Dashboard Marketing no Power BI: KPIs, layout e o que medir

Um dashboard marketing Power BI falha quando cada canal conta uma história diferente#

O cenário se repete em quase todo diagnóstico de marketing que fazemos: a equipe abre a plataforma de Ads e vê um número de conversão, abre o Google Analytics e vê outro, pergunta ao CRM quantos negócios fecharam e recebe um terceiro. Nenhum bate com o outro, e a reunião vira uma discussão sobre qual ferramenta está certa em vez de uma decisão sobre onde investir. Um dashboard marketing Power BI bem construído existe justamente para acabar com essa discussão: unificar Google Analytics, plataformas de Ads e CRM em uma visão única, com KPIs calculados uma vez, do mesmo jeito, para todo mundo olhar o mesmo número.

Este artigo é sobre como montar esse dashboard na prática: quais KPIs medir, de onde vem cada dado, por que integrar canais é a parte mais difícil, como pensar o layout e quais medidas DAX sustentam custo por lead e ROAS. E vou ser honesto sobre a parte que ninguém gosta de admitir: atribuição de conversão nunca é verdade absoluta, é escolha de modelo.

O que um dashboard de marketing precisa medir, e o que é só vaidade#

Marketing tem uma tendência natural a colar na tela toda métrica que a plataforma exporta: impressões, alcance, curtidas, cliques. A maior parte disso é métrica de vaidade, número que sobe e faz a campanha parecer bem sem provar que gerou negócio. Um dashboard de marketing que apoia decisão gira em torno de indicadores que ligam investimento a resultado. Os que realmente importam:

KPI	O que responde	Como se calcula, na essência
CAC (Custo de Aquisição de Cliente)	Quanto custa transformar um desconhecido em cliente	Investimento total dividido por clientes conquistados no período
CPL (Custo por Lead)	Quanto custa gerar um lead qualificado	Investimento de mídia dividido por número de leads
ROI	O retorno financeiro do esforço de marketing	Receita gerada menos investimento, sobre o investimento
ROAS	Quanto de receita cada real de mídia trouxe	Receita atribuída dividida pelo investimento em mídia
Taxa de conversão por canal	Que canal transforma tráfego em lead ou venda	Conversões sobre visitantes ou sessões, por canal
Volume de leads	Quanto o topo do funil está gerando	Contagem de leads por origem e por período
Funil de conversão	Onde os potenciais clientes travam	Volume por etapa, do visitante ao cliente
Engajamento	Se o conteúdo prende atenção antes da conversão	Sessões, tempo de página, retorno, por canal
Atribuição	Que canais participaram da jornada até a venda	Distribuição do crédito da conversão entre pontos de contato

Repare que CAC, CPL, ROI e ROAS são todos razões: investimento sobre resultado, ou resultado sobre investimento. Isso não é detalhe, é o motivo de a qualidade da integração de dados definir a qualidade do dashboard inteiro. Se o investimento vem de uma fonte e o resultado de outra, e as duas não se conversam, todo indicador em cima delas nasce errado.

A regra de curadoria que usamos: um KPI só entra no dashboard se alguém consegue dizer que decisão toma olhando para ele. "Vamos pausar o canal X", "vamos aumentar verba no Y". Se o número não muda nenhuma decisão, ele pertence a um relatório de detalhe, não à tela principal. O mesmo princípio vale para qualquer painel executivo; vale revisar os princípios de design de KPI para dashboards quando há excesso de indicadores sem hierarquia.

As fontes de dados definem metade do trabalho#

Um dashboard de marketing quase nunca tem uma fonte só. Os dados vivem espalhados em três mundos que raramente foram feitos para conversar entre si:

• Google Analytics entrega o comportamento no site: sessões, origem de tráfego, páginas, eventos de conversão, engajamento. É a visão do que acontece depois que a pessoa chega.
• Plataformas de Ads (Google Ads, Meta Ads, LinkedIn, entre outras) entregam o investimento e o desempenho da mídia: custo, impressões, cliques, conversões declaradas pela própria plataforma. É a visão do que você pagou.
• CRM entrega o que virou negócio de verdade: lead qualificado, oportunidade, venda fechada, receita. É a única fonte que sabe se o marketing gerou dinheiro, e não só clique.

O erro clássico é montar o dashboard só com o que é fácil de puxar, quase sempre as plataformas de Ads, porque elas já entregam "conversões" prontas. O problema é que a conversão declarada pela plataforma de Ads é a versão dela da história, otimizada para justificar o próprio investimento, e costuma superar bastante o que o CRM reconhece como venda real. Um dashboard honesto ancora a receita no CRM, não na plataforma que vendeu o anúncio.

Trazer essas três fontes para o Power BI de forma confiável raramente é trabalho de conector de arrastar e soltar. Exige camada de tratamento, padronização de granularidade, tratamento de fuso e moeda, deduplicação. É trabalho de engenharia de dados antes de ser trabalho de visualização, e pular essa etapa é a causa número um de dashboard de marketing que ninguém confia.

Integrar canais e unificar a identidade do lead é o maior desafio#

Se há uma parte que separa um dashboard de marketing amador de um corporativo, é esta. Cada fonte identifica a mesma pessoa de um jeito diferente. O Google Analytics conhece um identificador de cliente anônimo. A plataforma de Ads conhece o clique e a campanha. O CRM conhece o e-mail e o nome. Ninguém compartilha a mesma chave, e sem uma chave comum não existe funil de verdade, só três relatórios paralelos que não se somam.

Unificar a identidade do lead é o trabalho de costurar esses mundos: amarrar o parâmetro de campanha (o UTM) que trouxe a sessão ao lead que se cadastrou, e esse lead ao registro de venda no CRM. Quando isso funciona, você consegue afirmar "esta venda começou naquele anúncio, passou por aquela página e fechou 18 dias depois". Quando não funciona, o dashboard mostra leads de um lado, vendas do outro, e ninguém consegue ligar os dois.

Os obstáculos práticos mais comuns nessa costura:

• UTMs inconsistentes. Cada pessoa marca campanha de um jeito, com maiúscula, sem, com espaço, e o que deveria ser um canal vira cinco. Sem padronização de UTM, a taxa de conversão por canal é ficção.
• Janelas de tempo diferentes. A plataforma de Ads conta a conversão no dia do clique; o CRM registra a venda semanas depois. Somar os dois sem alinhar a janela distorce CAC e ROAS.
• Duplicidade de lead. A mesma pessoa entra por dois canais e vira dois registros. Sem deduplicação, o volume de leads infla e o CPL parece melhor do que é.
• Dado offline. Venda que fecha no telefone ou na loja não tem clique associado, e o marketing digital leva zero crédito por ela mesmo tendo iniciado a jornada.

Nenhum desses problemas se resolve no visual do Power BI. Todos se resolvem na modelagem, com um modelo de dados que trate identidade e canal como entidades de primeira classe. É por isso que insistimos: o dashboard é a ponta visível de um trabalho de dados que acontece bem antes da primeira tela.

Atribuição é uma escolha de modelo, não uma verdade#

Aqui está a parte honesta que muita agência evita. Quando um cliente vê um anúncio no Instagram, depois pesquisa no Google, clica em um resultado orgânico, recebe um e-mail e só então compra, de quem foi a venda? Não existe resposta objetivamente correta. Existe uma escolha de modelo de atribuição, e cada modelo distribui o crédito da conversão de um jeito, favorecendo canais diferentes.

Os modelos mais usados, e o viés de cada um:

Modelo de atribuição	Como distribui o crédito	Tende a favorecer
Último clique	100% para o último ponto de contato	Canais de fundo de funil (busca por marca, remarketing)
Primeiro clique	100% para o primeiro ponto de contato	Canais de descoberta (social, display)
Linear	Crédito igual entre todos os pontos	Distribui, mas ignora que uns pesam mais que outros
Decaimento temporal	Mais crédito para pontos mais próximos da venda	Canais de fundo, de forma menos extrema que o último clique
Baseado em posição	Peso maior ao primeiro e ao último contato	Descoberta e fechamento, esvazia o meio

O ponto que precisa ficar claro para a diretoria: o mesmo conjunto de vendas gera ROAS diferente para cada canal dependendo do modelo escolhido. Trocar de último clique para primeiro clique pode fazer o social parecer três vezes melhor sem que uma única campanha tenha mudado. Por isso, a boa prática não é caçar o modelo "certo", é escolher um modelo, deixar essa escolha explícita no dashboard e manter a consistência ao longo do tempo. Um dashboard sério traz um seletor de modelo ou, no mínimo, um rótulo dizendo qual está em uso. Esconder isso não torna a atribuição mais precisa, só transfere o risco para quem decide sem saber.

Layout: o dashboard conta a história de cima para baixo#

Com KPIs escolhidos e dados integrados, o layout organiza a leitura. A atenção percorre a tela de cima para baixo e da esquerda para a direita, e um bom dashboard de marketing respeita a ordem em que as perguntas surgem: primeiro o resultado, depois o porquê, por último o detalhe.

Uma estrutura que funciona bem, em camadas:

• Topo, linha de resultado: os cartões de KPI que resumem o período. CAC, ROAS, ROI, volume de leads e CPL, cada um com comparação com o período anterior e com a meta. É o que a diretoria olha em dez segundos.
• Meio, desempenho por canal: taxa de conversão, CPL e ROAS por canal, lado a lado, para responder na hora "onde vale investir mais". Barras ordenadas por valor comunicam isso melhor que qualquer gráfico decorativo.
• Funil e jornada: a visualização de funil mostrando onde os potenciais clientes travam, do visitante ao lead ao cliente. É aqui que se enxerga se o problema é gerar tráfego, converter em lead ou fechar a venda.
• Base, detalhe e filtros: granularidade por campanha, período e origem, para quem precisa investigar. Essa camada existe para responder "por que o número mudou?", não para abrir a reunião.

Duas disciplinas de layout evitam a maioria dos problemas. Primeiro, cor com critério: paleta neutra na base e cor de destaque só para o que sai do esperado, meta não batida, ROAS abaixo do limite. Segundo, contexto em todo número: um CAC de R$ 200 não diz nada sozinho, precisa da meta e do mês anterior ao lado. Esse cuidado com clareza e priorização é o mesmo que aplicamos em projetos de Power BI para qualquer área, marketing incluído.

DAX: as medidas que sustentam CPL e ROAS#

A camada final é o cálculo. Num dashboard de marketing, os KPIs mais importantes são razões, e razão em DAX pede cuidado com dois pontos: divisão por zero e consistência da medida em todos os contextos de filtro. A função DIVIDE resolve o primeiro, retornando um valor seguro quando o denominador é zero, coisa que o operador de divisão comum não faz.

Custo por lead, na forma mais direta:

CPL =
DIVIDE (
    [Investimento de Mídia],
    [Total de Leads]
)

ROAS, dividindo a receita atribuída pelo investimento:

ROAS =
DIVIDE (
    [Receita Atribuída],
    [Investimento de Mídia]
)

O detalhe que faz a diferença está nas medidas base, [Investimento de Mídia], [Total de Leads] e [Receita Atribuída]. Cada uma precisa ser uma medida única, definida uma vez e reutilizada, e não uma fórmula copiada em cada visual. Quando o CPL é calculado de um jeito num gráfico e de outro no cartão, o dashboard perde credibilidade na primeira vez que alguém compara os dois. Escrever [Receita Atribuída] como medida separada também é o que permite trocar o modelo de atribuição sem reescrever CPL e ROAS: muda a medida base, e os indicadores que dependem dela acompanham.

Essa disciplina de reuso, medidas base bem nomeadas, DIVIDE em vez de barra, contexto de filtro sob controle, é o que separa um modelo que aguenta produção de um que quebra ao primeiro filtro novo. Vale conhecer as boas práticas de modelagem DAX no Power BI antes de sair escrevendo medida, porque refazer um modelo mal estruturado custa sempre mais do que estruturá-lo direito na primeira vez.

Perguntas frequentes#

Qual a diferença entre ROI e ROAS num dashboard de marketing? ROAS mede quanto de receita cada real investido em mídia trouxe, sem descontar o próprio investimento nem outros custos. ROI é mais amplo: mede o retorno líquido, receita menos investimento, sobre o investimento. ROAS responde "a mídia se pagou em receita?", ROI responde "sobrou lucro depois de tudo?". Um dashboard maduro mostra os dois, porque um ROAS alto pode esconder um ROI ruim quando a margem do produto é baixa.

Por que o número de conversões do Power BI não bate com o da plataforma de Ads? Porque medem coisas diferentes. A plataforma de Ads conta a conversão do jeito dela, na janela de tempo dela e pelo modelo de atribuição dela, geralmente favorecendo o próprio canal. O dashboard no Power BI, quando ancorado no CRM, conta a venda que de fato aconteceu. A divergência é esperada e até saudável: mostra que você parou de aceitar a versão da plataforma como verdade única.

Preciso escolher um único modelo de atribuição? Não precisa escolher só um para sempre, mas precisa deixar explícito qual está em uso em cada visão. A boa prática é padronizar um modelo como referência principal para acompanhar tendência ao longo do tempo, e oferecer outros como comparação para entender o papel de cada canal na jornada. O que não pode é misturar modelos sem avisar, porque aí o mesmo canal aparece com desempenhos diferentes e ninguém sabe por quê.

Qual a parte mais difícil de montar um dashboard de marketing? Integrar os canais e unificar a identidade do lead. Puxar dado do Google Analytics, das plataformas de Ads e do CRM é a parte visível; costurar a mesma pessoa através das três fontes, com UTMs padronizados, janelas de tempo alinhadas e leads deduplicados, é a parte que dá trabalho e define se o dashboard vai ser confiável. É trabalho de modelagem de dados, não de visualização.

Dá para montar esse dashboard só com os conectores nativos do Power BI? Para um protótipo, às vezes sim. Para produção, quase nunca. Os conectores trazem o dado bruto, mas a padronização de canal, a unificação de identidade, o tratamento de moeda e fuso e a lógica de atribuição precisam de uma camada de tratamento própria. Confiar só no conector costuma gerar um dashboard bonito na demo, mas que ninguém usa depois porque os números não fecham.

Quantos KPIs devo colocar na tela principal? Poucos e certos. Na linha de resultado do topo, cinco a seis indicadores, CAC, ROAS, ROI, volume de leads e CPL, com contexto de meta e período anterior, cobrem a decisão da maioria das reuniões. O resto, desempenho por canal, funil, detalhe por campanha, vive em camadas abaixo, acessíveis a quem quer investigar. Tela lotada de indicador do mesmo tamanho não ajuda ninguém a decidir rápido.

Fechamento#

Um bom dashboard de marketing no Power BI não é o que tem mais gráfico, é o que faz Google Analytics, Ads e CRM contarem a mesma história, com KPIs calculados uma vez, atribuição escolhida de forma consciente e layout que leva o olho do resultado ao detalhe. A parte difícil quase nunca está no visual, está em integrar os canais e unificar a identidade do lead, e é aí que a maioria dos projetos tropeça. Se a sua equipe já vive a discussão de qual ferramenta está certa em toda reunião, o problema não é falta de dado, é falta de integração. Fale com a gente para montar um dashboard de marketing em que todo mundo, finalmente, olha para o mesmo número.