Análise de retorno
Allma × Gradisa
Projeção de impacto financeiro mensal a partir de um ganho conservador de performance nas campanhas de tráfego pago. Nada apresentado aqui é uma garantia de resultado.
Para cada R$ 1.000 investidos na Allma
R$31.550
de lucro líquido adicional por mês gerados pela melhoria de eficiência das campanhas que a Gradisa já roda hoje.
Ganho de performance projetado
A projeção da Allma é de 10% de ganho. Ajuste o slider para ver o impacto em diferentes cenários.
Custo por lead
R$ 54
↓ R$ 6 vs. atual
Leads / mês
925
+ 92 leads
Vendas / mês
184
+ 18 vendas
Lucro adicional / mês
R$ 220.888
após custo Allma: R$ 213.888
Comparativo mensal
| Indicador | Hoje | Com Allma | Variação |
|---|---|---|---|
| Investimento em mídia | R$ 50.000 | R$ 50.000 | — |
| Custo por lead | R$ 60 | R$ 54 | −10% |
| Leads gerados | 833 | 925 | +92 |
| Taxa de conversão comercial | 19,9% | 19,9% | — |
| Vendas fechadas | 166 | 184 | +18 |
| Receita | R$ 5.000.000 | R$ 5.552.220 | +R$ 552.220 |
| Lucro (margem 40%) | R$ 2.000.000 | R$ 2.220.888 | +R$ 220.888 |
| Fee Allma | — | R$ 7.000 | — |
| Lucro líquido adicional | — | R$ 213.888 | novo no caixa |
Projeção do contrato (6 meses)
Investimento total Allma
R$ 42.000
Faturamento adicional
R$ 3.313.320
Lucro líquido acumulado
R$ 1.283.328
Por que 10% é uma projeção conservadora
Diagnóstico técnico realizado na auditoria das campanhas atuais. Cada item abaixo, isoladamente, costuma render mais de 10% de ganho de performance.
Conversões duplicadas no tracking
Tag GTM disparando para todos os formulários e contagem dobrada via GTM e GA4. CPL real está em R$ 60, não R$ 30 — metade das conversões reportadas são falsas.
Site com nota 30 (de 100)
Velocidade da home prejudica conversão. Página de produto em 50. Impacta diretamente o Quality Score.
Botões direcionando errado
CTAs do site enviando tráfego para páginas genéricas, não para as páginas específicas dos produtos e categorias.
PMax sem segmentação
Tudo num único grupo de recursos. Sem separação por produto, público ou categoria. O algoritmo não aprende.
Pouca negativação
Palavras-chave irrelevantes consumindo verba. Rotina de negativação raramente executada.
Franquias na mesma conta
Público diferente do core, contaminando o aprendizado das campanhas principais.