Rotação de ofertas de afiliados: como se decide qual oferta mostrar

A rotação de ofertas é o mecanismo que decide, cada vez que um formato aparece, qual das ofertas disponíveis ocupa cada espaço. Se em um artigo de viagens há mais ofertas válidas para o leitor do que espaços para mostrá-las, alguém precisa escolher. A resposta ingênua é «as que pagam mais»; a correta é «as que vão vender mais neste site, para este país, agora», e essa resposta precisa ser aprendida com dados.

O que é a rotação de ofertas na afiliação?

Na afiliação, cada espaço de um formato pode ser ocupado por uma oferta diferente. A rotação é a regra que distribui esses espaços entre as candidatas: qual aparece, quantas vezes e quando deixa de aparecer. Antes de rodar, um filtro já foi aplicado: só concorrem as ofertas ativas, relacionadas ao tema da página e disponíveis no país de quem lê.

Este guia explica como funciona uma rotação que aprende, por que distribuir as impressões igualmente durante semanas é lento e caro, e quais decisões separam um bom sistema de um que só parece inteligente. Serve tanto se você gerencia suas próprias ofertas quanto se quer entender o que acontece dentro de uma plataforma.

Testar ofertas novas ou repetir a que já vende?

Cada impressão é uma aposta. Se você mostra sempre a oferta que foi melhor até agora, garante o resultado seguro, mas nunca descobre se outra venderia mais. Se distribui as impressões igualmente, aprende muito, mas entrega espaço a ofertas medianas. É o dilema de explorar ou aproveitar: testar o novo ou tirar proveito do que já se conhece.

Costuma ser explicado com uma sala de caça-níqueis: cada oferta é uma máquina diferente e você quer levar o maior prêmio total sem conhecer de antemão as probabilidades de nenhuma. A pergunta prática não é qual método é o melhor na teoria, mas qual decide bem com poucos dados, se adapta quando as condições mudam e pode ser explicado quando alguém pergunta por que uma oferta apareceu.

Como funciona a amostragem de Thompson, sem fórmulas?

Uma das técnicas que melhor equilibra essas exigências é a amostragem de Thompson. A ideia cabe em três frases. Para cada oferta não se guarda um único número de desempenho, mas uma faixa estimada com um grau de certeza. A cada impressão, sorteia-se um valor dentro da faixa de cada oferta e mostra-se a que tirou o maior. Cada resultado, seja um clique, uma venda ou nada, ajusta a faixa daquela oferta.

O elegante é que os testes acontecem sozinhos. Uma oferta nova tem uma faixa larga porque há muita incerteza, então às vezes tira valores altos e recebe espaço; conforme acumula dados, a faixa se estreita em torno do seu valor real. Uma oferta que provou vender pouco tira valores baixos quase sempre e deixa de aparecer sem que ninguém a desligue manualmente.

Por que decidir por país e não por uma média?

A decisão de projeto mais importante é com quanto detalhe se aprende. Se há uma única estimativa por oferta, mercados diferentes se misturam e a decisão sai errada em todos. Uma loja pode vender muito bem em um país e pouco no vizinho por causa de preços, frete ou reputação da marca. Com uma estimativa por oferta e por país, essa diferença aparece e pode ser aproveitada.

O preço é que há mais estimativas para alimentar, e em países com pouco tráfego os dados demoram a chegar. Ali ajuda partir de uma estimativa inicial razoável e se apoiar no comportamento geral da oferta enquanto os dados locais se acumulam. Como o país do leitor é detectado, e com que precisão, explicamos no guia de geolocalização em afiliados.

O que fazer quando as condições mudam

Uma oferta que vendia muito bem há alguns meses pode não vender hoje: o preço mudou, o produto esgotou ou a marca parou de entregar em um país. Um sistema que lembra de tudo para sempre fica teimoso e continua apostando no que já não funciona.

A solução é uma memória curta, em que os dados perdem peso com o tempo: o recente conta mais do que o antigo. Assim, uma mudança de condições aparece em dias, e não em meses. E como as ofertas novas começam com muita incerteza, entram em jogo logo, sem uma fase de teste manual.

O que se otimiza e quem decide?

«Desempenho» pode significar coisas diferentes. A receita por mil impressões é o objetivo natural para um site; a taxa de cliques serve quando o conteúdo é de descoberta; as vendas confirmadas, quando a qualidade importa mais do que o volume. O razoável é que cada site possa escolher seu objetivo e que o sistema aprenda com essa métrica, e não com outra.

Também vale reservar sempre uma pequena parte das impressões para as ofertas menos testadas. Sem essa reserva, uma oferta que ganha cedo pode ficar com todo o espaço e o sistema nunca perceberia que surgiu algo melhor.

Erros frequentes ao rodar ofertas

O primeiro é ordenar por comissão. Uma oferta que paga muito e quase não vende ocupa espaço que outra aproveitaria melhor. O segundo é rodar sem filtro de país, o que mostra ofertas que o leitor não pode comprar e suja todos os dados que vêm depois.

O terceiro é aprender com dados falsos. Se os cliques de bots ou os cliques repetidos contam como interesse real, o sistema premia justamente as ofertas que atraem esse tráfego. Por isso a rotação e o controle do tráfego inválido andam juntos: antes de decidir, é preciso limpar.

O que o ADQ Links, a afiliação da ADEQ, resolve antes da rotação

No ADQ Links, a afiliação da ADEQ, a parte inegociável está resolvida antes de qualquer distribuição: só entram em jogo campanhas ativas de marcas reais que combinam com o que está sendo lido e que o leitor pode comprar onde está. Uma campanha pausada, encerrada ou que não vende naquele país não é exibida.

Além disso, cada clique leva o identificador do site de origem e é assinado, e os cliques de bots e os repetidos são descartados. Assim, o que se mede é interesse real, e as comissões confirmadas são pagas pela ADEQ junto com o restante da sua renda.

Perguntas frequentes

Quantas impressões são necessárias para decidir bem?

Não há um número fixo. Um método como a amostragem de Thompson toma decisões razoáveis desde o início e as melhora conforme os dados chegam. Em países com pouco tráfego, uma estimativa inicial sensata evita que as primeiras decisões sejam puro acaso.

Dá para fixar uma oferta para que apareça sempre?

Sim, mas é melhor fazer isso como uma regra explícita, por exemplo por um acordo direto com uma marca, e não forçando a rotação. Uma oferta fixada aparece fora da distribuição e não contamina o que se aprende sobre as demais.

Qual a diferença para um teste A/B?

Um teste A/B divide o tráfego igualmente durante um período fixo e decide no final. Uma rotação que aprende desloca o tráfego para o que vende enquanto continua medindo, então desperdiça menos impressões e se adapta quando a oferta vencedora muda.