São três lançamentos que se complementam: um resolve o teste de escala, outro corrige uma limitação do AI Max, e o terceiro torna aplicar planos assustadoramente fácil. Na ordem do anúncio:
1. Experimentos multicampanha na Busca (setembro)
A partir de setembro, anunciantes podem testar mudanças de orçamento e de meta de ROI em várias campanhas de Busca dentro de um único experimento A/B. O caso de uso é o que faltava: você quer saber o que acontece se aumentar a verba em 40% num grupo inteiro de campanhas: hoje, teria que ajustar uma a uma e ler resultados misturados com sazonalidade. Com o experimento, o grupo de tratamento recebe a mudança e o controle segue como está: a diferença é o efeito da escala, medido.
O desenho responde à pergunta que todo gestor enfrenta no orçamento do ano: "se eu dobrar a verba, o custo por resultado dobra junto?" Curva de retorno raramente é linear: o experimento mostra onde está o joelho da curva antes de comprometer o budget.
2. AI Max com controles de marca e local (disponível)
Os testes de AI Max (a camada que expande alcance de Busca com IA) tinham uma limitação incômoda: os controles de marca e local atrapalhavam o experimento, e o anunciante acabava testando uma versão castrada da configuração real: sem restrições geográficas, sem salvaguardas de marca. Agora os experimentos rodam com os controles mantidos ativos. Por que importa: o resultado do teste passa a refletir como a campanha realmente rodaria. Testar sem guardrail para "ver o potencial" é medir um produto que você nunca vai lançar.
3. Performance Planner de um clique (disponível)
O Planner sempre simulou o efeito de mudanças de lance e orçamento. A novidade: as mudanças sugeridas podem ser aplicadas diretamente, com um clique, com revisão por campanha (deselecionar o que não quer), monitoramento via Bulk Actions e a possibilidade de desfazer. A conveniência é legítima e o risco também: quanto mais fácil aplicar, mais importante fica revisar a previsão antes. Um plano aplicado sem leitura é um piloto automático sem destino.
1. Formule a hipótese em uma frase: "aumentar verba 40% no grupo X mantém tROAS acima de Y". 2. Defina a métrica de decisão antes de começar (tROAS? custo por lead qualificado? lucro?). 3. Calcule duração e amostra: a calculadora de teste A/B evita encerrar cedo demais. 4. Mantenha o resto congelado: experimento com duas variáveis mudando não é experimento, é improviso. 5. Decida por escrito: o que confirma, o que rejeita e o prazo. Sem isso, o teste vira narrativa: todo resultado parece vitória com retórica suficiente.
O contexto maior: por que o Google está investindo em testes
A leitura de fundo: a plataforma está dizendo, na prática, que a decisão de escala deve ser validada por experimento, não por atribuição de plataforma. É a mesma direção da medição de incrementalidade (o GeoX do Meridian e o uplift do Data Manager completam o quadro). Para o anunciante, o kit de experimentos é o acesso à mesma lógica em escala menor: sem MMM, sem série histórica por região, apenas com a disciplina de controle e contraste.
Como colocar em prática na semana que vem
Comece pelo experimento multicampanha: escolha o grupo de Busca com a pergunta de verba mais carca da sua operação, defina tratamento e controle, e rode a janela que a amostra pedir. Aproveite o AI Max com controles para reavaliar a campanha que você adiou por causa das restrições: o resultado agora representa a realidade. Use o Planner de um clique com ritual: previsão revisada por campanha antes de aplicar, Bulk Actions aberto na semana seguinte. Quem opera múltiplas contas ou quer estrutura de teste desenhada, a gestão de Google Ads e a auditoria de contas da Marketing & Conteúdo cobrem o desenho e a leitura; e a régua do seu mercado está no benchmark de conversão brasileiro.