Com agentes inteligentes, modelos preditivos e automação full funnel, os grandes marketplaces deixam de oferecer apenas inventário publicitário e começam a controlar decisões de mídia, audiências, investimentos e otimização. A nova disputa não será apenas por anunciantes, mas pela inteligência que determina onde, quando e como as marcas devem investir.
Análise RM News – 22 de outubro de 2026 – Leitura: 10–12 minutos
O fim da gestão manual de campanhas está mais próximo do que parece
O mercado de Retail Media está atravessando uma das transformações tecnológicas mais importantes de sua história. Durante anos, a evolução das redes de mídia do varejo esteve concentrada na expansão do inventário publicitário, na construção de audiências proprietárias e na capacidade de conectar publicidade às vendas realizadas dentro dos ecossistemas comerciais.
Agora, uma nova camada tecnológica começa a redefinir esse modelo: a inteligência artificial deixa de ser apenas uma ferramenta de otimização e passa a atuar como um mecanismo de decisão e execução das campanhas publicitárias.
O movimento ganha força com iniciativas recentes de três importantes plataformas do comércio digital: Amazon, Mercado Livre e iFood. Embora apresentem diferentes níveis de maturidade e automação, essas empresas avançam na mesma direção: reduzir a dependência de processos manuais e utilizar inteligência artificial para transformar dados de comportamento, intenção de compra e transações em decisões publicitárias mais rápidas e contextualizadas.
A mudança tem implicações profundas para anunciantes, agências, plataformas de tecnologia e profissionais de Retail Media. A pergunta deixa de ser apenas quanto uma campanha consegue vender. Passa a ser quanto crescimento adicional a inteligência artificial consegue produzir com cada real investido.
Mercado Ads lança Engage+ e leva inteligência preditiva ao topo do funil
O anúncio mais recente dessa transformação veio do Mercado Ads. Em 21 de outubro de 2026, a operação publicitária do Mercado Livre apresentou o Engage+, uma solução que utiliza inteligência artificial para automatizar campanhas de awareness e ampliar a capacidade das marcas de gerar consideração de compra.
A tecnologia utiliza sinais de mais de 131 milhões de compradores do ecossistema Mercado Livre para identificar padrões de interesse e prever oportunidades de engajamento. O sistema utiliza esses sinais para definir formatos, frequência e ambientes de veiculação de campanhas em vídeo e display, dentro e fora do ecossistema da companhia.
Outro avanço anunciado é a capacidade de avaliar como campanhas de topo de funil contribuem para a consideração de marca no ambiente do Mercado Livre. Essa evolução é relevante porque ataca uma limitação histórica de parte das operações de Retail Media: sua concentração excessiva em campanhas orientadas à conversão imediata.
O que muda tecnicamente?
O Engage+ representa uma evolução em três dimensões:
Inteligência preditiva de audiência: A seleção publicitária passa a considerar sinais comportamentais e probabilidades de interesse, indo além de segmentações estáticas.
Automação de distribuição: A plataforma assume decisões sobre formatos, frequência e contexto de exposição, reduzindo a necessidade de ajustes manuais.
Mensuração de consideração: O anunciante passa a contar com indicadores que conectam investimentos em awareness à evolução da consideração dentro do marketplace.
O Mercado Ads também disponibiliza campanhas automáticas de Product Ads, capazes de selecionar produtos com potencial de venda e ajustar diariamente o investimento, mantendo a possibilidade de operar campanhas manuais simultaneamente.
O ponto estratégico é que o Mercado Livre está conectando duas dimensões tradicionalmente separadas: a formação de demanda e a captura de demanda. Entretanto, existe uma distinção fundamental.
Medir consideração não é o mesmo que comprovar incrementalidade. Para demonstrar que a publicidade criou demanda adicional, e não apenas identificou consumidores que já comprariam, serão necessários desenhos de mensuração causal, como grupos de controle e experimentos de lift.
Amazon Ads Agent: da compra automatizada de mídia à orquestração full funnel
A Amazon está avançando para um modelo ainda mais abrangente de automação. Em setembro de 2026, durante o unBoxed, a empresa apresentou o Amazon Ads Agent, evolução de sua plataforma unificada de publicidade com recursos de inteligência artificial agêntica.
A proposta vai além da recomendação de ajustes. A plataforma permite que anunciantes utilizem linguagem natural para planejar campanhas, identificar audiências, receber recomendações de orçamento, analisar desempenho e executar determinadas otimizações.
Uma das principais novidades é a possibilidade de criar campanhas de funil completo, integrando anúncios patrocinados, display, vídeo e streaming TV em uma única estratégia. O anunciante fornece produtos, orçamento e criativos, enquanto a IA pode assumir planejamento, execução e otimização contínua. A Amazon também preserva opções de operação manual e híbrida.
Fonte: About Amazon Brasil, 2026. Resultados informados pela empresa, não necessariamente representativos de todos os anunciantes.
A relevância dessa estratégia está na possibilidade de conectar diferentes etapas da jornada de consumo por meio de uma camada unificada de inteligência.
A Amazon pode utilizar sinais de navegação, compras e consumo de conteúdo para apoiar decisões sobre segmentação e distribuição publicitária. Isso abre caminho para que a IA não apenas ajuste o desempenho de anúncios individuais, mas coordene a atuação dos formatos ao longo do funil.
A consequência é uma mudança estrutural: o anunciante passa a contratar cada vez mais uma capacidade de atingir objetivos de negócio, e não simplesmente espaços publicitários, mas permanece um desafio: eficiência operacional, redução de custos de mídia e crescimento incremental são resultados distintos. A comprovação de um não implica automaticamente os demais.
iFood Ads: agentes de IA aceleram análises e apontam para uma operação quase autônoma
No Brasil, o iFood também está avançando na incorporação de agentes de inteligência artificial em sua operação publicitária.
Segundo declarações da diretora sênior do iFood Ads, Ana Paula Duarte, divulgadas em outubro, a companhia já utiliza agentes de IA para apoiar análises de dados, elaboração de materiais comerciais e atividades de otimização.
Um dos resultados apresentados é a redução do tempo de produção de determinados relatórios e painéis, de até dois dias para aproximadamente uma hora. A empresa também sinalizou a intenção de automatizar grande parte das atividades operacionais, mantendo participação humana em tarefas criativas, estratégicas e de relacionamento.
Com a aquisição da Advolve, realizada em 2025, o iFood ampliou ainda sua capacidade de atuar em canais externos, incluindo ambientes como YouTube, TikTok e plataformas da Meta. Aqui tem Outra Comunicação. Esse movimento revela uma oportunidade particularmente importante para o segmento de delivery.
Diferentemente de marketplaces de produtos duráveis, o iFood opera em um ambiente marcado por decisões de consumo frequentes, forte sensibilidade ao contexto e janelas curtas de conversão. Horário, localização, ocasião de consumo, disponibilidade de restaurantes e histórico de pedidos podem se tornar variáveis relevantes para modelos de recomendação e otimização publicitária.
O potencial estratégico da IA contextual
Em uma arquitetura mais avançada, a inteligência artificial poderia combinar sinais como:
- Propensão de compra por ocasião de consumo.
- Frequência, recência e categorias de pedidos.
- Contexto geográfico e disponibilidade comercial.
- Sensibilidade a preço, ofertas e incentivos.
- Resposta incremental a diferentes estímulos publicitários.
Essas aplicações representam possibilidades tecnológicas, não funcionalidades integralmente confirmadas do iFood Ads.
A grande oportunidade está em transformar dados transacionais e sinais de contexto em decisões de mídia capazes de influenciar o comportamento do consumidor no momento de maior relevância.
E existe uma diferença importante entre os três casos: enquanto a Amazon apresenta uma plataforma de orquestração publicitária com IA agêntica e o Mercado Ads anuncia uma solução preditiva de awareness, o iFood enfatiza ganhos operacionais e a expansão progressiva de seus agentes de automação.
Comparativo: como Amazon, Mercado Livre e iFood estão construindo a próxima geração de Retail Media
As três companhias compartilham a ambição de tornar a publicidade mais inteligente e menos dependente de operações manuais. Mas suas arquiteturas, prioridades e níveis de autonomia ainda são diferentes.
| Dimensão | Amazon Ads | Mercado Ads | iFood Ads |
|---|---|---|---|
| Iniciativa | Ads Agent | Engage+ e Product Ads automático | Agentes de IA e Advolve |
| Principal foco | Orquestração full funnel | Predição de interesse e awareness | Produtividade e automação operacional |
| IA aplicada | Planejamento, segmentação e execução | Audiência, formatos e frequência | Análises, relatórios e apoio à otimização |
| Canais | Sponsored Ads, display, vídeo, streaming | Onsite e offsite | App e canais externos |
| Mensuração | Desempenho multiformato e alcance incremental | Consideração e desempenho comercial | Relatórios e análises de campanhas |
| Maturidade observada | Automação de múltiplas etapas do funil | Automação de campanhas específicas | Agentes operacionais em expansão |
Comparativo editorial RM News, outubro de 2026. Baseado nas funcionalidades publicamente anunciadas, não em auditoria independente das plataformas.
A leitura estratégica é clara: a concorrência entre redes de Retail Media está deixando de ocorrer exclusivamente pela escala de audiência e pelo volume de inventário. A capacidade de transformar sinais de consumo em decisões automatizadas passa a ser um dos principais diferenciais competitivos.
O novo framework: de Retail Media Network para Autonomous Retail Media Platform
Para compreender a dimensão dessa transformação, a RM News propõe um modelo conceitual de evolução das plataformas publicitárias.
1. RETAIL DATA & IDENTITY
Transações, CRM, navegação, loyalty, catálogo, contexto e identidade
2. PREDICTIVE INTELLIGENCE
Propensão de compra, previsão de demanda, elasticidade e afinidade
3. AGENTIC CAMPAIGN ENGINE
Planejamento, seleção de audiências, orçamento, lances e decisões automatizadas
4. FULL-FUNNEL ACTIVATION
Search, sponsored ads, display, vídeo, social, CRM, CTV e in-store
5. CAUSAL MEASUREMENT
Incrementalidade, iROAS, new-to-brand, experimentação e lucro incremental
6. CONTINUOUS LEARNING LOOP
Resultados retroalimentam os modelos e orientam novas decisões
Framework conceitual RM News — Autonomous Retail Media Platform. Arquitetura proposta, não representação de uma solução específica. Nesse modelo, o grande diferencial não é simplesmente automatizar campanhas.
É criar um sistema capaz de aprender continuamente com os efeitos da publicidade sobre o comportamento de compra. A arquitetura ideal precisa combinar três capacidades: prever comportamentos, executar decisões e aprender com resultados causalmente demonstrados.
Sem a terceira dimensão, existe o risco de construir sistemas extremamente eficientes em otimizar indicadores que não representam crescimento real.
O risco da automação: quem controla o algoritmo também controla a distribuição do investimento
Existe uma questão estratégica que anunciantes e agências não podem ignorar.
Quando uma plataforma controla simultaneamente os dados, o inventário, os algoritmos de otimização e os mecanismos de mensuração, surge uma importante assimetria de informação.
O anunciante passa a depender de um sistema que recomenda onde investir, executa a campanha e apresenta os resultados. Esse modelo pode aumentar significativamente a eficiência operacional. Mas também pode reduzir a transparência sobre os critérios que orientam as decisões de mídia.
É necessário questionar se o algoritmo está otimizando exclusivamente o resultado de negócio do anunciante ou se suas decisões também refletem incentivos econômicos da própria plataforma. Isso não significa afirmar que Amazon, Mercado Livre ou iFood estejam manipulando resultados. Significa reconhecer um desafio estrutural de governança que se torna mais relevante à medida que a autonomia dos sistemas aumenta.
Cinco exigências para uma IA publicitária confiável
Quanto maior a autonomia dos algoritmos, maior precisa ser a capacidade de supervisão e verificação por parte dos anunciantes.
O próximo salto não será automatizar o ROAS. Será otimizar o lucro incremental
Uma das maiores limitações dos modelos tradicionais de automação publicitária está na definição dos objetivos utilizados pelos algoritmos.
Historicamente, plataformas de publicidade foram treinadas para maximizar conversões, reduzir custos de aquisição e melhorar o retorno sobre investimento em mídia. Essas métricas continuam importantes, mas não respondem necessariamente à pergunta central do negócio:
Quanto do resultado observado teria acontecido mesmo sem a campanha?
Um algoritmo pode apresentar um ROAS elevado simplesmente por concentrar investimento em consumidores que já tinham alta probabilidade de comprar. Nesse cenário, a plataforma pode melhorar indicadores de atribuição sem necessariamente gerar crescimento adicional. A próxima geração de Retail Media precisa incorporar objetivos econômicos mais sofisticados.
Da otimização de ROAS à otimização de valor incremental
Maximizar o lucro incremental líquido gerado pela publicidade. Para que essa última abordagem funcione, os algoritmos precisam considerar margem de contribuição, custos de mídia, promoções, canibalização, efeitos sobre outros canais e vendas incrementais.
É uma mudança profunda, em vez de perguntar qual anúncio recebe mais conversões atribuídas, o sistema precisaria aprender qual decisão publicitária gera maior resultado econômico adicional. Essa evolução exige a integração entre inteligência artificial, experimentação causal, dados transacionais e modelos de mensuração.
O futuro da automação não deveria ser apenas comprar mídia de forma mais eficiente, mas investir de maneira mais inteligente para criar demanda que não existiria sem publicidade.
O que muda para marcas, agências e profissionais de Retail Media?
A evolução das plataformas inteligentes deve alterar a divisão de responsabilidades no mercado publicitário. Tarefas como configuração de campanhas, ajustes de lances, organização de audiências e produção de relatórios tendem a apresentar níveis crescentes de automação.
Por outro lado, atividades relacionadas à estratégia de crescimento, arquitetura de mensuração, governança de dados e interpretação de resultados passam a ganhar importância.
| Função tradicional | Competência estratégica emergente |
|---|---|
| Configurar campanhas | Definir objetivos econômicos e restrições |
| Ajustar lances manualmente | Supervisionar políticas de otimização |
| Criar segmentos estáticos | Desenvolver estratégias de audiência e identidade |
| Produzir relatórios | Interpretar causalidade e impacto de negócio |
| Acompanhar ROAS | Avaliar incrementalidade e lucratividade |
| Comprar inventário | Orquestrar investimentos entre plataformas |
Essa transformação não elimina automaticamente a necessidade de especialistas em mídia. Ela altera o valor de suas competências.
O profissional que apenas opera interfaces corre o risco de perder relevância. Já aquele que compreende dados, algoritmos, comportamento de compra, economia da mídia e mensuração causal tende a assumir um papel mais estratégico.
Para as agências, o desafio será demonstrar valor além da execução operacional. Para os anunciantes, será necessário desenvolver capacidade interna de questionar, supervisionar e avaliar as decisões das plataformas. Para as Retail Media Networks, a disputa passará a envolver a qualidade de seus modelos de inteligência, a profundidade dos dados e a confiança de seus sistemas de mensuração.
Perspectivas para 2027: cinco movimentos que podem redefinir a indústria
As iniciativas recentes permitem identificar algumas tendências prováveis para 2027. São projeções editoriais da RM News, e não compromissos anunciados pelas três empresas.
1. Agentes de IA assumirão mais etapas da operação publicitária
Planejamento, execução, monitoramento e recomendações poderão ser coordenados por agentes especializados, com supervisão humana proporcional ao risco e ao investimento.
2. A orquestração full funnel ganhará relevância
Os algoritmos poderão distribuir investimentos entre awareness, consideração e conversão, reduzindo a fragmentação entre formatos e canais.
3. A inteligência preditiva ganhará espaço sobre segmentações rígidas
Modelos de propensão, contexto e previsão de demanda poderão complementar regras tradicionais de audiência.
4. A mensuração causal se tornará diferencial competitivo
A capacidade de demonstrar vendas e lucro incrementais poderá ganhar peso na avaliação de redes de Retail Media e seus algoritmos.
5. Governança algorítmica entrará na agenda dos anunciantes
Transparência, auditoria, controle de decisões e interoperabilidade poderão se tornar critérios relevantes na contratação de soluções automatizadas.
Análise RM News: a próxima disputa será pelo controle da inteligência publicitária
O lançamento do Engage+ pelo Mercado Ads, a expansão do Amazon Ads Agent e o avanço dos agentes de IA do iFood demonstram que a indústria está entrando em uma nova etapa.
A Retail Media nasceu da capacidade do varejo de monetizar audiências e espaços publicitários. Evoluiu com a utilização de dados proprietários para segmentação, ativação e mensuração. Agora começa a avançar para uma arquitetura na qual inteligência artificial e automação assumem uma parcela crescente das decisões de mídia.
Essa transformação pode aumentar produtividade, ampliar a capacidade de personalização e tornar campanhas mais adaptáveis às mudanças no comportamento dos shoppers, mas também cria uma responsabilidade adicional para o setor. Não basta automatizar decisões. É necessário comprovar que essas decisões geram valor econômico real para anunciantes e consumidores.
Uma plataforma que otimiza milhares de campanhas simultaneamente pode ser tecnologicamente sofisticada. Mas sua contribuição estratégica dependerá de sua capacidade de demonstrar crescimento incremental, transparência e eficiência econômica.
O risco é transformar a automação em uma caixa-preta que maximiza indicadores internos sem necessariamente maximizar o resultado de negócio dos anunciantes. A oportunidade é muito maior: desenvolver sistemas de inteligência capazes de conectar mídia, comércio, comportamento do shopper e crescimento econômico.
A grande ruptura não será quando a inteligência artificial conseguir operar campanhas sem intervenção humana. Será quando conseguir demonstrar, com evidência causal, que suas decisões produziram crescimento que não aconteceria de outra forma.
É nesse ponto que a Retail Media poderá deixar de ser apenas um canal de publicidade e se consolidar como uma infraestrutura inteligente de crescimento para marcas e varejistas.
