Performance Max não vende na sua loja de móveis? Roteiro prático de diagnóstico e correção

Por que checar primeiro: se o Google não recebe sinais consistentes do que é uma venda (ou Lead qualificado), o algoritmo não otimiza para o resultado certo — ele apenas tenta gerar cliques ou engajamento irrelevante. Antes de culpar a Performance Max, confirme que o evento de conversão que você escolheu representa venda efetiva ou etapa confiável do funil.

O que observar antes: confirme que o evento de conversão ativo no grupo de anúncios é o que reflete venda (ex.: transação concluída). Se usar importação de conversões offline, confirme que o upload está sendo feito e atribuído corretamente.

Como testar durante a checagem: gere testes de compra controlados (ex.: pedido teste com cupom) e acompanhe se aparecem como conversões no Google Ads dentro da janela de atribuição usada. Se não aparecerem, marque como problema de medição.

O que observar depois de correções: aguarde uma janela de pelo menos 7–14 dias (dependendo do volume) para reassessão; documente quantos testes geraram conversão registrada e a latência média entre evento real e registro no Ads.

Erros comuns: SKUs sem preço, imagens faltando, disponibilidade incorreta ou categorias erradas fazem o sistema reduzir ou bloquear exibição de itens. Performance Max depende fortemente do feed para Shopping e Discovery.

O que observar antes: abra o Merchant Center e revele alertas de feed. Verifique se os itens mais vendidos estão ativos no feed com preço, GTIN (quando aplicável) e imagens adequadas.

Durante a correção: corrija atributos essenciais (price, availability, image link) para um conjunto piloto de SKUs e reenvie feed. Não mude tudo ao mesmo tempo — faça alterações por lote e documente.

Depois: monitore relatórios de desempenho por produto (se disponível) e observe se impressões e cliques aumentaram nas SKUs corrigidas dentro de 3–7 dias.

Performance Max usa ativos (títulos, descrições, imagens, vídeos) para criar combinações. Se os ativos forem fracos para o segmento móveis (ex.: apenas fotos de produto isolado sem ambiente), a taxa de conversão pode cair.

Antes de ajustar: gere um inventário dos ativos atuais por grupo de ativos; identifique quais têm alta taxa de impressões mas baixo CTR ou taxa de conversão.

Durante: substitua ativos de baixa performance por variantes testadas: fotos em ambiente, carrossel de usos, vídeos curtos mostrando medidas e montagem. Mantenha um teste A/B documentado trocando um tipo de ativo por vez.

Depois: aguarde o período de aprendizado (normalmente 7–14 dias) e compare métricas vinculadas ao objetivo (conversões, CPA, ROAS — lembrando que essas devem ser interpretadas no contexto do ticket médio).

Muitos problemas aparentemente de campanha são UX no site: páginas lentas, descrição insuficiente, frete alto ou checkout confuso matam conversões.

Antes: execute um checklist técnico: tempo de carregamento (mobile), passos para completar compra, cálculo de frete, disponibilidade de formas de pagamento, políticas de devolução visíveis.

Durante: corrija bugs críticos (ex.: botão de compra inativo, cálculo de frete incorreto), e implemente uma experiência de teste A/B com uma página de produto simplificada para tráfego da Performance Max.

Depois: compare taxa de conversão do tráfego orgânico com o tráfego da campanha. Se o tráfego orgânico converte bem, problema tende a ser sinal/segmentação — se ambos convertem mal, foco é no produto/preço/UX.

Antes de aumentar o orçamento: confirme que há sinal de conversão suficiente. Estratégias automáticas precisam de volume para aprender; aumentar orçamento sem dados é desperdiçar verba.

Regra prática hipotética (exemplo): se uma estratégia precisa de 20 conversões por mês para estabilizar e sua loja gera em média 5 via Ads, aumentar orçamento vai acelerar aprendizado marginalmente, mas não garante melhor ROAS. Essa é uma hipótese que deve ser validada.

Durante ajuste: se decidir aumentar orçamento, faça-o gradualmente (ex.: +20–30% de cada vez) e marque a data; não introduza outras mudanças simultâneas para preservar sinal de causa/efeito.

Depois: observe a janela de aprendizado da Google (7–14 dias) e compare custo por conversão e ROAS relativos antes e depois, controlando por sazonalidade e promoções.

Antes de qualquer iteração: defina uma hipótese clara (ex.: 'corrigir imagens do feed aumentará taxa de clique e conversão em 15% nas SKUs XYZ').

Durante as iterações: mantenha uma planilha de mudanças, período de observação e métricas de sucesso. Cada ajuste deve ter uma janela mínima de avaliação (7–14 dias ou suficiente para acumular conversões relevantes).

Depois: analise resultados com foco em negócio (vendas, margem) — não só métricas de vaidade. Se a intervenção não trouxe melhoria, volte ao passo anterior e tente outra hipótese.

Trocar a campanha para Search/Shopping/Display pode fazer sentido só se, após checagens de medição, feed, criativos, destino e otimização de orçamento, o resultado seguir inferior ao objetivo e houver hipótese sólida que outro tipo de campanha se alinhe melhor ao comportamento do cliente.

Antes de migrar: execute um experimento controlado (ex.: rodar uma campanha Shopping tradicional em paralelo com orçamento pequeno) para comparar performance com Performance Max sob as mesmas condições.

Durante a transição: não apague imediatamente a Performance Max; mantenha ambas e compare por um período mínimo documentado.

Depois: decida com base em métricas vinculadas ao negócio, lembrando que diferentes campanhas têm cobertura e intenção distintas.