Segundo o relatório State of Programmatic 2024 da Prebid.org, 68% dos publishers brasileiros operam com floor pricing estático (mesmo valor para todo inventário), enquanto apenas 12% implementam segmentação básica por device e geo. A consequência? Uma média de 32% de gap entre receita real e receita potencial do mesmo inventário.

E você, como publisher que já estruturou Header Bidding com múltiplos SSPs e otimizou viewability, provavelmente definiu floor prices baseado em CPM médio do dashboard ou em benchmarks genéricos de mercado que prometiam “melhores práticas universais”.

Mas há um problema invisível corroendo 25-45% da sua receita potencial.

Floor pricing único significa que você está simultaneamente subprecificando impressões premium (deixando dinheiro na mesa quando demanda pagaria 2-3x mais) e sobreprecificando impressões de baixa elasticidade (eliminando 30-50% dos bids potenciais que contribuiriam para receita). Impressões de desktop tier-1 em artigos de finanças têm curva de demanda completamente diferente de impressões mobile tier-3 em entretenimento. Aplicar o mesmo floor para ambas garante ineficiência sistemática.

Este artigo vai dissecar por que floor pricing estático deixa 25-45% de receita na mesa, apresentar o framework de segmentação em 4 dimensões que permite precificação diferenciada por elasticidade de demanda, e ensinar como testar e ajustar floors sem destruir fill rate no processo. Vamos diagnosticar onde está a variável crítica que determina se seu floor está otimizado ou deixando oportunidade na mesa.

Por que floor pricing é a variável mais mal compreendida da monetização programática

Antes de falar sobre como precificar inventário, é essencial entender o que floor prices realmente fazem e por que a maioria dos publishers os usa incorretamente.

O que floor prices controlam (e o que eles não controlam)

Floor price (preço mínimo) é o valor abaixo do qual você não aceita bids em um leilão programático. Se seu floor é 3.00 dólares e um DSP oferece 2.80 dólares, o bid é automaticamente rejeitado e a impressão vai para o próximo licitante ou fica unfilled.

A confusão fundamental é que publishers tratam floors como “preço que eu quero receber”. O problema é que floors não determinam quanto você recebe – apenas filtram quem pode participar do leilão. Seu CPM final é determinado pela competição entre licitantes que passaram do floor.

Exemplo que ilustra a diferença:

  • Cenário A: Floor de 2.00 dólares, 5 DSPs licitam (todos acima de 2.00), vencedor paga 6.20 dólares
  • Cenário B: Floor de 5.00 dólares, 2 DSPs licitam (os outros 3 ficaram abaixo de 5.00), vencedor paga 5.30 dólares

No Cenário A, você recebeu 6.20 dólares com floor baixo porque competição era alta. No Cenário B, você recebeu 5.30 dólares com floor alto porque eliminou 3 competidores. Floor alto não garantiu CPM alto – reduziu competição e resultou em CPM menor que o cenário de floor baixo.

A ilusão dos dashboards de CPM médio

A maioria dos publishers olha CPM médio no dashboard do GAM e usa isso como referência para definir floors. O problema é que CPM médio esconde a distribuição de bids que está acontecendo.

Se seu CPM médio é 4.50 dólares, isso pode significar:

  • Distribuição A: 80% dos bids entre 4.00-5.00, 20% entre 6.00-8.00
  • Distribuição B: 40% dos bids entre 2.00-3.00, 40% entre 5.00-6.00, 20% entre 8.00-12.00

Na Distribuição A, floor de 4.00 dólares funciona bem (captura quase todos os bids). Na Distribuição B, floor de 4.00 dólares elimina 40% das impressões (as de 2.00-3.00) que estavam contribuindo para receita.

Sem entender a distribuição, você está tomando decisão de precificação no escuro.

Por que floor pricing estático é sistemicamente subótimo

A maioria dos publishers opera com 1-3 floor prices:

  • Floor geral para todo inventário (ex: 2.50 dólares)
  • Talvez um floor diferente para mobile (ex: 1.80 dólares)
  • Talvez um floor diferente para internacional (ex: 1.00 dólar)

O problema é que dentro de “todo inventário desktop Brasil” há segmentos com elasticidade de demanda radicalmente diferente:

Artigos de finanças/investimentos em desktop têm demanda premium disposta a pagar 8.00-12.00 dólares. Com floor de 2.50 dólares, você está vendendo essas impressões por 4.00-5.50 dólares (muito abaixo do que o mercado pagaria).

Artigos de entretenimento genérico em desktop têm demanda tier-2 que paga 2.00-3.50 dólares. Com floor de 2.50 dólares, você está eliminando 30-40% dos bids potenciais que pagariam 2.00-2.40 dólares.

Floor único significa que você está simultaneamente subprecificando segmentos premium e sobreprecificando segmentos de baixa demanda. O custo dessa ineficiência é 25-45% de receita potencial.

O framework de segmentação: Como dividir inventário para precificação diferenciada

Precificação eficiente exige segmentação. Mas segmentar demais (50+ categorias) gera complexidade de gerenciamento que não compensa. Segmentar de menos (2-3 categorias) deixa ineficiências gigantes. Este é o framework de segmentação em 4 dimensões que equilibra granularidade e praticidade.

Dimensão 1: Device (a segmentação de maior impacto)

Desktop, mobile web, e mobile in-app têm curvas de demanda completamente diferentes. Esta é a segmentação que gera maior uplift de receita com menor esforço de implementação.

Elasticidade de demanda por device:

Desktop tem demanda mais concentrada em faixas de CPM alto. Distribuição típica:

  • 15-20% dos bids: 8.00-15.00 dólares (campanhas premium tier-1)
  • 40-50% dos bids: 4.00-7.00 dólares (campanhas tier-2)
  • 30-40% dos bids: 2.00-3.50 dólares (campanhas tier-3)

Mobile web tem demanda mais distribuída em faixas de CPM médio/baixo:

  • 5-10% dos bids: 6.00-10.00 dólares (campanhas premium mobile-first)
  • 35-45% dos bids: 2.50-5.00 dólares (campanhas tier-2)
  • 45-55% dos bids: 1.00-2.00 dólares (campanhas tier-3 e remainder)

Mobile in-app (se aplicável) tem demanda premium maior que mobile web:

  • 20-25% dos bids: 10.00-20.00 dólares (campanhas app-install)
  • 40-50% dos bids: 5.00-9.00 dólares (campanhas e-commerce)
  • 25-35% dos bids: 2.00-4.00 dólares (campanhas tier-3)

Implicação para floor pricing:

Desktop pode suportar floors de 3.50-5.00 dólares e manter fill rate de 75-85% porque a maior parte da demanda está nas faixas médias/altas.

Mobile web precisa de floors de 1.80-2.80 dólares para não eliminar 40-50% da demanda que está nas faixas baixas/médias.

Mobile in-app pode ter floors de 4.50-7.00 dólares porque demanda é estruturalmente mais premium.

O erro crítico: Usar floor único de 3.00 dólares para os três devices. Você está subprecificando desktop (poderia cobrar 4.50-5.00), eliminando demanda mobile web (floor alto demais), e ainda subprecificando in-app.

Impacto no publisher orgânico:

Para publishers focados em SEO, tráfego orgânico vem majoritariamente de desktop (usuários buscando informação aprofundada). Segmentar device permite capturar CPMs premium de desktop sem afetar fill rate mobile (que representa menor porcentagem do tráfego orgânico).

Dimensão 2: Geografia (o diferencial que 60% dos publishers ignoram)

Demanda programática varia drasticamente por geografia. DSPs pagam 3-8x mais por impressões de usuários em grandes centros urbanos (São Paulo, Rio, Belo Horizonte) vs interior/regiões remotas.

Elasticidade de demanda por geo:

Tier-1 (capitais e regiões metropolitanas): CPM médio de 4.50-8.00 dólares, demanda premium concentrada, elasticidade baixa (floor de 4.00 ainda mantém fill rate de 80%+).

Tier-2 (cidades médias e interiores próximos a capitais): CPM médio de 2.50-4.50 dólares, demanda mista, elasticidade média (floor de 2.80 mantém fill rate de 70-75%).

Tier-3 (interior remoto e regiões de baixa densidade): CPM médio de 1.00-2.50 dólares, demanda predominantemente tier-3, elasticidade alta (floor acima de 1.80 mata fill rate, cai para 50-60%).

Implicação para floor pricing:

Se você serve tráfego nacional brasileiro sem segmentação geo, está aplicando mesmo floor para usuários de SP (que suportam floor de 5.00) e usuários de cidades pequenas do interior (que só suportam floor de 1.50-2.00).

O resultado é subprecificar impressões premium de tier-1 (deixando 30-50% de CPM na mesa) ou sobreprecificar impressões tier-3 (matando fill rate em 30-40% do volume).

Como segmentar geograficamente no GAM:

Crie targeting separado para:

  • Tier-1: São Paulo (cidade + região metropolitana), Rio de Janeiro (idem), Brasília, Belo Horizonte, Curitiba, Porto Alegre
  • Tier-2: Capitais estaduais restantes + regiões metropolitanas
  • Tier-3: Todo o resto

Configure floors diferenciados:

  • Tier-1 desktop: 4.50-6.00 dólares
  • Tier-1 mobile: 2.80-4.00 dólares
  • Tier-2 desktop: 3.00-4.50 dólares
  • Tier-2 mobile: 1.80-2.80 dólares
  • Tier-3 desktop: 2.00-3.00 dólares
  • Tier-3 mobile: 1.20-2.00 dólares

O impacto médio de implementar segmentação geo é uplift de 18-32% em RPM sem perder fill rate, porque você está capturando mais receita onde demanda existe e não eliminando demanda onde é escassa.

Impacto no publisher de performance:

Para arbitragem, segmentação geo é crítica. Se você compra tráfego pago direcionado para tier-1 (onde CPC é 40-60% mais caro), precisa monetizar com floors tier-1 para manter ROI. Usar floor universal baixo significa pagar premium por tráfego mas monetizar como se fosse tier-3.

Dimensão 3: Categoria de conteúdo (a variável que determina acesso a demanda vertical)

Advertisers pagam 2-5x mais por impressões em categorias verticais específicas (finanças, saúde, tecnologia, automotivo) vs categorias genéricas (entretenimento, lifestyle, notícias gerais).

Elasticidade de demanda por categoria IAB:

Categorias premium (finanças, seguros, investimentos, tecnologia B2B): CPM médio de 6.00-12.00 dólares, demanda vertical concentrada, elasticidade muito baixa (advertisers pagam qualquer preço para alcançar audiência qualificada).

Categorias médias (saúde, educação, automóveis, imóveis): CPM médio de 3.50-7.00 dólares, demanda mista vertical/horizontal, elasticidade média.

Categorias genéricas (entretenimento, lifestyle, esportes, notícias gerais): CPM médio de 1.50-4.00 dólares, demanda horizontal não-segmentada, elasticidade alta (advertisers têm muitas opções alternativas).

O erro de não segmentar por categoria:

Se você publica conteúdo em múltiplas categorias (portal de conteúdo diversificado ou blog que cobre vários temas), aplicar floor único significa:

Subprecificar artigos de finanças/investimentos que têm demanda disposta a pagar 10.00-15.00 dólares. Com floor de 3.00, você vende por 5.00-7.00 (deixando 40-50% na mesa).

Sobreprecificar artigos de entretenimento onde demanda paga 2.00-3.50 dólares. Com floor de 3.00, você elimina 50-60% dos bids potenciais.

Como implementar segmentação por categoria:

No GAM, use custom targeting baseado em categoria IAB ou URL pattern:

Categorias premium:

  • URLs contendo /financas/, /investimentos/, /seguros/
  • Floor desktop: 5.50-8.00 dólares
  • Floor mobile: 3.50-5.50 dólares

Categorias médias:

  • URLs contendo /saude/, /tecnologia/, /imoveis/, /carros/
  • Floor desktop: 3.50-5.50 dólares
  • Floor mobile: 2.50-4.00 dólares

Categorias genéricas:

  • Resto do inventário
  • Floor desktop: 2.50-3.50 dólares
  • Floor mobile: 1.80-2.80 dólares

O impacto médio é uplift de 22-38% em receita de categorias premium (onde estava deixando dinheiro na mesa) com perda mínima (3-8%) em categorias genéricas (onde fill rate cai ligeiramente mas CPM compensa).

Dimensão 4: Horário do dia (a segmentação avançada que separa operações sofisticadas)

Demanda programática não é constante ao longo do dia. Há picos de competição (horário comercial, prime time noturno) e vales (madrugada, manhã cedo).

Elasticidade de demanda por daypart:

Prime time 1 (18h-23h): CPM pico, demanda 140-180% do baseline, elasticidade baixa (advertisers competem agressivamente).

Horário comercial (9h-18h): CPM médio-alto, demanda 100-130% do baseline, elasticidade média.

Early morning (6h-9h): CPM médio-baixo, demanda 80-100% do baseline, elasticidade média-alta.

Madrugada (0h-6h): CPM baixo, demanda 50-70% do baseline, elasticidade alta (pouca competição).

Implicação para floor pricing dinâmico:

Publishers sofisticados ajustam floors por horário:

  • Prime time (18h-23h): Floors +30-50% acima do baseline
  • Comercial (9h-18h): Floors baseline
  • Early morning (6h-9h): Floors -15-25% abaixo do baseline
  • Madrugada (0h-6h): Floors -40-50% abaixo do baseline

Isso captura demanda premium quando existe (prime time) e não elimina demanda quando é escassa (madrugada).

O desafio é que implementar dayparting manual no GAM é trabalhoso (exige criar line items separados para cada horário). A alternativa é usar floor pricing dinâmico via Prebid.js Price Floors Module ou soluções de terceiros (PubMatic OpenWrap, Index Exchange, etc) que ajustam floors automaticamente baseado em machine learning.

O trade-off crítico: Fill rate vs CPM (e como encontrar o ponto de equilíbrio)

Toda decisão de floor pricing é trade-off entre dois objetivos conflitantes: maximizar CPM (aumentar floor) e maximizar fill rate (reduzir floor). O ponto ótimo não é óbvio e varia por segmento.

A matemática que a maioria dos publishers ignora

Receita total não é determinada apenas por CPM. É determinada por:

Receita = (Impressões Solicitadas) × (Fill Rate) × (CPM) / 1000

Se você aumenta floor de 2.50 para 4.50:

  • CPM médio sobe de 4.20 para 6.30 (+50%)
  • Fill rate cai de 82% para 68% (-17%)

O efeito líquido:

  • Cenário A (floor 2.50): 1.000.000 × 0.82 × 4.20 / 1000 = 3.444 dólares
  • Cenário B (floor 4.50): 1.000.000 × 0.68 × 6.30 / 1000 = 4.284 dólares

Neste caso, aumentar floor aumentou receita em 24% (vale a pena).

Mas se fill rate tivesse caído para 58% (em vez de 68%):

  • Cenário C (floor 4.50, fill 58%): 1.000.000 × 0.58 × 6.30 / 1000 = 3.654 dólares

O uplift seria apenas 6% (provavelmente não vale o risco).

Como testar o ponto ótimo de floor pricing

Não existe fórmula universal. O ponto ótimo varia por segmento de inventário, sazonalidade, e composição de SSPs. A única forma de descobrir é testar.

Framework de teste A/B de floor pricing:

Semana 1-2: Baseline measurement

  • Não mude nada, apenas documente CPM médio, fill rate, e receita total do segmento

Semana 3-4: Teste de floor +25%

  • Aumente floor em 25% para 50% do tráfego do segmento
  • Mantenha 50% com floor original (grupo controle)
  • Meça diferença em receita total entre teste e controle

Semana 5-6: Teste de floor +50%

  • Aumente floor em 50% para 50% do tráfego
  • Compare com baseline

Semana 7-8: Teste de floor -25%

  • Reduza floor em 25% para 50% do tráfego
  • Compare com baseline

Análise de resultados:

Para cada teste, calcule:

Uplift de receita = ((Receita teste - Receita controle) / Receita controle) × 100

O floor que gerou maior uplift positivo é seu novo baseline. Repita teste trimestralmente porque demanda muda ao longo do ano.

Atenção: Testes de floor pricing exigem volume mínimo (500K+ impressões por segmento por mês) para ter significância estatística. Em segmentos pequenos, mudanças aleatórias de demanda podem parecer efeito do floor quando não são.

Floor pricing dinâmico vs estático: Quando vale a complexidade adicional

Até agora falamos de floors estáticos (você define manualmente e ajusta periodicamente). A alternativa é floor pricing dinâmico, onde algoritmos ajustam floors em tempo real baseado em contexto (device, geo, horário, categoria, comportamento histórico).

Como floor pricing dinâmico funciona tecnicamente

Soluções de floor dinâmico (Prebid Price Floors Module, PubMatic Dynamic Pricing, Index Exchange Dynamic Floors) usam machine learning para:

  1. Analisar histórico de bids por combinação de variáveis (desktop + tier-1 + finanças + prime time)
  2. Calcular probabilidade de fill rate a diferentes níveis de floor
  3. Otimizar para maximizar receita total (não CPM ou fill rate isoladamente)
  4. Ajustar floor de cada impressão individual baseado na previsão

Exemplo prático:

  • Impressão 1: Desktop, São Paulo, artigo de investimentos, 19h → Floor calculado: 7.80 dólares
  • Impressão 2: Mobile, interior, artigo de entretenimento, 14h → Floor calculado: 1.90 dólares
  • Impressão 3: Desktop, Rio, artigo de tecnologia, 3h → Floor calculado: 3.20 dólares

Cada impressão tem floor otimizado para seu contexto específico.

O trade-off entre floor dinâmico e estático

Vantagens de floor dinâmico:

  • Uplift médio de 12-25% em receita total vs floor estático otimizado
  • Ajusta automaticamente a mudanças de demanda (não precisa de teste A/B manual)
  • Otimiza granularidade impossível de gerenciar manualmente (centenas de combinações)

Desvantagens:

  • Implementação técnica mais complexa (exige Prebid.js ou integração com SSP que oferece)
  • Perda de controle direto (algoritmo decide, você não sabe exatamente qual floor está sendo usado)
  • Risco de overfitting em segmentos de baixo volume (algoritmo pode tomar decisões baseadas em ruído estatístico)
  • Custo adicional se usar solução de terceiros (alguns SSPs cobram revenue share maior por floor dinâmico)

Quando vale implementar floor dinâmico

Floor dinâmico compensa quando:

  • Você tem volume alto (5M+ impressões mensais) que justifica complexidade
  • Você tem inventário diversificado (muitas categorias, geos, devices) onde segmentação manual seria inviável
  • Você não tem time dedicado para testar e ajustar floors manualmente a cada 1-2 meses

Floor estático (bem segmentado) é suficiente quando:

  • Volume é médio (500K-3M impressões mensais)
  • Inventário é relativamente homogêneo (1-2 verticais, geografia concentrada)
  • Você tem capacidade de testar e ajustar floors trimestralmente

O erro crítico é implementar floor dinâmico sem ter dominado floor estático antes. Algoritmos de floor dinâmico precisam de baseline bem configurado. Se você passa de “floor único de 2.50 para todo inventário” direto para “floor dinâmico”, o algoritmo não tem referência sólida e pode levar 2-3 meses para convergir em configuração ótima (perdendo receita nesse período).

Os três erros de precificação que destroem receita silenciosamente

Mesmo publishers que implementam segmentação cometem erros de precificação que corroem 15-30% de receita potencial sem perceber.

Erro 1: Não revisar floors após mudanças no stack

Você otimizou page speed, aumentou viewability, adicionou novo SSP premium. Tudo deveria melhorar receita. Mas se você não revisou floors após essas mudanças, pode estar perdendo uplift.

Por que isso acontece:

Quando viewability melhora de 55% para 75%, DSPs premium que antes não licitavam (exigiam 70% minimum) agora passam a licitar. A curva de demanda do seu inventário mudou – há mais demanda em faixas de CPM alto.

Se você mantém floor de 2.80 que otimizou quando viewability era 55%, está subprecificando o inventário melhorado. O floor ótimo provavelmente subiu para 3.50-4.20.

Como evitar:

Após qualquer mudança técnica significativa (otimização de page speed, mudança de SSPs, melhoria de viewability), refaça teste de floor pricing. A configuração ótima de 3 meses atrás não é mais ótima.

Erro 2: Copiar floors de benchmarks de mercado

Você lê que “floor médio para desktop Brasil é 3.50 dólares” e configura 3.50 no seu inventário. O problema é que benchmarks agregados escondem variação massiva.

Publishers de finanças com audiência tier-1 operam com floors de 6.00-9.00 dólares. Publishers de entretenimento com audiência tier-2/3 operam com floors de 1.80-3.00 dólares. O “médio de 3.50” é inútil para ambos.

Como evitar:

Use benchmarks como ponto de partida, não como decisão final. Configure floor conservador (20-30% abaixo do benchmark), teste por 2 semanas, e ajuste baseado em seus dados reais de fill rate e CPM.

Erro 3: Não considerar sazonalidade

Demanda programática varia 40-80% entre meses de alta (novembro, dezembro) e meses de baixa (janeiro, fevereiro). Floor ótimo de novembro não é ótimo de fevereiro.

Por que isso destrói receita:

Se você otimizou floors em novembro (alta demanda), configurou 4.50 desktop e está com fill rate de 82%. Em fevereiro, demanda cai 50%, mas você mantém floor de 4.50. Fill rate desmorona para 58%. Você está eliminando demanda que existe mas não pode pagar 4.50 (pagaria 3.00-3.50).

Como evitar:

Mantenha histórico de floor ótimo por mês. Configure floors sazonais:

  • Meses de alta demanda (nov, dez, maio): Floors +30-50% acima do baseline
  • Meses normais (mar, abr, jun-out): Floors baseline
  • Meses de baixa demanda (jan, fev): Floors -20-30% abaixo do baseline

Isso captura demanda premium quando existe e não deixa impressões unfilled quando demanda é escassa.

Conclusão

Como vimos, floor pricing não é “definir um número e esquecer”. É sistema de segmentação onde diferentes tipos de impressões exigem precificação diferenciada baseada em elasticidade de demanda, e onde o ponto ótimo muda constantemente conforme seu stack evolui e demanda de mercado oscila.

Os 3 takeaways críticos:

  1. Segmentação é a diferença entre deixar 25-45% de receita na mesa e capturar demanda premium. Floor único para todo inventário garante que você está simultaneamente subprecificando segmentos de alta demanda e eliminando demanda de segmentos de baixa elasticidade. O mínimo viável é segmentar por device + geo (4-6 configurações). O ideal é adicionar categoria (12-18 configurações).
  2. O trade-off não é CPM vs fill rate, é receita total vs esforço de otimização. Aumentar floor sempre aumenta CPM e reduz fill rate. A pergunta crítica é se o efeito líquido aumenta ou reduz receita total. A única forma de saber é testar, não intuir.
  3. Floor pricing é processo contínuo, não configuração única. Demanda muda (sazonalidade), seu stack evolui (viewability melhora, page speed otimiza), e configuração ótima de 3-6 meses atrás não é mais ótima. Publishers que revisam floors trimestralmente capturam 18-32% mais receita que publishers que configuram uma vez e esquecem.

A diferença entre RPM de 6.50 dólares e 9.80 dólares (mesma audiência, mesmo tráfego) está em entender que precificação não é arte ou intuição. É ciência de otimização baseada em análise de elasticidade, teste sistemático, e ajuste contínuo conforme condições mudam.

Pronto para otimizar sua estratégia de floor pricing? Agende uma análise de segmentação de inventário com nossos especialistas.