Bom dia!
Semana de balanço na Meta, e a conta chegou pra todo mundo. A receita de anúncios cresceu 27%, a ação caiu mesmo assim, e o motivo tem tudo a ver com o leilão que você disputa amanhã de manhã.
No mesmo dia, a OpenAI cortou 80% do preço de um dos modelos do GPT-5.6. Oitenta.
Bora pra edição!
Pensamento do dia
Balanço do segundo trimestre trouxe US$ 59,4 bilhões em publicidade, Advantage+ em ritmo de US$ 75 bilhões por ano e um jeito novo de escolher qual anúncio te entrega.
A Meta divulgou o balanço do segundo trimestre na quarta-feira, depois do fechamento do mercado. A receita de anúncios subiu 27% na comparação anual e chegou a US$ 59,4 bilhões. A receita total cresceu 28%, pra US$ 60,8 bilhões. Veio acima do que o mercado esperava, e ainda assim a ação caiu depois do anúncio, porque o lucro ficou abaixo da projeção e a previsão pro terceiro trimestre decepcionou.
Zuckerberg foi direto na ligação com analistas: em dólar, o negócio de anúncios da Meta está crescendo mais rápido que o de qualquer outra empresa do mundo, e isso seria a prova de que os investimentos em IA estão se pagando.
O número que interessa pra quem vive do Gerenciador: o Advantage+ chegou a um ritmo anual de US$ 75 bilhões em receita.
E veio a parte técnica que mexe no leilão. A Meta começou a rodar o Generative Recommender. Susan Li, CFO da empresa, chamou de mudança de paradigma. Em vez de pontuar cada anúncio possível um por um, a plataforma passa a usar modelo de linguagem pra raciocinar sobre o conteúdo do anúncio e a preferência da pessoa ao mesmo tempo, e aí prever qual anúncio serve melhor pra cada usuário.
Traduzindo pro seu dia: o que está escrito e mostrado dentro do criativo passa a ser lido como conteúdo, e não só como um ID com histórico de performance pendurado.
➡️ A receita de "outros" da família de apps passou de US$ 1 bilhão pela primeira vez, puxada por mensagem paga no WhatsApp e assinaturas
➡️ Projeção do terceiro trimestre: US$ 61 a 64 bilhões, com possível efeito do anúncio menos personalizado na Europa
➡️ CapEx do ano fechou na faixa de US$ 130 a 145 bilhões, com o piso mais alto que a estimativa anterior
Ferramenta visual de arrastar e soltar pra desenhar as etapas do funil dentro da plataforma. Sem anúncio oficial, só a página de ajuda no ar.
Apareceu na quarta-feira uma página nova na Central de Ajuda do Google Ads descrevendo o Lead Journey Mapping. Sem anúncio, sem post de blog. A página simplesmente apareceu. É uma ferramenta visual de arrastar e soltar pra desenhar a jornada do seu cliente de ponta a ponta dentro da plataforma, e alinhar o lance da campanha com a meta de negócio.
Por que isso importa: hoje quem gera lead otimiza pra formulário enviado. O que acontece depois (lead qualificado, proposta, venda ganha) mora no CRM e só chega na plataforma se você mandar. O Google está pedindo esse desenho de forma estruturada, dentro da casa dele.
➡️ Arrastar e soltar: você monta as etapas do funil na mão, dentro do próprio Google Ads
➡️ Objetivo declarado: alinhar o lance com a etapa que representa negócio fechado, e não com o formulário
➡️ Ainda sem data: nenhuma conta reportou acesso. Por enquanto só existe a documentação
O Snapchat plugou o CRM direto dentro do anúncio
Integração nativa com o HubSpot, campo de formulário mapeado sozinho e Conversions API devolvendo evento. Você não precisa rodar Snapchat pra se importar com isso.
O Snapchat anunciou na quinta-feira uma integração nativa com o HubSpot. O lead captado no anúncio entra direto nas listas e no pipeline do CRM, com os campos do formulário mapeados sozinhos. E junto vem uma Conversions API que devolve pro Snapchat os eventos registrados nos fluxos do HubSpot.
Pelos números da própria empresa, o CTR do produto nativo de lead subiu 77% e o custo por lead caiu 26% na comparação anual.
Olha o padrão da edição se formando: a Meta lendo conteúdo de criativo, o Google pedindo o desenho do funil, o Snapchat puxando evento do CRM. Três empresas diferentes, um pedido só.
➡️ Campo do formulário mapeado automaticamente nas propriedades do CRM, sem passagem manual pro comercial
➡️ Conversions API mandando evento de fundo de funil de volta pra plataforma, pra leitura melhor de ROAS
➡️ O Snap divulga o balanço do trimestre no dia 3 de agosto
O Luna ficou 80% mais barato e o Terra 20%, valendo desde quinta-feira. O Sol manteve o preço e ganhou um modo mais rápido.
Quinta-feira, 30 de julho. A OpenAI publicou o corte de preço da família GPT-5.6 na API. O Luna, o mais rápido e mais barato da linha, ficou 80% mais barato. O Terra, o do meio, caiu 20%. O Sol, o topo de linha, manteve o preço. Terra saiu por US$ 2 por milhão de tokens de entrada, Luna por US$ 0,20.
Vale o lembrete: o Luna é o modelo mais barato da família, e não o mais capaz. Pra raciocínio pesado, a conta continua sendo outra.
O que muda na sua operação: aquele processo que você deixou de automatizar porque a conta não fechava merece uma revisitada. Classificar conversa de WhatsApp, triar lead por intenção, resumir ligação de comercial. Volume alto com tarefa simples é exatamente onde esse corte aparece na sua planilha.
➡️ Preços novos valendo na API desde 30 de julho, com liberação gradual na AWS
➡️ No ChatGPT Work e no Codex, Terra e Luna consomem menos crédito da sua cota
➡️ Entrou o Fast mode pro Sol na API: até 2,5x mais rápido pelo dobro do preço, com a mesma inteligência
800 mil vídeos analisados e um recado incômodo sobre o YouTube
A Metricool comparou fevereiro de 2025 com fevereiro de 2026. Visualização subiu bastante. Quase todo o resto desceu.
Caiu na minha mão o estudo de YouTube da Metricool, publicado dia 28. Eles analisaram 799.718 vídeos de 71.177 contas no mundo todo, comparando fevereiro de 2025 com fevereiro de 2026. Número grande o suficiente pra parar de ser achismo.
O que apareceu:
➡️ Vídeo longo teve 76% mais visualizações, com engajamento 45% menor
➡️ Shorts teve 127% mais visualizações, e as pessoas passaram três vezes menos tempo em cada um
➡️ O feed de Shorts respondeu por 61% de todas as visualizações da plataforma
➡️ Impressão de anúncio, reprodução monetizada e receita estimada caíram mais de 50%
➡️ 83% das interações aconteceram nos primeiros 10 dias de vida do vídeo
A parte que me pegou foi a de monetização. O alcance cresceu e a receita caiu pela metade. Se você reporta alcance pro cliente e o cliente reporta receita pro contábil, vocês dois estão olhando pra gráficos que agora andam em direções diferentes. E adivinha qual dos dois vence a discussão na reunião de renovação?
Juan Pablo Tejela, CEO da Metricool, resumiu dizendo que alcance sozinho deixou de medir impacto. A recomendação do relatório é usar Shorts pra alcançar gente nova, vídeo longo pra construir relação, e priorizar abertura forte e retenção em vez de volume de posts.
O Edits soltou um pacote de atualizações, e uma delas mata o CapCut na sua rotina
Exportação direta pros Stories, camada de ajuste pra timeline inteira, busca de trilha por vibe e as ferramentas de áudio num lugar só.
O perfil oficial do Edits publicou um carrossel com a leva nova de atualizações do app de edição do Instagram. Quatro delas mexem em coisa que você faz toda semana.
Share to Stories (iOS). Você exporta o projeto do Edits direto pro Stories do Instagram, sem passar pela galeria. Parece pouco, mas é onde mora a perda de qualidade de quem produz Stories pra cliente todo dia.
Adjustment Layer (iOS). Você aplica um efeito de vídeo como camada de ajuste e ele vale pra timeline inteira de uma vez. Padroniza o look de todos os clipes sem você abrir cada um.
Busca de áudio filtrada. Dá pra achar trilha por vibe (chill, happy) e por interesse (moda, viagem), em vez de rolar a lista de trending torcendo pra achar alguma coisa que sirva.
Ferramentas de áudio centralizadas. Volume, enhance, fade e o Match de loudness entre clipes agora ficam no mesmo lugar. Isso é o que resolve aquele vídeo em que a fala do primeiro corte está baixa e a do terceiro está estourada.
➡️ Share to Stories e Adjustment Layer saem primeiro no iOS. Android vem depois, como sempre
➡️ O app segue gratuito e sem marca d'água, que é o argumento da Meta contra o CapCut
➡️ Boa hora pra testar com um cliente só antes de mudar o fluxo do time inteiro
Ela pediu um ano antes de vender a empresa falida da família. Ficou 30 anos no comando
A história de como a Lupo saiu do caixa zerado em 1993 pra 862 lojas e 155 milhões de peças por ano.
Vi um post falando sobre esse case essa semana e decidi trazer pro BoleTIM, porque acho que você vai gostar tanto quanto eu gostei.
Em 1993 a Lupo estava no pior momento da história dela. Fundada em 1921, tinha chegado no limite: caixa zerado, banco sem liberar crédito e mais de 80 acionistas da família divididos, sem acordo nenhum sobre o futuro. A única certeza era que a empresa precisava ser vendida. E o problema era esse: do jeito que estava, ela sairia por muito menos do que valia.
Aí entra a Liliana Alfiero, neta do fundador, engenheira civil, que tinha largado a carreira sete anos antes pra se dedicar à empresa. Aos 48 anos, numa reunião em que quase todo mundo já tinha aceitado a derrota, ela fez uma proposta:
Quase ninguém acreditou. Anos depois ela mesma admitiu que, se soubesse o tamanho real da crise naquele dia, talvez nunca tivesse se oferecido.
O primeiro passo foi reorganizar as dívidas pra ganhar tempo. Depois de um bom período de aperto, a Lupo quitou os débitos bancários e regularizou as pendências com o governo. Em paralelo, ela mexeu na operação inteira: unificou fábricas, cortou produto que não dava resultado e tomou as decisões difíceis que ninguém queria tomar.
Em 1994 veio a virada de chave: a primeira loja própria da Lupo, num shopping de São Paulo. Até ali a empresa centenária só vendia no atacado. Com a loja, passou a falar direto com o consumidor e abriu novas frentes: lingerie, pijama, calça e linha esportiva.
O que era pra ser um ano de tentativa virou 30 anos de liderança. Liliana nunca saiu do comando e segue como CEO. Em 2016 a Lupo ainda comprou a Trifil, a rival histórica dela.
➡️ 4 fábricas e cerca de 155 milhões de peças produzidas por ano
➡️ 862 lojas entre próprias e franquias, e presença em 34 mil pontos de venda
➡️ Cerca de 6 mil funcionários, numa empresa que em 1993 estava sendo colocada à venda
Repara na ordem das coisas. Ela não começou abrindo loja nem lançando produto novo. Começou organizando a casa, olhando de frente o que entrava, o que saía e o que estava dando prejuízo. Só depois de enxergar o número real é que deu pra cortar o que não servia e apostar no que servia.
E tem um detalhe que não sai da minha cabeça: em 1993 não existia nada do marketing digital que a gente conhece hoje. Sem Gerenciador, sem pixel, sem CRM, sem dashboard. A primeira loja própria em 1994 foi a forma que ela achou de encurtar a distância até o consumidor, que é exatamente o que a gente tenta fazer com anúncio hoje. Fico imaginando como era o funil de vendas naquela época...
