Cross-RMN: Como unificar dados de múltiplas redes de Retail Media

Era uma terça-feira de manhã quando o head de mídia de uma agência em São Paulo percebeu que tinha passado três horas copiando números de quatro dashboards diferentes para montar um único relatório semanal. Amazon Ads num canto, Mercado Ads noutro, VTEX e Magalu em abas separadas. A pergunta era simples: qual plataforma trouxe mais retorno naquele mês? A resposta demorou o dia inteiro.

Cenas como essa se repetem em dezenas de agências pela América Latina. A fragmentação das redes de Retail Media transformou a consolidação de dados num gargalo operacional que consome tempo, gera erros e atrasa decisões. A abordagem Cross-RMN surgiu justamente para resolver esse impasse.

O que é Cross-RMN e por que importa

O termo Cross-RMN descreve a prática de reunir, padronizar e cruzar dados de performance de campanhas publicitárias que rodam em redes de mídia de varejo distintas. Mercado Ads, Amazon Ads, VTEX Ads, Magalu Ads, iFood Ads, Rappi Ads — cada uma com seu painel, suas definições de métrica, seu formato de exportação.

Quem já tentou comparar o ROAS de uma campanha na Amazon com outra no Mercado Ads sabe do problema: as duas plataformas calculam atribuição de formas diferentes. Uma usa janela de 7 dias, outra de 14. Uma conta visualizações como impressão, a outra exige que o anúncio fique visível por dois segundos. A comparação direta, sem normalização, induz a decisões erradas.

Segundo levantamentos de mercado, agências que operam em LATAM gastam em média 40% do tempo da equipe compilando dados em planilhas — tempo que poderia ir para otimização de campanhas. O Cross-RMN existe para devolver essas horas.

As 5 métricas que precisam falar a mesma língua

Um gestor de mídia que acompanhou a evolução do setor nos últimos dois anos resume bem o problema: "O que o Mercado Ads chama de Custo por Venda, a Amazon chama de ACOS. O iFood calcula CPA de um jeito, o Rappi de outro. É como traduzir moedas sem câmbio oficial." Para que a visão Cross-RMN funcione de verdade, cinco métricas precisam ser padronizadas:

Com essas cinco métricas calibradas na mesma régua, a pergunta que todo diretor comercial faz — "onde o próximo real investido vai render mais?" — finalmente tem uma resposta baseada em dados comparáveis.

Conexão direta vs. gateway

Na hora de puxar dados das redes, o mercado se dividiu em dois caminhos técnicos. Entender a diferença entre eles é o que separa uma operação escalável de uma que trava a cada nova plataforma adicionada.

Conexão direta (OAuth/API Key)

A agência integra diretamente à API do varejista. Mais controle, dados atualizados em tempo real, mas cada integração exige manutenção dedicada. Faz sentido para plataformas que concentram volume de investimento. Exemplos: Mercado Ads, Amazon Ads, VTEX Ads, Magalu Ads.

Via Gateway (Topsort, CitrusAd, dunnhumby)

Um intermediário agrega várias redes menores numa única API. Uma conexão abre acesso a Falabella, Liverpool, Cencosud, Walmart MX e outros varejistas regionais sem que a agência mantenha dezenas de integrações.

O consenso entre profissionais do setor aponta para a combinação das duas abordagens: conexão direta nas plataformas que representam 80% do investimento e gateway para cobrir o restante com esforço mínimo de engenharia.

O cenário LATAM: fragmentação como regra

Diferente dos Estados Unidos, onde a Amazon concentra mais de 75% do investimento em Retail Media, a América Latina é um mercado fragmentado por natureza. No Brasil, uma agência típica opera em pelo menos quatro redes ao mesmo tempo. No México, a combinação Mercado Ads, Amazon Ads, Liverpool (via Topsort) e Walmart Connect cobre cerca de 60% do e-commerce. Na Colômbia, o trio dominante é Mercado Ads, Falabella (Topsort) e Éxito (dunnhumby).

Essa pulverização transforma a visão Cross-RMN de diferencial em necessidade. Sem ela, analistas gastam horas exportando CSVs de cada painel, padronizando moedas — BRL, MXN, COP, CLP — e montando relatórios unificados manualmente.

O papel da IA na análise Cross-RMN

Reunir os dados num lugar só é o primeiro passo. O segundo, mais difícil, é extrair deles insights que levem a ações concretas. É nesse ponto que a inteligência artificial começa a justificar o investimento.

Um exemplo real: ao cruzar dados de múltiplas redes, um modelo de IA identificou que o CPC no Mercado Ads subia 30% às sextas-feiras, enquanto no iFood caía 15% no mesmo dia. A recomendação — redirecionar parte do orçamento para o iFood nas sextas — gerou um ganho estimado de R$ 12 mil por mês para o anunciante.

Esse tipo de correlação entre plataformas seria praticamente impossível de detectar olhando cada dashboard isoladamente. IA sem dados unificados, como disse um diretor de tecnologia do setor, "é como ter um GPS sem mapa — a tecnologia existe, mas não tem com o que trabalhar".

Por onde começar

Implementar Cross-RMN não exige revolução. Exige método. Três passos cobrem a maior parte do caminho:

1. Mapeie suas redes ativas. Faça um inventário de todas as plataformas onde há campanhas rodando e classifique pelo volume de investimento.
2. Padronize a janela de atribuição. Defina uma régua única. O padrão mais adotado no mercado é 14 dias pós-clique para todas as redes.
3. Conecte via API ou gateway. Integração direta para as plataformas que concentram investimento; gateway para expandir cobertura regional.