar inteligência de decisão?

Você não precisa reorganizar o departamento. Comece com uma decisão que já esteja na mesa e passe-a pelo ciclo. Escolha uma com data de aprovação nas próximas quatro semanas, de preferência uma que envolva investimento em mídia. Escreva uma hipótese principal em uma frase que o teste possa refutar. Traga pelo menos duas alternativas reais, além da versão atual, quando houver.

Antes de testar, decida o que determinará a escolha: preferência, barreiras, clareza ou outra métrica. Teste com públicos que reflitam sua base real de clientes, não com um perfil de consumidor genérico. Documente a decisão e compare-a com o resultado real da campanha de 30 a 60 dias depois.

Uma recomendação que vem de um erro que nós mesmos cometemos: não teste uma peça que já foi aprovada apenas para confirmar a escolha. Uma vez tomada a decisão, as equipes tendem a interpretar qualquer resultado como validação, e o exercício perde seu propósito.

Escolher se tornou a etapa mais cara do marketing

A IA barateou a produção. O que ficou caro é escolher mal: uma decisão ruim agora chega ao mercado por meio de mais peças, em mais canais, com menos tempo para corrigir o rumo. A inteligência de decisão é uma resposta prática: tratar a escolha como uma etapa de trabalho, com hipótese, alternativas e teste, e não como o momento final de uma reunião.

Não acredito que a simulação decidirá pelo CMO. Acredito que ela mudará o que chega à mesa dele. Em vez de uma única proposta defendida com unhas e dentes, haverá duas ou três alternativas testadas, com motivos e barreiras por público. A decisão continua sendo humana. Ela simplesmente deixa de ser tomada no escuro.

Traga uma decisão real para o Nexus

Escolha uma decisão de mensagem, criativo, posicionamento ou público que você precisa tomar nas próximas semanas e compare as opções antes de gastar. Explore como funciona o Nexus.

Perguntas frequentes sobre inteligência de decisão

O que é inteligência de decisão no marketing?

É a prática de estruturar decisões de marketing antes da execução: definir o problema, formular hipóteses, comparar alternativas de mensagens, criativos, preços ou públicos, e testar o desempenho de cada uma. O objetivo é escolher com base em evidências, não em convicções.

Como a inteligência de decisão difere do business intelligence?

O BI usa dados históricos para explicar o que já aconteceu. A inteligência de decisão atua antes da execução, comparando alternativas que ainda não chegaram ao mercado. Eles se complementam: o BI revela o resultado, que alimenta a próxima decisão.

As personas sintéticas substituem a pesquisa de mercado?

Não. Na Galaxies, as personas sintéticas são construídas a partir das pesquisas reais do cliente ou de seus parceiros. Elas ajudam a testar e filtrar opções antes de gastar. As decisões que exigem comprovação formal ainda vão para o campo, com menos opções e hipóteses mais claras.

Quanto custa testar uma decisão com personas sintéticas?

Depende do escopo e do número de decisões testadas durante o ano. A comparação útil é entre o custo de testar previamente e o custo de uma campanha que dá errado. A calculadora de ROI da Galaxies permite estimar isso com seus próprios números.

Quanto tempo leva para testar uma alternativa de campanha?

Um estudo no Nexus é executado em minutos. Um veredicto estruturado, incluindo revisão humana, fica pronto em até 48 horas.

Qual a diferença entre a Galaxies e a Simile?

A Simile é uma empresa americana que simula populações amplas usando suas próprias pesquisas. A Galaxies, sediada no Brasil, constrói personas a partir das pesquisas reais de cada marca com consumidores brasileiros. A primeira é mais adequada para perguntas sobre sociedades; a segunda, para decisões de uma marca sobre seu próprio público.

Sobre o autor

Daniel Victorino é CEO e cofundador da Galaxies, uma camada de decisão do consumidor para líderes de marketing em empresas de consumo. A Galaxies desenvolve o Nexus: Galaxies Lab, uma plataforma para investigar e apoiar decisões antes de gastar, usando personas sintéticas construídas a partir de pesquisas reais com consumidores brasileiros.

Fontes

[1] Gartner, Hype Cycle for Artificial Intelligence 2025, definição e estimativa de adoção para inteligência de decisão, conforme relatado pela Aera Technology: https://www.aeratechnology.com/blogs/transformational-moment-decision-intelligence-2025-gartner-ai-hype-cycle/

[2] Clutch, “65% of Consumers Use AI to Research Products Before Making a Purchase,” 22 de janeiro de 2026: https://www.businesswire.com/news/home/20260122526477/en/Clutch-Report-65-of-Consumers-Use-AI-to-Research-Products-Before-Making-a-Purchase

[3] PYMNTS Intelligence, Global Digital Shopping Index: Brazil Playbook, 2.273 consumidores: https://www.pymnts.com/study/global-digital-shopping-index-new-brazilian-shopper/

[4] Makers e Uncover, O Futuro da Mensuração em Marketing, pesquisa com 113 líderes de marketing, maio–junho de 2026: https://meet.uncover.co/o-futuro-da-mensuração-em-marketing-lkd

[5] Galaxies, casos de clientes: https://www.galaxies.com.br/pt/clientes

[6] Stanford HAI, “Simulating Human Behavior with AI Agents,” maio de 2025: https://hai.stanford.edu/policy/simulating-human-behavior-with-ai-agents

Fizemos uma parceria com a Business Advantage, uma consultoria de insights e dados B2B baseada no Reino Unido, para disponibilizar a simulação de audiência do Nexus para seus clientes, em um território de pesquisa definido por longos ciclos de compra e públicos pequenos demais para qualquer painel genérico alcançar.

Em resumo: A Galaxies anunciou uma parceria com a Business Advantage, uma consultoria de insights e dados B2B baseada no Reino Unido e fundada em 1992. A parceria disponibiliza o Nexus para os clientes da Business Advantage e combina a metodologia de pesquisa B2B da empresa com personas sintéticas construídas a partir de pesquisas reais com o público próprio de uma organização. O objetivo é testar perguntas antes do trabalho de campo, não substituí-lo. Marketing Decision Intelligence é como descrevemos o trabalho da Galaxies: ajudar líderes de marketing a decidir sobre criativos, claims, públicos e mensagens antes de comprometer o orçamento, utilizando personas sintéticas construídas a partir de pesquisa real e revisão humana.

No dia 2 de outubro, o Daily Research News Online publicou a notícia da nossa parceria com a Business Advantage e, em 5 de outubro, o Research Live, o veículo de notícias da Market Research Society, também a cobriu. Quero explicar aqui, com mais contexto do que uma nota de imprensa permite, por que essa parceria é importante e para quem.

O que é a Business Advantage?

A Business Advantage é uma consultoria de insights e dados B2B baseada no Reino Unido, fundada em 1992, que oferece pesquisa de mercado, consultoria e serviços de dados. Ela atua há mais de três décadas em setores como tecnologia, CAD/CAM/PLM, impressão, sustentabilidade e telecomunicações, combinando múltiplos métodos de pesquisa com análise de concorrentes e de mercado. Esse know-how de pesquisa B2B, construído ao longo de décadas, é o que a parceria une à tecnologia do Nexus.

Por que a pesquisa B2B é um problema diferente do B2C?

A pesquisa com o consumidor lida com públicos de milhões de pessoas e perguntas relativamente diretas sobre preferência, percepção e intenção de compra. A pesquisa B2B enfrenta uma realidade diferente: ciclos de decisão que se estendem por meses, múltiplos tomadores de decisão dentro de uma única conta e públicos de especialistas, como compradores de tecnologia ou gerentes de categoria, pequenos demais para que qualquer painel genérico alcance em volume e profundidade suficientes.

Esse é justamente o ponto que Rachel Cope, Diretora Executiva da Business Advantage, destacou ao comentar sobre a parceria:

“A pesquisa B2B traz desafios únicos, e nossa parceria oferece uma oportunidade de combinar metodologias de pesquisa comprovadas com novas tecnologias para responder a perguntas de maneiras diferentes e complementares.”

O Nexus entra nesse cenário construindo personas sintéticas a partir de pesquisas reais com o próprio público de uma organização, sejam estudos que ela já possui ou dados coletados com parceiros de pesquisa. Para um comprador B2B específico que é difícil de alcançar em volume, isso significa explorar hipóteses com base no público real da empresa, e não em um painel genérico que nunca foi projetado para aquele nicho.

A simulação substitui o trabalho de campo?

Não, e esse ponto é inegociável para nós. Foi isso o que eu disse ao comentar sobre a parceria para a imprensa especializada:

“O futuro da inteligência B2B não consiste em substituir a pesquisa. Trata-se de dar às organizações novas maneiras de explorar hipóteses, entender as respostas do público e embasar decisões antes de irem a mercado.”

Na prática, a pesquisa continua sendo a base: é ela que alimenta as personas. O Nexus atua no intervalo entre um estudo e outro, para explorar hipóteses, comparar alternativas e ajudar a decidir quais perguntas merecem ir a campo. Conversar com o comprador real continua sendo insubstituível. É a mesma lógica por trás dos nossos casos de uso de personas sintéticas: a camada de simulação existe para apoiar a decisão sobre o que pesquisar e como, nunca para eliminar a pesquisa em si.

O que esta parceria significa para a Galaxies?

Até agora, os casos do Nexus que compartilhamos publicamente centram-se em marcas de consumo em setores como bancos, beleza, alimentos e bebidas, iGaming e tecnologia. A parceria com a Business Advantage leva a mesma abordagem de Marketing Decision Intelligence para o B2B, um território que exige menos volume e mais precisão: entender o que pesa na decisão de um comprador corporativo específico, e não de um painel de milhares de consumidores.

De acordo com o Research Live, as duas empresas informaram que a parceria disponibilizará a ferramenta para os clientes da Business Advantage.

Para quem lidera pesquisa ou insights em uma empresa B2B, o convite é simples: antes de definir o orçamento do próximo estudo de campo, pergunte se as hipóteses que vão para o questionário já foram testadas contra algum sinal, ou se o próprio questionário é a primeira vez que a pergunta está sendo feita.

Fechamento: uma parceria, não um atalho

Gosto de encerrar textos institucionais da mesma forma que encerramos o anúncio: reforçando o que a parceria não é. Não é um atalho para evitar o trabalho de campo, nem uma promessa de substituir décadas de metodologia por um modelo de IA. É a combinação de duas coisas que, individualmente, resolvem apenas metade do problema: a experiência em pesquisa B2B que a Business Advantage construiu desde 1992 e a camada de simulação do Nexus, construída a partir da própria pesquisa real de cada organização.

Quem quiser ver como a simulação funciona na prática pode explorar o Nexus ou ver os casos de clientes que já utilizam a plataforma hoje.

Perguntas frequentes

O que é a parceria entre a Galaxies e a Business Advantage?

Uma colaboração anunciada em outubro de 2026 que combina a metodologia de pesquisa B2B da Business Advantage, uma consultoria sediada no Reino Unido fundada em 1992, com a plataforma Nexus da Galaxies, permitindo explorar hipóteses sobre públicos empresariais a partir de pesquisas reais com o público da própria organização.

O que é a Business Advantage?

Uma consultoria de insights e dados B2B baseada no Reino Unido, fundada em 1992, que oferece pesquisa de mercado, consultoria e serviços de dados em setores como tecnologia, CAD/CAM/PLM, impressão, sustentabilidade e telecomunicações.

Quem terá acesso ao Nexus por meio da parceria?

De acordo com o Research Live, as duas empresas informaram que a parceria disponibilizará o Nexus para os clientes da Business Advantage.

A simulação de público substitui a pesquisa de mercado B2B?

Não. A pesquisa é a base que alimenta as personas do Nexus. A simulação ajuda a explorar hipóteses e comparar alternativas entre um estudo e outro, e o trabalho de campo continua sendo necessário para validar as decisões com o público real.

Quais dados o Nexus utiliza para simular um público B2B?

Pesquisas reais com o próprio público da organização, sejam estudos que ela já possui ou dados coletados com parceiros de pesquisa. As personas são construídas a partir desses dados, e não de um painel genérico.

Fontes citadas

Research Live. Business Advantage and Galaxies work together on audience data, 5 de out. de 2026.

Daily Research News Online. Business Advantage Teams with Persona-Builder Galaxies, 2 de out. de 2026.

Business Advantage. business-advantage.com: metodologia de pesquisa, setores atendidos e história da empresa.

No palco da primeira edição do Makers Next, expliquei por que os consumidores agora decidem ao lado de uma IA, e por que a pesquisa de ontem já não descreve a pessoa com quem sua próxima campanha está prestes a se comunicar.

Em resumo: No Makers Next 2026, realizado em 18 de setembro em São Paulo, a Galaxies apresentou a palestra “O Consumidor que Seus Dados Perderam”. A tese: os consumidores agora decidem ao lado de uma IA, mudam de critérios mais rápido do que a pesquisa tradicional consegue acompanhar, e as marcas que encurtam a distância entre o sinal do consumidor e a decisão da marca conquistam a preferência. Simular uma hipótese antes do lançamento é uma maneira de testar sem esperar semanas.

Na manhã de 18 de setembro, subi ao palco da Finca 50·62, no Morumbi, para a segunda palestra do dia no Makers Next. Eram 9h55, e a Accenture Song tinha acabado de abrir a agenda falando sobre como a IA está redesenhando a nossa forma de trabalhar. A sala era intencionalmente pequena: diretores e gerentes de marketing, branding, CRM, mídia e criação. Pessoas que aprovam orçamentos.

Trouxe uma pergunta que venho fazendo aos clientes há meses, e que raramente recebe uma resposta rápida: quando foi a última vez que você realmente se sentou para conhecer o consumidor com quem sua marca está falando hoje? Não aquele da sua última onda de pesquisas. O que você tem agora mesmo.

Este texto apresenta o que expus, com os dados que utilizei e a origem de cada número, além do que ficou das conversas após a palestra.

O que foi o Makers Next 2026?

O Makers Next é o encontro de líderes de marketing criado pela Makers. A primeira edição ocorreu em 18 de setembro de 2026, na Finca 50·62 em São Paulo, com 11 palestras no palco principal e quatro sessões de Makers Lab em um segundo palco limitado a 30 pessoas cada. O objetivo declarado dos organizadores é discutir o que vem a seguir com as pessoas que realmente precisam decidir.

A programação abordou IA no dia a dia das operações, mensuração e marketing mix modeling (Media Hero), eficácia criativa (Rastro), marketing conversacional (Blip), CRM e retenção (Braze) e branding (Droga5), entre outros temas. Nossa palestra esteve na trilha de Pesquisa e Consumidor de IA.

Um detalhe da agenda me chamou a atenção: a expressão “share of voice” apareceu duas vezes naquele dia. Uma na nossa palestra, aplicada às respostas geradas por IA. Mais tarde, à tarde, no título da palestra da Co-Creators, aplicada à economia dos criadores. Não sei se foi uma curadoria intencional, mas é um bom sinal de que a forma como a presença de marca é medida está sendo repensada sob mais de um ângulo. A programação completa está no site do Makers Next.

O consumidor decide sozinho ou ao lado de uma IA?

Comecei com números que já estão circulando. Em janeiro, a Clutch publicou uma pesquisa mostrando que 65% os consumidores usam IA para pesquisar produtos antes de comprar. No Brasil, o cenário é ainda mais acentuado: o Global Digital Shopping Index da PYMNTS, produzido com a Visa, entrevistou 2.273 brasileiros em março e revelou que 53% usaram IA em sua compra on-line mais recente, à frente do índice de 46% dos Estados Unidos.

O número que mais inquietou a plateia veio do mesmo estudo. Entre 2024 e 2026, a participação do ChatGPT na descoberta de produtos no Brasil saltou de 2% para 32%, enquanto a do Google caiu de 79% para 63%. Em dois anos, um terço da etapa de descoberta mudou de endereço.

“Se você está conversando com uma pessoa, está falando apenas com metade da decisão.”

A outra metade acontece em algum lugar que a marca não vê: dentro de uma IA que pesquisa, compara e recomenda antes mesmo de a campanha ser lançada. E essa IA não é um sistema único. A Superlines analisou 34.234 respostas de IA entre janeiro e fevereiro de 2026 e encontrou uma diferença de 46 vezes nas taxas de citação de marcas entre as plataformas. O ChatGPT citou marcas em 0,59% das respostas; a Perplexity, em 13,05%.

Traduzindo isso para a semana de um líder de marketing: sua marca não tem uma primeira impressão. Ela tem várias, acontecendo em paralelo, cada uma moldada por um modelo diferente. E a estratégia de marca, na maioria das empresas, foi construída para apenas uma.

O teste ao vivo que fizemos na sala

Nesse momento, pedi ao público que pegasse seus celulares, abrisse o ChatGPT, o Gemini ou o Perplexity e digitasse: “Qual é a melhor marca de [sua categoria] em 2026?”. Depois, que trocasse a pergunta por “Qual marca devo evitar em [sua categoria]?”.

“A sala ficou em silêncio enquanto as respostas carregavam. Algumas pessoas viram que sua marca estava bem posicionada, outras não. A IA estava contando uma história sobre cada marca presente, e ninguém da marca fazia parte daquela conversa.”

Recomendo fazer o mesmo teste antes de continuar a leitura. Observe se sua marca apareceu, em qual posição e ao lado de quem. É o diagnóstico mais barato disponível no momento.

O que é AI Share of Voice e por que ele ainda não está no seu relatório?

O AI Share of Voice mede a frequência com que uma marca aparece, é citada ou recomendada quando alguém faz uma pergunta de categoria a um assistente de IA, comparado à frequência com que os concorrentes aparecem. É o equivalente em respostas geradas por IA da métrica que o marketing já acompanha em mídia e busca.

Isso importa porque o clique deixou de ser o caminho padrão. Um estudo da SparkToro com dados do painel Similarweb revelou que 68% das buscas no Google nos Estados Unidos terminaram sem clique nos primeiros quatro meses de 2026, contra 60% em 2024. Quando um AI Overview aparece na página, a Seer Interactive mediu uma queda de 61% no CTR orgânico. No mesmo estudo, marcas citadas dentro do AI Overview obtiveram 35% mais cliques orgânicos e 91% mais cliques pagos do que marcas não citadas na mesma busca.

Em outras palavras: aparecer dentro da resposta agora é condição para obter qualquer clique que ainda esteja disponível. Já existem ferramentas para medir isso. O que vejo, conversando com equipes de marketing, é que a métrica raramente chega ao relatório mensal. E a fatia de mercado perdida pela ausência nunca aparece em uma reunião de resultados. Aparece mais tarde, no balanço financeiro.

A primeira palavra sobre a sua marca já não é sua.

Com que rapidez seus dados sobre o consumidor ficam desatualizados?

Mais rápido do que o ciclo de aprovação da sua próxima campanha. O mesmo índice PYMNTS mostra que os brasileiros somam em média 67 dias de compras digitais por mês, o equivalente a 2,2 atividades de compra por dia, 8% a mais que em 2024. Esse é um consumidor que está aprendendo o vocabulário da categoria o tempo todo.

A cultura acompanha esse mesmo ritmo. No Sprout Social Index 2025, 93% dos consumidores disseram ser importante que as marcas acompanhem a cultura da internet, e 27% afirmaram que aproveitar uma tendência só funciona nas primeiras 24 a 48 horas. Na Galaxies, resumimos o problema assim: um ciclo de pesquisa leva semanas; a conversa muda em dias.

Durante a palestra, lancei uma pergunta setorial para a plateia:

• Beleza: skinification, skin cycling e reparação de barreira dominaram os últimos anos. Quais ainda importam e o que veio depois deles?

• Farma: o segmento de OTC focado em saúde mental cresceu, a categoria de perda de peso se reorganizou após os novos injetáveis, a longevidade virou hábito de consumo. O que já saiu dessa lista?

• CPG: a reduflação virou pauta de debate, o efeito GLP-1 remodelou padrões de compra, as marcas próprias ganharam participação. Qual desses itens está no vocabulário do seu consumidor esta semana?

• Finanças: o Pix parcelado virou rotina, os deepfakes se tornaram um medo real, as apostas foram regulamentadas. Qual dessas é a nova conversa na sua base de clientes?

Quero ser claro em um ponto, porque ele costuma ser mal compreendido. A pesquisa tradicional não se tornou inútil. Ela é uma fotografia: nítida, cara e verdadeira no dia em que foi tirada. O consumidor de hoje é um filme que continua mudando de cena entre a foto e a estreia da campanha. Você pode, e deve, continuar tirando fotos, porque sem elas o filme não sabe o que gravar. O que mudou é que a decisão da próxima campanha precisa de um frame de hoje.

Dados históricos são a biografia da sua marca. Eles não descrevem o consumidor que você tem agora.

Jornada ou loop: como o consumidor decide hoje?

Desde 2020, o Google chama o caótico caminho entre o primeiro interesse e a compra de “meio confuso” (messy middle), onde os consumidores oscilam entre explorar e avaliar sem uma ordem fixa. A IA generativa tornou esse meio ainda mais circular. Na palestra, apresentei o que chamamos de AI Consumer Loop: o consumidor descobre, compreende, compra, aprende e volta ao início. Em cada passagem, ele esbarra em uma IA que já formou opinião sobre a categoria e, frequentemente, sobre a sua marca também.

O funil ainda é útil para planejar investimentos. Como descrição de como as pessoas de fato decidem, ele deixa a desejar. Todo mundo naquela sala sabe construir lembrança de marca na mente do consumidor. A pergunta que deixei para eles foi outra: a sua marca tem lembrança de marca na mente da IA?

Quantas voltas o consumidor dá no loop enquanto sua campanha espera por aprovação?

Propus um cálculo simples. Pense em quantas semanas se passaram entre o briefing da sua última grande campanha e o dia em que ela de fato foi lançada. Multiplique isso por sete. Essa é a quantidade de dias que o consumidor teve para mudar de ideia sobre a sua categoria enquanto a empresa ainda estava aprovando texto, criativo, canal e orçamento.

Em uma campanha com oito semanas de aprovações, são 56 dias. Se cada semana equivale a uma volta no loop, a mensagem chega a alguém que já reorganizou seus critérios de decisão oito vezes seguidas, e muito dessa reorganização aconteceu dentro de uma IA respondendo perguntas em nome da marca.

É aqui que o dinheiro é ganho ou perdido. A IA acelerou o lado do consumidor. Do lado da empresa, o funil ainda trava na camada humana, quando um criativo leva dias para ser aprovado. Quem encurtar a distância entre o sinal do consumidor e a decisão da marca conquista o cliente. E tudo começa na audiência: criação, categoria, jornada e mensuração dependem do entendimento de quem está do outro lado. Se a leitura do público estiver desatualizada, tudo o que vem depois herda o erro.

Como testar uma hipótese antes que ela se torne um plano?

A página que publicamos sobre a palestra resume a ideia em uma pergunta: e se você pudesse perguntar antes de lançar? É isso que fazemos com o Nexus.

O Nexus é a plataforma da Galaxies para simular decisões de marketing usando personas sintéticas construídas a partir dos dados da própria empresa. Ele não substitui a pesquisa de mercado. Funciona como uma camada de simulação antes do lançamento, usada para testar mensagens, criativos, uma oferta ou posicionamento enquanto ainda há tempo de corrigir a rota. A pesquisa tira a foto; a simulação ajuda a decidir o próximo frame.

Um exemplo concreto: com a Bradesco Seguros, cada onda de validação entregou 1.000 respondentes sintéticos em 48 horas, com custo por respondente 93% menor (de R\$ 17,00 para R\$ 1,20) e validação 10,5 vezes mais rápida. O caso de sucesso completo está na nossa página de clientes. Se você quiser estimar o impacto para o seu próprio cenário, a calculadora de ROI faz as contas com as suas informações.

A pergunta que deixei na sala

Encerrei a palestra com a mesma pergunta que abre este texto. Você conhece sua marca melhor do que ninguém. Quando foi a última vez que você parou para conhecer o consumidor com quem ela está conversando hoje?

Agradeço à Makers pelo convite e por curar uma primeira edição que colocou as pessoas que tomam essas decisões na mesma sala. A página com os destaques da nossa palestra está aqui. E se a pergunta também mexeu com você, veja como o Nexus funciona.

Perguntas frequentes

O que foi o Makers Next 2026?

Foi a primeira edição do evento para líderes de marketing organizado pela Makers, realizado em 18 de setembro de 2026 na Finca 50·62, em São Paulo. O evento contou com 11 palestras no palco principal e quatro sessões de Makers Lab, abordando temas como IA, mensuração, branding, CRM e pesquisa de consumo.

Qual foi o tema da palestra da Galaxies no Makers Next?

A palestra “O Consumidor que Seus Dados Perderam”, apresentada por Daniel Victorino, CEO da Galaxies, abordou como a IA passou a integrar as decisões de compra, por que os dados sobre consumidores expiram rapidamente e como encurtar a distância entre o sinal do consumidor e a decisão da marca.

O que é AI Share of Voice?

O AI Share of Voice é a frequência com que uma marca aparece, é citada ou recomendada quando alguém faz uma pergunta de categoria a um assistente de IA, como ChatGPT, Gemini ou Perplexity, comparado aos concorrentes.

As personas sintéticas substituem as pesquisas de mercado?

Não. A pesquisa tradicional continua sendo a base para compreender o consumidor. As personas sintéticas, como as do Nexus, funcionam como uma camada de simulação complementar, usada para testar hipóteses de marketing antes do lançamento, enquanto ainda há tempo de mudar o plano.

Por que os dados sobre consumidores ficam desatualizados tão rápido?

Porque os consumidores interagem com a categoria constantemente. No Brasil, a média é de 67 dias de compras digitais por mês, segundo a PYMNTS, e uma fatia crescente das pesquisas de produtos agora passa por assistentes de IA. Um ciclo de pesquisa que leva semanas pode ser concluído depois que o consumidor já alterou seus critérios.

Fontes citadas

• Makers. Makers Next 2026. Programação e detalhes do evento.

• Clutch. Agentic Commerce: How AI Is Changing Online Shopping Behavior, Jan. 2026.

• PYMNTS Intelligence e Visa Acceptance Solutions. Global Digital Shopping Index: Brazil Playbook, 2026.

• Payments Industry Intelligence. Brazil’s AI shoppers point to the next phase of Agentic Commerce, ago. 2026.

• Superlines. AI Search Statistics 2026, mar. 2026.

• SparkToro. In 2026, Less than One Third of Google Searches Still Send a Click, jun. 2026.

• Sprout Social. The 2025 Sprout Social Index, jan. 2025.

Nos próximos 18 meses, espero que os motores de decisão deixem de ser uma vantagem competitiva e se tornem uma expectativa básica da função de CMO, assim como os dashboards de BI são hoje. Faço esta previsão ciente de que artigos de tendências escritos por CEOs de tecnologia podem ser vagos o suficiente para nunca estarem errados. Prefiro correr o risco de errar com uma previsão específica.

Por Que Acredito Que Esta Previsão Está Correta?

O Raio-X do CMO Brasileiro mostrou uma função cuja responsabilidade mudou mais rápido do que suas ferramentas: agora é medida por pipeline e ROI, mas ainda amplamente formada por um repertório focado em marca. Por outro lado, os dados de adoção de IA no marketing mostram alta intenção de investimento e maturidade ainda baixa. Essas tensões não se resolverão sozinhas.

Minha visão é que veremos o mesmo ciclo de outras categorias de ferramentas: o que agora é usado por equipes que estão à frente da curva torna-se um padrão mínimo rapidamente, porque as equipes que não o adotam tornam-se visivelmente mais lentas do que a concorrência.

Três Mudanças Prováveis Até 2028

1. A simulação torna-se rotina, não um projeto especial. Assim como nenhum CMO aprova uma campanha hoje sem verificar um dashboard, a tendência é que nenhuma decisão relevante seja aprovada sem antes ser simulada com o público.

2. A expectativa por decisões testadas aumenta. À medida que os motores de decisão se tornam acessíveis, não testar antes de investir deixa de ser aceito como um problema de falta de tempo e passa a ser um problema de falta de rigor.

3. O repertório valorizado do CMO muda. A criatividade e a marca continuam essenciais, mas serão avaliadas juntamente com a alfabetização de dados e a tomada de decisões testadas — capacidades complementares e não isoladas.

Onde Eu Poderia Estar Errado?

O maior risco nesta previsão é o ritmo, não a direção. Já vi ciclos de tecnologia de marketing onde a adoção esperada em dois anos levou cinco, geralmente porque o comportamento organizacional muda mais lentamente do que as ferramentas disponíveis. Se eu estiver errado, provavelmente será por otimismo no calendário.

O Que Isso Exige dos Tomadores de Decisão de Hoje?

As equipes que começarem a incorporar a simulação em sua rotina de aprovação agora chegarão a 2027 com uma vantagem que não é apenas tecnológica, mas de hábito. A curva de aprendizado é mais fácil de ser percorrida gradualmente do que de uma só vez sob pressão. Para começar, entenda como funciona um motor de decisão de marketing.

Perguntas Frequentes

Como a IA mudará o trabalho do CMO até 2027?

A previsão deste artigo é que simular decisões de marketing antes de investir deixará de ser um diferencial e se tornará uma expectativa básica da função, assim como os dashboards de performance são hoje.

As habilidades de marca e criação perderão importância?

Não. Elas serão avaliadas juntamente com a alfabetização de dados e a tomada de decisões testadas. As capacidades tornam-se complementares, não substitutas umas das outras.

O que uma equipe de marketing pode fazer agora para se preparar?

Incorporar a simulação de público na rotina de aprovação, começando por um gargalo específico em vez de esperar que a prática se torne obrigatória por pressão do mercado.

Chegue Primeiro à Rotina Que Todos Irão Adotar

Toda mudança na expectativa do mercado passa por uma fase em que é um diferencial antes de se tornar um padrão mínimo. Simular decisões de marketing antes de investir está nessa transição agora. As empresas que tratam isso como rotina hoje não estão apenas testando uma tecnologia; estão construindo o hábito que o mercado logo exigirá.

Prepare sua operação para 2027. Agende uma demonstração executiva.

Personas sintéticas simulam padrões comportamentais com alta precisão, mas não são infalíveis. Como qualquer sistema de IA generativa, estão sujeitas a vieses e respostas que podem se desviar de seus dados de origem, o equivalente ao que os modelos de linguagem chamam de alucinação. A Galaxies avalia cada persona com o framework DeepEval em cinco dimensões: relevância, viés, alucinação, fidelidade e toxicidade, antes de considerar uma simulação confiável o suficiente para a tomada de decisões.

Por que falar sobre limites faz parte da credibilidade?

A objeção mais comum de um CMO corporativo diante de qualquer ferramenta de IA generativa é simples: isso é confiável? Ignorar a questão, ou responder apenas com estatísticas de sucesso, tende a gerar mais desconfiança do que segurança. Após anos construindo sistemas de IA, aprendi que o cliente tecnicamente mais sofisticado é precisamente o mais cético em relação a quem promete a perfeição.

Ser direto sobre onde uma tecnologia tem limites não é uma fraqueza de posicionamento. É o que separa uma ferramenta de decisão séria de uma promessa de marketing. Este artigo aborda o que as personas sintéticas fazem bem e onde a validação adicional continua sendo necessária.

Como a Galaxies avalia a qualidade de cada persona?

Cada persona construída no Nexus passa por uma avaliação estruturada com o DeepEval, um framework de código aberto que mede a qualidade das respostas do modelo de linguagem em cinco dimensões.

Relevância. Se a resposta realmente aborda a pergunta feita em vez de se desviar em generalidades.

Viés. Se as respostas apresentam tratamento diferenciado com base nas características demográficas da persona.

Alucinação. Se a resposta contém informações não documentadas nos dados que fundamentam essa persona.

Fidelidade. Se existem contradições entre a resposta e os dados de origem da persona.

Toxicidade. Se a resposta contém linguagem ofensiva, hostil ou inadequada.

Este processo torna possível tratar uma resposta simulada como confiável para fundamentar uma decisão. A confiança é apoiada não pela ausência de erros, mas por um processo estruturado para identificá-los antes que cheguem à decisão final.

Um exemplo concreto de falha de fidelidade

Imagine uma persona construída a partir de dados que descrevem um público que valoriza o preço baixo acima de tudo. Se essa persona, em uma conversa sobre uma nova linha premium, responder com entusiasmo sobre pagar mais por exclusividade, isso é um sinal de baixa fidelidade: a resposta contradiz os dados de origem que fundamentam esse perfil. Esse é exatamente o tipo de inconsistência que a avaliação foi projetada para detectar antes de chegar à equipe de marketing como um insight confiável.

Onde as personas sintéticas funcionam bem?

Elas ajudam a testar hipóteses de mensagens, criativos, preços e posicionamento com uma velocidade e profundidade que os processos convencionais não conseguem sustentar; explorar múltiplas reações de perfis em paralelo; e simular decisões de baixo a médio risco onde uma direção clara é suficiente para decidir com confiança. Para uma aplicação prática, veja como validar criativos de campanha com IA.

Onde a validação adicional ainda é recomendada?

Para decisões com risco regulatório ou financeiro muito alto, onde o custo de um erro justifica uma camada extra de confirmação. Também é recomendada em contextos culturais ou comportamentais altamente específicos que estejam sub-representados nos dados que fundamentam uma persona, e em decisões finais de alto investimento onde uma verificação complementar com pessoas reais reduz ainda mais o risco restante.

Perguntas frequentes

As personas sintéticas têm limitações?

Sim. Como qualquer sistema de IA generativa, elas estão sujeitas a vieses e respostas que se desviam de seus dados de origem. A Galaxies avalia essas dimensões com o DeepEval antes de considerar uma simulação confiável.

Como a Galaxies evita alucinações nas respostas das personas?

Cada persona é avaliada em cinco dimensões do DeepEval: relevância, viés, alucinação, fidelidade e toxicidade. O processo compara a resposta gerada com os dados documentados que fundamentam essa persona.

As personas sintéticas substituem todas as formas de validação humana?

Não para decisões com risco regulatório ou financeiro muito alto, ou em contextos pouco representados pelos dados disponíveis. Nesses casos, uma camada adicional de confirmação com públicos reais continua sendo recomendada.

A confiança é construída com transparência, não com silêncio

Nenhuma tecnologia de simulação é perfeita, e fingir o contrário não gera confiança. Gera desconfiança quando o limite aparece na prática. Ser claro sobre onde as personas sintéticas funcionam bem e onde a validação adicional ainda importa é o que sustenta o uso responsável desta tecnologia em decisões que realmente importam para o negócio.

Fale com a nossa equipe sobre o design de estudo ideal para o seu caso. Agende uma sessão técnica.