Por que a identidade confiável, o contexto de negócios e a mensuração em ciclo fechado são a base para agentes de AI que melhoram as decisões de marketing e comprovam seu valor
Os líderes de marketing hoje enfrentam uma complexidade maior do que nunca. Eles trabalham com mais dados de clientes, mais canais e mais ferramentas de medição do que em qualquer outro momento da história da disciplina, enquanto as jornadas dos clientes se tornaram menos lineares, com sinais de identidade se deteriorando rapidamente à medida que as pessoas mudam de dispositivos e dados de contato. Os profissionais de marketing passaram as últimas duas décadas criando ferramentas comerciais de martech para acompanhar o ritmo — mais de 15.000, segundo estimativas de especialistas em martech, sem incluir as inúmeras integrações de MCP para agentes (State of Martech 2026). No entanto, a confiança no que está funcionando não acompanhou esse ritmo, pois cada novo sistema traz outra cópia dos dados dos clientes, outro conjunto de definições e outra transferência entre equipes.
Enquanto isso, a economia do marketing também está mudando. O valor está migrando de uma moeda de impressão, onde o sucesso é medido por alcance e frequência, para uma economia de previsão — um novo modelo que “recompensa a capacidade de prever o que um cliente precisa, agir no momento certo, entregar essa mensagem personalizada, comprovar o resultado de negócios que a impulsionou e, em seguida, usar isso como o acelerador para o que vem a seguir”, explica Jake LaDuke, Líder Global de GTM para Mídia, Entretenimento e Publicidade na Databricks. Ao mesmo tempo, os consumidores estão começando a usar seus próprios agentes de AI para comparar opções e comprar em segundos, reduzindo a janela para as marcas preverem, agirem e medirem o resultado.
Mas, apesar dessa pressão crescente, a área financeira ainda precisa saber se os gastos de marketing geraram receita e margem incrementais, e se o próximo real investido deve continuar no marketing, migrar para outra alavanca de crescimento ou retornar ao lucro líquido. O desafio para os profissionais de marketing passa a ser como superar a complexidade para fornecer respostas em que todos possam confiar.
À medida que a AI e os agentes se proliferam em todos os setores e linhas de negócios, eles apresentam uma oportunidade poderosa para os profissionais de marketing fornecerem essa clareza. Com o contexto correto do cliente, do negócio e da decisão, os agentes podem recomendar ou tomar a próxima melhor ação para cada cliente em tempo quase real, dentro das metas e limites definidos pelos próprios profissionais de marketing. Cada ação é medida em relação ao que teria acontecido sem ela, e esse resultado alimenta novamente o contexto usado para a próxima decisão. O resultado final são melhores decisões tomadas de forma consistente em milhões de momentos do cliente, além de uma medição clara que mostra que essas decisões geraram um impacto incremental.
Um agente só pode agir tão bem quanto o contexto que recebe; a identidade é o que une esse contexto. Zachary Van Doren, SVP de Estratégia de Produto e Ecossistema na Acxiom, define isso como “a identidade impulsionando a ação”. Sem essa base de identidade, diz ele, “você não tem um contexto que seja operacional, que possa ser usado por agentes”. A resolução de identidade é frequentemente tratada como um projeto de construção de perfil com uma linha de chegada, mas, em um modelo agêntico, seu propósito é a ação: a capacidade de reconhecer, engajar, medir e reengajar consistentemente um cliente em todos os canais. Um perfil perfeitamente montado que não consegue dar suporte a essas etapas não pode entregar os melhores resultados.
O desafio, no entanto, é que a identidade está em constante evolução. As pessoas se mudam, trocam de dispositivos e mudam de endereço de e-mail, e seu comportamento evolui junto com suas circunstâncias. Portanto, a identidade precisa ser mantida continuamente, em vez de ser resolvida uma única vez e deixada de lado. As marcas também precisam conectar registros de clientes conhecidos com sinais de intenção pseudônimos, como sessões anônimas em aplicativos ou exposição a anúncios, sem comprometer a privacidade, a governança ou a confiança do consumidor.
Mesmo com uma base sólida de identidade, simplesmente conectar sinais a um perfil persistente ainda não é suficiente. O mesmo cliente pode exigir uma ação muito diferente dependendo do momento, do comportamento recente, do canal, da exposição anterior à publicidade e do objetivo de negócios em questão. O onde e o como alguém está engajando importa tanto quanto quem essa pessoa é, e é por isso que a antiga escolha entre segmentação baseada em pessoas versus baseada em conteúdo está dando lugar à necessidade de ambas. As estratégias de identidade mais úteis focam na construção de um contexto melhor para as decisões, com um perfil conectado e persistente servindo a esse objetivo.
A Acxiom oferece um exemplo útil de como essa base está sendo modernizada. Trabalhando com a Lovelytics, a Acxiom reconstruiu seus serviços de dados e identidade como uma camada de aplicativo nativa no Databricks, melhorando o tempo de lançamento no mercado para insights acionáveis de clientes em cerca de 30% e reduzindo os custos operacionais em cerca de 15%. O mecanismo de resolução de identidade Real ID da Acxiom agora também é executado nativamente no Databricks, para que as marcas possam resolver e enriquecer os dados dos clientes onde eles já residem, em vez de exportá-los para um ambiente separado.
“Cada um de nós traz uma peça diferente”, diz Jay Goebel, Líder de Prática de Comunicação e Mídia na Lovelytics. “A Databricks traz a plataforma, a Acxiom traz a identidade confiável e a Lovelytics traz a experiência de entrega para colocá-la em produção. Como parceiros de lançamento inicial do CustomerLake, estamos trabalhando juntos para que os profissionais de marketing possam agir com base no contexto do cliente e comprovar o valor dessa ação”.
Um registro tradicional de cliente captura quem alguém é e o que essa pessoa fez. Para que um agente tome uma decisão que um profissional de marketing apoiaria, ele precisa de quatro tipos de contexto.
O volume desse contexto aumenta rapidamente. Uma única transação pode carregar de 30 a 50 parâmetros de metadados, de modo que um único perfil de cliente pode facilmente chegar a milhares de colunas de contexto, muito mais do que qualquer profissional de marketing consegue analisar sem ajuda.
Do ponto de vista do profissional de marketing, um perfil mais completo só mostra seu valor quando melhora uma decisão. Essa decisão geralmente se resume a engajar ou não, qual mensagem ou oferta é mais relevante, qual canal usar e se a ação pode gerar valor sem prejudicar a experiência do cliente, a viabilidade econômica da oferta ou o consentimento do cliente.
Considere um cliente frequente de uma marca de restaurante de serviço rápido (QSR) que parou de fazer pedidos, mas voltou recentemente para navegar no aplicativo. A reação automática é enviar outro desconto. Uma abordagem melhor começa com a decisão que a marca realmente está tentando tomar. Ela passa por cinco considerações:
Clientes diferentes nessa situação exigem respostas diferentes. Se um cliente que costuma fazer pedidos toda sexta-feira perde uma semana, mas depois navega pelo seu pedido habitual na quinta-feira, um lembrete no momento certo pode ser suficiente. Se esse mesmo cliente não faz um pedido há seis semanas e está navegando por uma refeição familiar sem concluir o pedido, um incentivo em um combo ou um acompanhamento gratuito pode ajudar a reconstruir o hábito. Um cliente que visualizou mensagens repetidas sem responder pode estar sinalizando que a marca deve mudar a mensagem, trocar de canal ou parar de gastar com ele por enquanto.
Uma equipe de marketing qualificada pode raciocinar sobre tudo isso para um único cliente, mas nenhuma equipe consegue aplicar o mesmo cuidado manualmente a milhões de momentos de clientes todos os dias. O marketing agêntico foi projetado para preencher essa lacuna, aplicando um julgamento consistente e bem informado em escala, mantendo os limites de segurança (guardrails) sob controle humano e aprendendo com cada resultado.
A plataforma de dados do cliente é onde essa mudança é mais visível na pilha de marketing. As CDPs tradicionais ajudam a unificar perfis e ativar públicos, mas geralmente ficam fora da plataforma principal de dados e AI de uma empresa, o que cria outra cópia de dados confidenciais de clientes para integrar, proteger e conciliar. Os agentes precisam de acesso governado a identidade, modelos preditivos, lógica de negócios, endpoints de ativação e sinais de desempenho em um só lugar.
Esse é o princípio por trás do CustomerLake, a CDP agêntica da Databricks. O CustomerLake está integrado ao lakehouse da Databricks e é governado pelo Unity Catalog, de modo que o engajamento de marketing e a personalização operam na mesma base de dados e AI em que o restante da empresa já confia. Ele é organizado em torno de dois tipos de agentes.
Os profissionais de marketing podem usar linguagem natural para explorar o contexto do cliente e criar públicos por meio do Genie, reduzindo a necessidade de esperar por extrações de dados personalizadas. Eles definem a estratégia, as metas e os limites de segurança que orientam a execução dos agentes.
O CustomerLake impulsiona o que a Databricks chama de Campanhas Infinity, que são loops de engajamento sempre ativos que substituem o ciclo de criação, lançamento e recriação de campanhas pontuais. Um profissional de marketing começa com uma meta, como reativar clientes inativos. Os agentes então identificam o público certo, consideram as restrições de elegibilidade ou inventário, recomendam a próxima melhor oferta ou canal, ativam em todos os destinos e otimizam ou suprimem com base no desempenho.
O CustomerLake também foi projetado para funcionar com os parceiros de identidade, ativação, mensuração e experiência do cliente que as marcas já utilizam, de modo que o contexto confiável do cliente possa fluir entre os canais sem criar um novo silo. Ele foi lançado com um ecossistema de parceiros aberto, incluindo a Acxiom, e conta com o suporte de parceiros de serviços, incluindo a Lovelytics.
Em muitas organizações, a mensuração chega após o fato, como um relatório sobre o que uma campanha entregou. Em um modelo agêntico, a mensuração se torna parte do loop de decisão. O que a marca aprende sobre um público, oferta, canal ou nível de investimento molda a decisão seguinte.
O conceito de incrementalidade impulsiona esse flywheel, e é também a linguagem comum mais útil entre marketing e finanças. Ele separa os resultados com os quais a atividade de marketing esteve associada dos resultados que mudaram porque a marca agiu. Atribuição, testes de incrementalidade e modelagem de mix de marketing contribuem, cada um, com uma parte do cenário, e as análises conversacionais podem ajudar as equipes a explorar o que aconteceu e por que, sem esperar em uma fila por análises personalizadas. O aprendizado contínuo também facilita a identificação de saturação e retornos decrescentes, além de reconhecer quando o investimento deve mudar ou a atividade deve parar.
Quando a área de finanças está avaliando se o próximo dólar deve ir para o marketing, promoção comercial, outra alavanca de crescimento ou para o resultado final, os CMOs geralmente precisam demonstrar cinco coisas.
Uma base de mensuração construída em torno dessas questões oferece ao marketing, vendas e finanças uma visão compartilhada do que está gerando valor e onde o próximo dólar pode trabalhar mais. Como diz Dedra Berg, Líder de Realização de Valor na Lovelytics: “Essas equipes agora podem começar a partir da mesma base confiável em vez de passar metade da reunião conciliando os números. O objetivo não é provar que o marketing deve sempre vencer; é mostrar onde o próximo dólar pode criar a maior receita e margem incremental para o negócio.”
A identidade é a última peça do quebra-cabeça. Quando a mesma estrutura de identidade conecta exposição, engajamento e resultado, um resultado pode ser rastreado até o cliente e a decisão que o produziu, permitindo que o loop de atribuição se feche.
Poucas organizações começam com uma identidade unificada, dados de clientes limpos e mensuração madura já estabelecidos, e esperar por todos os três raramente faz sentido. O ponto de partida mais prático é uma única decisão significativa onde um melhor contexto e uma ação mais rápida possam gerar valor mensurável. Reativar clientes inativos é uma escolha comum. Outras incluem suprimir ofertas que subsidiam compras que os clientes teriam feito de qualquer maneira, ou desviar os gastos de públicos que atingiram a saturação.
A sequência a partir daí é bastante consistente. Defina a decisão e o resultado de negócios que ela deve impactar e, em seguida, reúna o contexto de cliente e de negócios necessário. Defina os limites de segurança (guardrails) e os pontos onde as pessoas continuam envolvidas. Entre em acordo antecipadamente sobre como o valor incremental será medido e use o que aprendeu para melhorar a próxima decisão antes de estender a abordagem para outro caso de uso. Os primeiros usuários do CustomerLake estão seguindo um padrão semelhante, definindo onde os agentes são usados primeiro e expandindo o quanto eles automatizam à medida que a confiança e os resultados aumentam.
O trabalho organizacional importa tanto quanto a tecnologia. O marketing agêntico tende a ter sucesso quando as áreas de marketing, finanças, tecnologia, analytics, privacidade e vendas trabalham em estreita colaboração, quando a propriedade das decisões do cliente, limites de segurança e mensuração é clara, e quando as equipes passam de pilotos isolados para fluxos de trabalho repetíveis vinculados a resultados de negócios.
Para saber mais sobre como transformar sua marca com o marketing agêntico, assista ao webinar sob demanda → Know Your Audience. Act with Relevance. Measure What Matters
Qual é a diferença entre marketing agêntico e automação de marketing? A automação de marketing executa regras e jornadas que as pessoas projetam com antecedência. O marketing agêntico usa agentes de AI que avaliam o contexto atual do cliente e do negócio para escolher a próxima melhor ação dentro de limites definidos por humanos, incluindo a opção de não realizar nenhuma ação, e usa os resultados mensurados para melhorar as decisões futuras.
Por que a resolução de identidade é importante para agentes de AI no marketing? Os agentes tomam decisões com base no contexto disponível para eles. A resolução contínua de identidade conecta sinais conhecidos e pseudônimos, como transações, comportamento no aplicativo e exposição na mídia, em uma visão coerente de cada cliente, o que torna as recomendações dos agentes mais confiáveis e seus resultados mensuaráveis.
O que é uma CDP agêntica? Uma plataforma de dados do cliente (CDP) agêntica combina recursos essenciais de CDP, incluindo resolução de identidade, criação de público e ativação, com agentes de AI que analisam sinais de clientes, decidem sobre as próximas melhores ações e agem em todos os canais. O Databricks CustomerLake é uma CDP agêntica integrada ao lakehouse da Databricks e governada pelo Unity Catalog.
Como medir o ROI do marketing agêntico? A medida mais confiável é a incrementalidade, ou seja, a diferença na receita, margem ou comportamento do cliente em comparação com nenhuma ação tomada. A atribuição, os testes de incrementalidade e a modelagem de mix de marketing ajudam a explicar o desempenho, e reincorporar esses resultados ao contexto do cliente permite que cada decisão melhore a próxima.
(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original
Assine nosso blog e receba os posts mais recentes diretamente na sua caixa de entrada.