O estudo de US$ 550 bilhões da Meta sobre a economia da publicidade foi escrito pelo chefe de políticas públicas, não pelo time de produto

Dois tipos bem diferentes de números em um único post

O título junta duas afirmações produzidas por métodos distintos e com pesos diferentes. A primeira: as tecnologias de publicidade personalizada da Meta foram "associadas a" quase US$ 550 bilhões em atividade econômica nos EUA e 3,4 milhões de empregos em 2024. A segunda: empresas que usam as novas ferramentas de anúncios com IA da Meta tiveram uma melhora de 22% no retorno sobre investimento em anúncios.

O número de US$ 550 bilhões é uma estimativa top-down construída a partir de multiplicadores do U.S. Bureau of Economic Analysis e métodos de pesquisas da UC Berkeley. Já o número de 22% vem de um teste randomizado controlado em larga escala, que replica métodos desenvolvidos com a UC Berkeley e publicados junto ao National Bureau of Economic Research. Um teste randomizado consegue sustentar uma afirmação causal sobre o retorno dos investimentos em anúncios; uma estimativa de multiplicador para toda a economia é um exercício de atribuição — e a própria escolha de palavras da Meta, "associadas a", já deixa isso claro.

A conta do ROAS: o que ela diz e o que não diz

A Meta relata que cada dólar investido por anunciantes gera, em média, US$ 3,71 em receita considerando todos os anunciantes nos EUA, número que sobe para US$ 4,52 entre os que usam as novas ferramentas de IA. É da razão entre esses dois valores que vem o ganho de 22%: US$ 4,52 dividido por US$ 3,71 dá aproximadamente 1,22.

Esse é um resultado de produto real e mensurável, e é a afirmação mais defensável do anúncio. Mas vale notar que a comparação é entre anunciantes que adotaram as novas ferramentas e os que não adotaram — grupos que podem diferir em orçamento, nível de sofisticação e categoria de produto. O desenho do teste randomizado responde se os anúncios geram vendas; a diferença entre usar ou não a ferramenta é um outro recorte, apresentado no post sem explicar como os dois grupos foram pareados.

Por que a assinatura do texto importa

O post foi escrito por Joel Kaplan, Chief Global Affairs Officer da Meta — um cargo de políticas públicas, não de produto ou pesquisa. Essa perspectiva aparece no argumento final, que fala menos sobre como as ferramentas funcionam e mais sobre o que aconteceria se reguladores as restringissem.

O texto também se apoia em pesquisas acadêmicas recentes que mostram como a personalização de anúncios traz mais eficiência para as empresas — e que, quando essa personalização é restringida, pequenas empresas e consumidores acabam saindo perdendo.Montana Labs

Essa frase é o ponto central do estudo. Os 3,4 milhões de empregos e os 35 milhões de usuários empresariais mensais funcionam como peças de um argumento contra limites à privacidade e à personalização. Ler o documento como um relatório de pesquisa é perder de vista que ele é, antes de tudo, um argumento de políticas públicas vestido de econometria.

Crescimento como evidência do valor da IA

A Meta apresenta o estudo como "um vislumbre do enorme potencial da IA" e relata um aumento de 32,5% na atividade econômica e de 10% nos empregos em relação a um estudo idêntico feito em 2022. Se esse crescimento reflete especificamente os sistemas de IA ou uma recuperação mais ampla nos investimentos em anúncios e na criação de empresas é algo que o método de multiplicador não consegue isolar. A atribuição à IA se apoia no resultado mais restrito de ROAS, validado pelo teste randomizado — não nos totais que aparecem no título.

A implicação prática: verifique a afirmação que corresponde à sua decisão

Para equipes avaliando se vale adotar as ferramentas de anúncios com IA da Meta, o número relevante é o retorno sobre investimento em anúncios validado pelo teste randomizado, não o total de meio trilhão de dólares na economia. O total da economia responde a uma questão regulatória; o número de ROAS responde a uma decisão de compra — e, mesmo assim, vale rodar um teste controlado nas suas próprias contas antes de assumir que um ganho de 22% vai se repetir no seu perfil de investimento.

A lição mais ampla desse anúncio é sobre processo: um único comunicado pode juntar, sob um mesmo título, um teste randomizado rigoroso e uma estimativa de multiplicador com viés de políticas públicas. Equipes que trabalham com dados na prática devem separar essas duas coisas e avaliar cada uma pelo padrão que seu método de fato sustenta.