Peahi
Onboarding · Google Ads + Meta · Abril 2026 · Operação omnichannel (online + 4 lojas físicas RJ)
30
Health score
5
Críticos
R$10k
Recuperáveis/mês
Investimento mensal
R$35k
Meta R$24k (68%) + Google R$11k (32%)
Pixel Meta
Quebrado
1.298 conversões mas R$0 atribuído + audiences vazias
Cobertura Search
Brand only
Sem Search Non-Brand · Sem Competitor
Progresso do onboarding
0 / 14 concluídos
🔴 Crítico — fundação antes de qualquer otimização
5 itens
Crítico Meta +20 pts health Pixel Meta quebrado — sem `value`, audiences vazias, lookalikes inflados
3 problemas encadeados que travam a conta inteira: (1) Pixel registra 1.298 purchases em 30d mas R$0 de receita atribuída — ROAS reportado é sempre 0. (2) Audience "Purchase 180d" tem apenas 20 pessoas e "AddToCart 180d" tem 20 pessoas — pixel dispara conversão mas não identifica usuário pra audience. (3) Lookalikes 1% e 10% (com 1,4M e 13M pessoas respectivamente) estão sendo geradas com seed de 20 — todo targeting de aquisição distorcido. (4) 3 ad sets com `optimization_goal=VALUE` rodando em cima de pixel sem value. R$23k/mês Meta operando às cegas.
⏱ 4h ~R$4.500/mês recuperáveis
Passo a passo
  1. 1Diagnóstico técnico: instalar Meta Pixel Helper no browser e abrir peahi.com.br → testar fluxo de compra completo. Verificar se evento Purchase dispara COM value e currency. Provavelmente o pixel está disparando mas sem o objeto {value: X, currency: 'BRL'} nos parâmetros.
  2. 2Fix no checkout: trabalhar com dev/agência da Peahi para incluir os parâmetros nos eventos. Para Shopify: marcar "Send purchase event with value" no app oficial Meta. Para custom: adicionar fbq('track', 'Purchase', {value: total, currency: 'BRL', content_ids: [...], content_type: 'product'})
  3. 3Implementar CAPI (Conversions API): em 2026, Pixel sozinho não basta — Meta exige Pixel + CAPI pra dedup. Configurar via app oficial Shopify (se for Shopify) ou via Stape/Google Tag Manager Server-side. Cada evento Purchase deve disparar 2× (browser + server) com mesmo event_id pra deduplicar.
  4. 4Validar EMQ (Event Match Quality): meta de score ≥ 7/10. Acessar Gerenciador de Eventos → Pixel Peahi → Visão geral → EMQ. Garantir que pixel envia: email (em), nome (fn, ln), telefone (ph), CEP (zp), cidade (ct), data nasc (db). Já vi que Advanced Matching está ativo com 11 campos — o problema é o evento Purchase não estar enviando o usuário.
  5. 5Recriar audiences de comportamento: após pixel fix + CAPI, deletar "Purchase 180d" e "AddToCart 180d" antigas (com 20 pessoas) e criar novas — em ~14 dias a Meta acumulou base real. Refazer Lookalikes 1% e 10% com seed de qualidade.
  6. 6Mudar bid strategy temporariamente: nos 3 ad sets com optimization_goal=VALUE, mudar pra OFFSITE_CONVERSIONS (Maximize Conversions) até ter ≥30 dias de pixel saudável com value. Voltar pra Maximize Value depois.
⚠️ Esse é o fix de fundação. Tudo o que vier depois (campanhas, criativos, audiences) só funciona com tracking saudável. Bloquear escala de budget até resolver. ⚡ A skill pode validar EMQ score, contar eventos por dia e flagar quando audiences de comportamento estão suspeitas vs. volume de conversões reportadas.
Crítico Google Ads +12 pts health ⚡ Pode automatizar Conversion actions desorganizadas — App install primary + 5 PURCHASE primary com janela 90d
Conta tem 15 actions ENABLED com primary=True e 2 problemas estruturais: (1) "Instalações de Peahi (Android)" marcada como primary — explica os 1.163 conversões R$0 da campanha App Android. Smart Bidding otimiza por instalar app barato, não vender. (2) 3 PURCHASE simultâneas como primary (Peahi GA4 web, Android, iOS) com janela 90 dias em todas — janela longa demais pra moda (ciclo real 7-14d) e múltiplas primary distorcem o sinal pro Smart Bidding. R$507/mês desperdício direto + sinal poluído da conta inteira.
⏱ 2h R$500/mês + sinal limpo
Passo a passo
  1. 1Ferramentas → Medição → Conversões → identificar todas com categoria DOWNLOAD ou PURCHASE marcadas como primary (15 atualmente)
  2. 2App installs: "Instalações de Peahi (Android)" e "First open" → editar → mudar para Secondary action. Não pausar a campanha App ainda — esperar Smart Bidding reaprender (passo 6)
  3. 3Definir 1 primary por plataforma: "Peahi GA4 (web) purchase" como UMA primary. Apps Android e iOS, decidir: se há purchase real no app, configurar Firebase + GA4 com purchase event e marcar essas 2 como primary. Se não há, mover pra Secondary
  4. 4Padronizar janelas: Click-through window 14 dias (não 90). View-through 1 dia. Aplicar em todas as PURCHASE
  5. 5Atribuição: garantir que a primary "Peahi GA4 (web) purchase" usa Data-Driven (já tem volume de conversões suficiente)
  6. 6Decidir App Campaign: com installs como secondary, a campanha App Android perde direção. Opções: (a) trocar bid strategy pra tCPI com cap claro; (b) pausar até purchase no app estar configurado direito. R$507/mês não é muito mas tá literalmente desperdiçado
⚠️ Mudar primary actions afeta Smart Bidding em ~24h. Esperado: oscilação de tCPA por 7-14 dias enquanto reaprende. Comunicar Beto antes. ⚡ A skill pode listar todas conversion actions, sinalizar duplicações de categoria primary e sugerir consolidação automaticamente.
Crítico Google Ads +10 pts health ⚡ Pode automatizar PMAX capturando brand sem exclusão — ROAS 15,99× é fake
Search categories nos PMAX mostra que "peahi" (e variações como "peachi", "peahi loja", "peahi bazar") gerou 14.429 cliques em 30 dias só nas 3 PMAX (Ações 8.676 · Coleções 5.130 · Cidades 623). Sem brand exclusion list, o algoritmo PMAX está sendo creditado por conversões que aconteceriam de qualquer forma via Search Institucional. ROAS reportado de 15,99× nas Ações é, na prática, ROAS de aquisição muito menor (estimativa: 5-7× quando isolar brand). Estimativa conservadora: 30-35% do budget PMAX (~R$2.500/mês de R$7.685 PMAX total) vai pra brand.
⏱ 1,5h ~R$2.500/mês visíveis
Passo a passo
  1. 1Criar lista de exclusão de marca: Ferramentas → Biblioteca compartilhada → Exclusões de marca → + → adicionar "Peahi" + variações ("peachi" também — typo aparece com R$27/30d)
  2. 2Vincular a TODAS as PMAX ativas (Ações, Coleções, Visitas à loja): em cada → Configurações → Exclusões de marca → adicionar a lista
  3. 3Aguardar 14 dias e re-verificar Search categories — brand deve sumir, ROAS reportado vai cair (esperado), volume de conversões pode reduzir 25-35%
  4. 4Garantir cobertura via Search Institucional (já existe "Search Institucional - Exata") — verificar Search lost IS (rank): se > 10%, aumentar budget
  5. 5Comunicar Peahi antes da mudança: ROAS dos PMAX vai parecer pior, mas aquisição real vai ficar visível. Esse é o ponto educacional do onboarding
⚠️ Brand exclusion lists são feature relativamente nova (2024). 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 Google Ads +8 pts health Sem campanha Search Non-Brand — demanda genérica caindo só em PMAX
100% das campanhas Search ativas são "Search Institucional - Exata" (brand). A conta não captura demanda de busca não-marca via Search dedicado — termos como "vestido peahi" (R$24/30d), "peahi vestido" (R$37), e categorias como "vestido midi", "vestido longo", "look feminino" só são captados indiretamente pelo PMAX, com tCPA inflado por conversões brand. Search Generic dedicado teria CPC menor, dado limpo de aquisição e seria a porta de entrada pra escalar Peahi sem depender do volume de brand orgânica.
⏱ 4h ~R$1.500/mês de demanda nova
Passo a passo
  1. 1Levantar keyword set não-marca via Keyword Planner com semente das categorias do site (vestidos, blusas, calças, saias, conjuntos) + termos de modelagem (midi, longo, curto, pantalona)
  2. 2Criar campanha Search - Non-Brand com bidding tROAS — começar com tROAS 4× (50% do reportado da brand) e ajustar após 2 semanas
  3. 3Estrutura: 1 ad group por categoria — Vestidos, Blusas & Tops, Calças & Saias, Conjuntos. Match types: phrase + exact apenas
  4. 4Criar Negative Keyword List dedicada com brand keywords ("peahi", "peachi") e adicionar à campanha — Non-Brand não pode capturar brand
  5. 5RSAs com 2-3 variações por ad group — focar diferenciais: "Frete grátis acima de R$X", "4 lojas no RJ", "Coleção Inverno 2026"
⚠️ Não esperar ROAS de Search Non-Brand similar ao Institucional (9-16×). Aquisição real fica em 4-7× para moda no Brasil. Sucesso = Non-Brand com volume crescente e ROAS estável em 4×+.
Crítico Google Ads +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 — múltiplas marcas adjacentes capturando termos. Sem campanha Search dedicada para esses termos com copy de switch ("4 lojas no RJ | Frete grátis | Peahi"), a conta fica posicionada apenas como reativa. Compradoras pesquisando alternativas estão indo direto pra concorrentes.
⏱ 2,5h ~R$600/mês captáveis
Passo a passo
  1. 1Mapear concorrentes via Search categories do PMAX + Auction Insights da Search Institucional — extrair lista do que aparece nos relatórios da própria conta (não chutar de fora)
  2. 2Criar campanha Search - Competitor com Maximize Conversions (sem tROAS — competitor performa pior que brand). Budget inicial R$300-500/mês
  3. 3Keywords phrase match dos competitors. NÃO usar exact match dos nomes da marca — viola policy do Google
  4. 4RSAs com copy de switch — NUNCA usar nome da concorrente nas headlines. Em vez disso: "Lojas Peahi - Barra, Niterói, Macaé", "Frete Grátis +R$X", "Coleção Inverno 2026"
  5. 5Aguardar 30 dias e avaliar: se ROAS > 2× e CTR > 3%, escalar; se ROAS < 1× consistentemente, pausar
💡 Para Peahi (moda feminina BR + loja física forte), o ângulo de switch é "presença física" e "atendimento" — diferenciação versus marcas 100% online (Dress To, Liritty).
🟡 Atenção — implementar após críticos
5 itens
Atenção Meta +4 pts health Catálogo "Wake" saturado — 35% do budget Meta com freq 5,4×
Anúncio "20260315_catalogo_todososprodutos" gasta R$8.229/mês (35% do total Meta) com frequência 5,4× — passou do limite saudável (≤4-5×). CTR ainda alto (7,6%) sugere que o produto/criativo é forte, mas saturação inevitável. Sem audience expansion ou refresh visual, performance vai cair em 2-3 semanas. Risco de concentração: 1 anúncio top spending sem backup.
⏱ 1h ~R$800/mês evitar queda
Passo a passo
  1. 1Criar 2-3 variações do criativo top — mesmo formato (Catálogo dinâmico) mas diferentes copy/headlines, ou versões em vídeo se hoje só tem estático
  2. 2Expandir audience signals do ad set — adicionar Customer Match (Liquideiros, Vips), Lookalikes 2-5%, e Interesses correlatos (moda feminina BR, lifestyle, pilates/yoga se for o perfil)
  3. 3Configurar Frequency Cap em 4×/7d como guardrail no ad set
  4. 4Após pixel fix (item #1), testar Advantage+ Shopping Campaign como destino do mesmo budget — Meta recomenda em 2026 e usa AI pra rotacionar criativo automaticamente
💡 Saturação não é "ruim" se o produto está vendendo. Mas é sinal de que escalar mais não vai render — o teto de audience foi atingido com esse criativo. Refresh ou expansão é obrigatório.
Atenção Meta +3 pts health ⚡ Pode automatizar 5 audiences Instagram Business das vendedoras não estão sendo aproveitadas
Conta tem audiences IG Business das vendedoras Peahi: @peahi.yohana (6,9k-8,2k), @peahimila (8,6k-10,1k), @peahi_julyana (1,6k-1,9k), @peahicarol (1,3k-1,5k), @peahiicarai.grazi (2,2k-2,6k) — total ~25-30k pessoas que JÁ engajaram com a marca via vendedora. Esse é dado de altíssima qualidade (audiência quente, com conexão pessoal) que não está sendo usado como audience signal nos PMAX nem como exclusão pra evitar canibalização.
⏱ 30min ~R$400/mês otimizado
Passo a passo
  1. 1Criar Audience Combinada "Engajadores Vendedoras Peahi" agregando as 5 audiences IG via Custom Audience → New combination
  2. 2Vincular como Audience signal em ad sets MOF/BOF — quem já interagiu com vendedora tem afinidade marca + propensão de compra
  3. 3Criar Lookalike dessa audience combinada (1% e 3%) — pode performar melhor que LLA de pixel quebrado
  4. 4No Google Ads (PMAX), considerar criar Customer Match equivalente exportando seguidores via Instagram Business + tagging de vendedora — força tarefa Beto/Peahi
💡 Modelo de Peahi com vendedoras tendo IG próprio é ouro pra targeting. Cada vendedora vira um "micro-influencer" com base já validada.
Atenção Google Ads +2 pts health Zero negative keyword lists — sem proteção genérica
Peahi não tem nenhuma negative keyword list compartilhada — prática básica de hygiene em e-commerce maduro é ter ao menos 1 lista negativa cross-campanhas. Sem proteção contra termos genéricos irrelevantes, parte do tráfego Search e PMAX desperdiça budget — buscas como "vestido grátis", "manual de costura", "como fazer vestido", "trabalhar peahi", "vagas peahi" entram na conta. Volume baixo individualmente mas soma no mês.
⏱ 1h ~R$300/mês evitáveis
Passo a passo
  1. 1Criar Negative Keyword List - Genérica: Ferramentas → Biblioteca compartilhada → Listas de palavras negativas → +
  2. 2Adicionar termos genéricos: "grátis", "gratis", "free", "como fazer", "DIY", "manual", "tutorial", "vagas", "trabalhar", "emprego", "salário", "atacado", "revenda"
  3. 3Vincular a TODAS as Search e PMAX. Match type: phrase ou broad (não exact)
  4. 4Mensalmente: revisar Search terms report → adicionar novos termos irrelevantes que aparecem
⚡ A skill pode minerar Search terms de baixíssimo CTR + zero conversão e propor negativas automaticamente.
Atenção Cross-platform +3 pts health ⚡ Pode automatizar Customer Match desatualizado em ambos canais — listas de junho/2025
Google Ads tem 7 listas de Customer Match — a mais nova é "20250618_Base CRM Ativos" (jun/2025, ~10 meses). 3 listas com size_for_search=0 (carga falhou ou match rate baixo). Meta tem listas similares com datas de 2024 e início de 2025. Google trunca emails inativos em 180d na própria base — então parte significativa das listas está expirada. "Liquideiros" (12k-16k pessoas) é ouro pra exclusão de aquisição (não pagar pra prospectar quem só compra com desconto).
⏱ 1h ~R$400/mês otimizados
Passo a passo
  1. 1Pedir CSVs atualizados pro Beto/Peahi: (a) compradores últimos 90d, (b) compradores 12 meses, (c) base loja física separada, (d) inativos >12 meses, (e) liquideiros (alto desconto)
  2. 2Subir em Google Ads e Meta (mesmos CSVs). Verificar match rate > 50% após upload
  3. 3Vincular como Audience Signal nos PMAX e Meta Advantage+ (compradores 90d nos asset groups com tROAS agressivo)
  4. 4Vincular "Inativos >12m" e "Liquideiros" como Exclusão nas campanhas de aquisição — não prospectar quem já é cliente OU só compra desconto
  5. 5Agendar reupload trimestral (jul/out/jan)
💡 "Liquideiros" como exclusão de aquisição é insight de Peahi — provavelmente ninguém otimizou pensando nesse perfil específico antes.
Atenção Google Ads +2 pts health ⚡ Pode automatizar Sem ad schedule — todas campanhas rodam 24/7 igual
As 6 campanhas Google Ads ativas não têm ad schedule configurado. Para e-commerce de moda feminina BR, é comum existirem janelas de baixa conversão (madrugada 1h-6h, segunda à tarde) onde tráfego é caro e converte mal. Sem ad schedule, PMAX e Search rodam 24/7 com mesmo bid.
⏱ 1h ~R$300/mês evitáveis
Passo a passo
  1. 1Análise: Google Ads → Relatórios → Predefinido → Hora do dia (segmentar por hora) → exportar últimos 90 dias
  2. 2Identificar janelas com CVR < 50% da média (típico: madrugadas e segunda-feira manhã)
  3. 3Em cada Search/PMAX: Configurações → Cronograma de anúncios → bid adjustments. Conservador: -50% nas piores horas, +20% nas melhores
  4. 4Smart Bidding (tROAS, Maximize) ignora bid adjustments — usar como guardrail simbólico ou criar campanhas dedicadas se diferença for grande
💡 Para Peahi (moda feminina BR + loja física), pico provável 19h-23h e fundo 2h-7h. Domingo cai geralmente. Sábado tarde é forte.
🟢 GA4 / Tracking & Atribuição — calibração da fonte de verdade
4 itens
Atenção GA4 +0 pts health 8+ eventos GA4 marcados como conversion — view_item_list, view_item, session_start incluídos
No GA4 da Peahi, eventos de topo e meio de funil estão marcados como "key event"/conversion: view_item_list (627k em 30d), view_item (374k), session_start (149k), add_to_cart (39k), begin_checkout (7.9k), add_to_wishlist, e mais. Total "conversions" no GA4 = 1.203.522 num mês com apenas 1.542 vendas reais (ratio 780:1). Se Meta/Google estiverem importando esses eventos como sinal de otimização (via conversion link, GA4 audiences ou Google Ads import), as IAs otimizam pra view, não pra venda.
⏱ 1,5h ~R$2.500/mês evitando otimização errada
Passo a passo
  1. 1Auditoria: GA4 → Admin → Eventos → Marcar como key event — listar todos os eventos atualmente marcados
  2. 2Verificar import no Google Ads: Google Ads → Ferramentas → Conversões — quais ações vieram do GA4? Qualquer coisa diferente de "purchase" precisa revisão urgente
  3. 3Verificar import no Meta: BM → Eventos → Eventos do GA4 sendo usados como signal — Peahi tem CAPI direto, então import GA4 redundante já é problema
  4. 4Desmarcar como key event: tudo exceto purchase, begin_checkout (talvez), add_to_cart (talvez). Lógica: keys events alimentam Discovery/PMAX e relatório de funil — precisa ser sinal de valor real
  5. 5Validar: depois de 7 dias, conferir se Google Ads está usando só Purchase real como conversão primária
💡 Esse é o erro mais comum em GA4 — agências marcam tudo como conversão "pra ver no relatório" mas isso vaza pra integrações de mídia. Peahi tem 780× mais "conversions" GA4 que vendas reais.
Atenção GA4 +0 pts health 23% do tráfego sem atribuição clara — link bio IG, push e email sem UTM
23% das sessões da Peahi caem em buckets sem atribuição: (direct)/(none) 17%, l.instagram.com/referral 4,5%, (not set) 2,4%, Firebase/notification 3,3%. Significa que link de bio do Instagram, push notifications do app, links em email pontual e parcerias não estão padronizados com UTM. Atribuição quebrada → decisão errada de canal (canais "direct" recebem crédito que era de outro lugar).
⏱ 1,5h ~R$1.500/mês decisão de canal correta
Passo a passo
  1. 1Mapear: GA4 → Aquisição → Aquisição de tráfego → Sessão sourceMedium — listar todas as combinações com >1% de sessão
  2. 2Padrão UTM definido: utm_source=instagram&utm_medium=bio&utm_campaign=organic (link Instagram), utm_source=app-push&utm_medium=push (Firebase), utm_source=dito&utm_medium=email&utm_campaign={NOME_CAMPANHA}
  3. 3Ferramentas: instalar Linktree/Beacons UTM-ready ou trocar manualmente o link de bio. Pra push e email, configurar no envio.
  4. 4Documentar padrão UTM em planilha — toda nova ação precisa seguir
  5. 5Reauditar em 30 dias — direct deve cair de 17% pra ~7-10%
💡 17% direct é típico de e-commerce sem disciplina UTM. Em conta bem governada deveria ser 5-8%. Diferença vai virar "facebook/cpc" ou "instagram/bio" — sinal mais limpo pra otimização.
Atenção GA4 +0 pts health Bounce rate de 3,7% (mobile 3,1%) — improvavelmente baixo, autotrack inflando engagement
Bounce rate geral da Peahi é 3,7% — em e-commerce de moda com tráfego pago, o esperado é 35-55%. Mobile mostra 3,1%, desktop 9,9%. Causa provável: enhanced measurement do GA4 disparando page_view a cada scroll/click/interação, fazendo o algoritmo classificar quase toda sessão como engajada. Resultado: relatórios do GA4 ficam otimistas (engagement falso), e dashboards/decisões estratégicas baseadas em GA4 ficam viesadas.
⏱ 1h Sinal limpo (~R$500 eficiência indireta)
Passo a passo
  1. 1GA4 → Admin → Streams de dados → Web → Medição aprimorada — revisar quais eventos estão automáticos
  2. 2Suspeitos: scrolls (90% threshold dispara fácil), cliques externos, vídeo embed. Desativar o que estiver sobrescrevendo bounce real.
  3. 3Validar com BigQuery (se conectado) ou amostra: contar sessões com 1 page_view e <10s — esse é bounce real
  4. 4Documentar: criar exploration "Bounce real vs GA4 padrão" pra ter referência
💡 Não afeta verba diretamente, mas afeta decisão. Se o Beto/cliente final achar que a página tem bounce 3% e na verdade tem 40%, otimização da LP fica congelada. Sinal limpo = melhor diagnóstico.
Atenção GA4 +0 pts health ~70 vendas/mês "perdidas" entre purchase event e atribuição por fonte
Purchase event GA4 dispara 1.542 vezes em 30d (R$ 448.883 em receita). Mas somando transactions atribuídas por sessionSourceMedium: 1.468. Diferença de ~74 vendas (5%) que disparam o evento mas perdem source/medium na sessão. Significa que parte do tracking está disparando antes da sessão GA4 estar consolidada (compra cross-device sem user_id, ou disparo server-side sem session context).
⏱ 1h Sinal limpo (~R$500 atribuição precisa)
Passo a passo
  1. 1Investigar: GA4 → Explorações → Tabela livre com dimensões transactionId + sessionSourceMedium → identificar quais TX vêm sem source
  2. 2Hipótese 1 (cross-device): user inicia jornada no mobile pago, finaliza desktop direto. Solução: garantir user_id na compra (login obrigatório no checkout, hash de email)
  3. 3Hipótese 2 (server-side): se tem Measurement Protocol disparando purchase, sessão pode não estar consolidada. Adicionar client_id correto.
  4. 4Validar com Beto/dev: confirmar via dataLayer no checkout que user_id e session_id estão presentes no purchase event
💡 5% de discrepância é tolerável mas é o piso aceitável. Se subir, atribuição modeling não consegue reconstruir e canais perdem crédito. Worth monitorar.
✅ O que já está bom — não mexer
Impacto projetado — conforme itens concluídos
Receita / verba recuperável / mês
R$16.800
Verba realocada + conversões desbloqueadas + tracking calibrado
Tempo de implementação
23h
Total dos 14 itens (parcelável em 5 semanas)
Health score possível
99
Atual: 30 · Ganho máximo: +69 pts
Health score
30 atual → 30
0 25 50 75 100
Contribuição por item
✓
Pixel Meta quebrado — fundação
+20 pts
· R$4.500/mês
✓
Conversion actions Google desorganizadas
+12 pts
· R$500/mês
✓
PMAX brand contamination
+10 pts
· R$2.500/mês visíveis
✓
Sem Search Non-Brand
+8 pts
· R$1.500/mês de demanda nova
✓
Sem campanha Competitor
+5 pts
· R$600/mês captáveis
✓
Catálogo Wake saturado
+4 pts
· R$800/mês evitar queda
✓
Audiences IG vendedoras não usadas
+3 pts
· R$400/mês otimizado
✓
Zero negative keyword lists
+2 pts
· R$300/mês evitáveis
✓
Customer Match desatualizado (cross)
+3 pts
· R$400/mês otimizados
✓
Sem ad schedule
+2 pts
· R$300/mês evitáveis
✓
Eventos GA4 como conversion (8+)
+0 pts
· R$2.500/mês otimização correta
✓
UTMs faltando (23% direct/referral)
+0 pts
· R$1.500/mês decisão de canal
✓
Bounce rate inflado (autotrack)
+0 pts
· R$500/mês sinal limpo
✓
Discrepância purchase vs transactions
+0 pts
· R$500/mês atribuição precisa