Granularidade regional no Google Trends: até onde o recorte por estado aguenta

O que o índice de interesse por região realmente mede

O mapa de interesse por região do Google Trends é uma das ferramentas mais usadas e mais mal interpretadas da pesquisa digital. O motivo é estrutural: ela devolve um número de zero a cem para cada unidade geográfica, em uma interface que sugere uma leitura comparativa direta, sem exigir que o usuário entenda o que normalize aquele número. O resultado é um relatório que parece medir volume e mede outra coisa.

O que o índice mede é proporção sobre o total local, não volume absoluto. Dentro de cada região, a ferramenta toma o total de buscas feitas naquela região durante o período selecionado e calcula a fração correspondente ao termo pesquisado. O ponto de maior valor dentro da série recebe cem; os demais são posicionados relativamente a ele. Cada região tem o seu próprio interior de cálculo, e é aí que mora quase toda a confusão.

Colocar o limite antes de avançar: ler o recorte geográfico do Trends não é consultoria, e o índice não é uma estimativa de mercado. Ele é um indicador relativo de atenção de busca, construído sobre uma amostra não revelada, com regras de arredondamento e supressão que mudam conforme o volume. Serve para formular hipótese e ordenar atenção, e não para dimensionar nada.

A consequência prática dessa definição é simples de enunciar e difícil de respeitar na rotina: nunca se compara a nota de uma região com a nota de outra região tratando a diferença como diferença de tamanho de mercado. O que se compara, quando muito, é a intensidade relativa do interesse dentro de cada lugar. São perguntas diferentes.

Normalização de 0 a 100 e a ilusão do topo da escala

A escala é relativa ao interior da série, e não a um tamanho fixo. Isso significa que cem não é uma quantidade; é uma posição. Cem é o valor máximo daquela série específica, naquela janela específica, naquele conjunto de regiões específico. Muda-se a janela, muda-se o conjunto, o valor muda, sem que nada tenha mudado no mundo.

Há pelo menos quatro consequências que derivam direto disso.

A primeira é que zero não significa ausência. Zero na escala significa valor abaixo do limiar mínimo de exibição, ou arredondamento para baixo. Uma região com zero pode ter buscas, e em mercados pequenos com frequência tem.

A segunda é que diferenças pequenas na escala não sustentam conclusão. A distância entre setenta e setenta e três, em uma escala construída sobre amostra e arredondamento, está dentro da margem de ruído esperada para reconsultas. Tratar três pontos como vantagem competitiva é fabricar distinção.

A terceira é que a escala esconde a base. A nota de uma região grande e a nota de uma região pequena podem ser iguais, representando quantidades absolutas muito diferentes. Sem o denominador, o número é opaco por definição.

A quarta é que o máximo é sempre cem, então a série nunca mostra crescimento absoluto. Se o termo dobra em todas as regiões, o mapa fica idêntico. Índice normalizado é instrumento de comparação relativa, e usar instrumento de comparação relativa para medir crescimento é um erro de categoria.

Região pequena com nota alta: o caso que engana

A consequência mais explorada da normalização é a região pequena com nota alta. Uma unidade geográfica com poucas buscas totais pode chegar a cem com um número absoluto modesto, porque o denominador local é pequeno. No mapa, ela aparece no topo, com a cor mais forte, e parece o melhor mercado do país.

O mecanismo é aritmético. Se o total local de buscas em uma região é baixo, uma fração pequena de absoluto ocupa uma fração grande do total. Não há truque, apenas denominador. O problema é de leitura, não de cálculo.

Isso se agrava quando o recorte é feito por unidade administrativa e não por mercado. Unidades administrativas pequenas, com população baixa e pouca atividade de busca, têm grande probabilidade de apresentar valor extremo em qualquer consulta de nicho. Não é uma descoberta sobre a região; é um artefato do tamanho da base.

O antídoto é procedimental. Antes de considerar qualquer região pequena no topo do mapa, é preciso verificar o volume absoluto aproximado por outra via, porque o Trends não o fornece. Sem essa checagem, o mapa vira um gerador de pistas falsas com aparência técnica. Especialmente em categorias de nicho, quanto mais específico o termo, mais ruidoso fica o topo do mapa.

Vale registrar que esse efeito também aparece no tempo. Em séries diárias, dias de baixa atividade, como feriados prolongados, amplificam a volatilidade relativa, criando picos que desaparecem na agregação semanal. O mesmo denominador que distorce a região pequena distorce o dia fora do padrão.

A hierarquia geográfica: onde cada nível é utilizável

A ferramenta organiza o recorte em níveis: país, estado, área metropolitana e cidade. Cada nível tem uma utilidade diferente e um ponto diferente onde deixa de ser confiável.

No nível de país, a série costuma ser estável para termos de médio e alto volume. É o melhor lugar para olhar tendência de longo prazo e sazonalidade. Para termos de nicho, mesmo o nível de país pode oscilar entre reconsultas.

No nível de estado, o recorte é razoável para termos com volume nacional médio, e passa a ser instável para termos específicos. É o nível mais usado e o que mais gera conclusão apressada, porque o mapa do país dá uma falsa impressão de precisão: as unidades grandes parecem grandes mercados, as pequenas parecem nichos quentes, e as duas leituras podem estar erradas.

Na área metropolitana, a interpretação melhora em um aspecto e piora em outro. Melhora porque a área metropolitana se aproxima mais de um mercado real do que a fronteira administrativa de um estado. Piora porque a base de cálculo cai, logo o ruído sobe. Esse é o nível em que a verificação de volume absoluto deixa de ser recomendação e passa a ser pré-requisito.

No nível de cidade, o recorte só é utilizável em termos de alto volume. Em nicho, o resultado é dominado por oscilação de amostra e arredondamento, e o mapa passa a mostrar ruído com formato de geografia. Há ainda um detalhe operacional: cidades costumam ter nomes compartilhados com outras localidades, e a atribuição de busca ao lugar correto depende da desambiguação feita pelo sistema, que o pesquisador não controla. Usar esse nível sem declarar a incerteza é enfeitar o relatório com precisão que o dado não tem.

Dados insuficientes e zero-padding

Toda série regional tem buracos, e a forma como a ferramenta lida com eles precisa ser entendida antes da análise. Quando o volume de determinada região, em determinado intervalo, fica abaixo do limite de exibição, o valor não aparece como ausência: aparece como zero. Esse preenchimento por zero é o que se chama de zero-padding, e ele é o maior produtor de conclusão errada em séries longas.

O problema é que zero e ausência de dados são a mesma coisa na tela e coisas diferentes no mundo. Uma série que alterna valores baixos e zeros pode estar alternando medição e não medição. Qualquer média, soma ou suavização feita sobre essa série embute uma suposição não declarada: a de que os zeros eram zero de verdade.

A forma de lidar é tratá-los como valores ausentes, e explicitar essa escolha. Isso tem custo: a série fica mais curta, as médias ficam piores de calcular, e o resultado fica menos bonito. Mas a alternativa é pior, porque produz uma tendência de queda artificial nos períodos de menor atividade.

Há um segundo impacto, menos óbvio, na comparação entre regiões. Regiões pequenas entram em zero-padding com mais frequência, e regiões grandes quase nunca. Se as duas forem comparadas em uma série longa tratando zero como valor, a região pequena vai parecer sistematicamente mais fraca do que é. O viés não é simétrico, e por isso não se cancela na média.

Conferir o status de dados insuficientes é rotina barata. Toda série regional longa deve ser inspecionada antes de ser agregada, com a contagem de zeros registrada como metadado. Um número alto de zeros é informação sobre a qualidade da série, e merece aparecer no relatório com o mesmo destaque do resultado.

A amostra da ferramenta e a reconsulta que não repete

O Google Trends não roda sobre o universo completo de buscas; roda sobre uma amostra da ferramenta. Essa amostra existe para viabilizar resposta rápida em escala global, e tem uma consequência direta: a mesma consulta, feita duas vezes, pode devolver números ligeiramente diferentes.

Isso não é defeito, é projeto. Mas exige protocolo. Se a medição não é determinística, qualquer decisão apoiada em uma única consulta é uma decisão apoiada em uma realização de um sorteio.

O procedimento recomendado é tratar cada consulta como uma observação e repetir. Repete-se a mesma consulta em momentos distintos, registra-se a sequência de resultados e trabalha-se com a dispersão observada, não com o valor pontual. Onde a diferença entre duas regiões for menor que a dispersão entre reconsultas, não há diferença a relatar. Essa é a aplicação mais simples e mais útil da ideia de margem de ruído dentro da própria ferramenta.

Esse comportamento também explica por que relatórios produzidos em datas diferentes divergem sem que nada tenha mudado. Dois analistas, em semanas diferentes, mapas diferentes para o mesmo termo e o mesmo período, e cada um defende o seu. Sem o protocolo de repetição, a discussão é irresolvível; com ele, a conclusão costuma ser que os dois mapas são compatíveis dentro da variação esperada.

Outro ponto do protocolo é registrar os parâmetros. Categoria, tipo de busca, período e região-base alteram o resultado. Uma série que não registra esses campos não é reproduzível, e uma série não reproduzível não serve como evidência de nada, apenas como ilustração.

Mesma requisição para comparar: escalas separadas são incomparáveis

A regra mais violada no uso do recorte geográfico é também a mais simples: para comparar dois termos, eles precisam estar na mesma requisição. Comparar o mapa do termo A gerado em uma consulta com o mapa do termo B gerado em outra consulta não produz uma comparação, produz uma colagem.

O motivo é a normalização. Quando dois termos entram na mesma consulta, eles compartilham um único processo de normalização e uma única escala, e a relação entre eles é significativa. Quando entram em consultas separadas, cada um foi normalizado contra o seu próprio máximo, com a sua própria amostra, no seu próprio instante. A escala incomparável entre consultas torna a diferença observada ininterpretável. Se A recebe cem na sua consulta e B recebe oitenta na sua, nada se pode dizer sobre qual tem mais interesse, porque os dois cem são máximos de séries diferentes.

Essa regra tem consequências para o desenho da pesquisa. Se o objetivo é comparar termos, o número de termos por consulta é limitado, então o plano de comparação precisa ser definido antes, com os pares relevantes escolhidos de antemão. Comparações descobertas depois, entre mapas já gerados, exigem refazer a consulta, e não apenas justapor os resultados.

O mesmo cuidado vale para comparar uma região com o todo. A região-base da consulta define o interior da escala; mudar a região-base muda todos os valores relativos. Uma consulta feita com base em um estado e outra feita com base no país não produzem números comparáveis, mesmo para o mesmo termo e período.

Um exemplo hipotético ajuda a fixar. Imagine duas consultas feitas na mesma semana para o mesmo período: em uma, um termo de nicho atinge cem em uma região pequena; em outra, o mesmo termo atinge quarenta na maior região do país. É tentador concluir que a região pequena lidera. Mas as duas consultas não compartilham escala, e o valor quarenta pode representar um absoluto muito maior que o cem. Sem uma única consulta contendo as duas referências, a comparação não existe; o que existe é uma anedota com duas casas decimais.

Janela longa x janela curta e a granularidade temporal

A escolha da janela é uma escolha de pergunta, e a escolha da granularidade é uma escolha de ruído. As duas precisam ser decididas juntas.

A janela longa, de vários anos, serve para tendência e sazonalidade. Ela é a mais robusta ao ruído de amostragem, porque cada ponto agrega muito volume, e é a mais vulnerável a mudanças de método da própria fonte ao longo do tempo. Em séries longas, comparações ano a ano são legítimas com cuidado; comparações precisas de pico a pico, não.

A janela curta, de dias ou semanas, serve para detectar reação a evento. É o uso mais sedutor e o mais frágil. Em janela curta, a amostra da ferramenta tem menos material por ponto, a dispersão entre reconsultas sobe, e o zero-padding aparece com mais frequência em regiões pequenas. Um pico de trinta e seis horas pode ser real e pode ser ruído, e o mapa não distingue.

A granularidade temporal acompanha essa lógica. Na escala semanal, ruído e sinal convivem de forma razoável para termos médios. Na escala diária, só volumes altos sobrevivem. Na escala por hora, o uso deve ficar restrito a eventos muito concentrados e a termos de altíssimo volume, e mesmo assim o resultado deve ser tratado como pista sobre o formato da reação, nunca como nível.

Há uma interação entre granularidade e região que costuma passar despercebida. Quanto menor a região, maior a granularidade necessária para ter volume suficiente por ponto. Recorte pequeno com granularidade fina é a combinação que produz os mapas mais bonitos e os dados mais frágeis. A ordem correta é escolher primeiro a região pelo tamanho de base, e depois aceitar a granularidade que aquela base suporta, não o contrário.

Decisão de expansão regional: o que o recorte não responde

O uso que mais interessa ao pesquisador B2B é a decisão de expansão regional: para onde olhar primeiro. É também o uso em que o mapa responde menos do que se espera.

O mapa responde à pergunta sobre onde o interesse relativo é mais alto, dentro do limite do indicador. Ele não responde a nenhuma das perguntas que decidem uma expansão: quantas organizações existem lá, qual o porte delas, quem decide, qual o ciclo de adoção, qual a presença de alternativas locais, como funciona a distribuição regional. Todas essas são informações de outra natureza, e nenhuma está no índice.

Há também uma diferença entre interesse de busca e demanda efetiva que é particularmente aguda no B2B. Uma região pode apresentar interesse alto porque concentra estudantes, curiosos ou imprensa, e não porque concentra compradores. O índice é cego para a identidade de quem busca. No consumidor final, essa cegueira é menos grave; no B2B, ela pode inverter a conclusão.

O uso defensável, portanto, é como gerador de hipótese ordenada. O mapa sugere uma fila de regiões a investigar. A fila é melhor do que chute, e pior do que qualquer dado próprio. Tratá-la como ranking de mercado é o erro que transforma instrumento de exploração em fonte de plano.

Uma observação de método: a fila precisa ter critério de corte declarado. Se a regra é investigar as dez primeiras regiões, isso deve estar escrito antes de olhar o mapa. Escolher o corte depois de ver o resultado é uma forma discreta de ajustar a conclusão aos dados que se gostaria de ter encontrado.

Combinar com dados próprios: o desenho mínimo

A forma de tornar o indicador utilizável é não deixá-lo sozinho. Combinar o recorte do Trends com dados próprios é o que converte hipótese em evidência, e o desenho mínimo é mais simples do que parece.

O primeiro elemento é uma série própria análoga. Se existe uma base de contatos, de visitas, de inscrições ou de qualquer interação qualificada, ela pode ser agregada por região na mesma janela. A comparação não é de nível, porque as escalas diferem; é de ordem. O que se procura é concordância de posição relativa, não igualdade de número. Regiões bem colocadas nas duas fontes são candidatas fortes; regiões bem colocadas em uma e mal na outra merecem investigação qualitativa, porque a divergência costuma ser mais informativa que a concordância.

O segundo elemento é uma checagem de porte. Uma fonte externa de informação demográfica ou econômica por região permite verificar se o topo do mapa corresponde a um lugar com massa suficiente para valer o esforço. É a checagem que resolve o problema da região pequena com nota alta, e é barata.

O terceiro elemento é a validação qualitativa. Algumas conversas em cada região candidata derrubam mais hipóteses erradas do que qualquer refinamento estatístico. A pergunta aqui não é se o interesse existe; é se existe na forma que tornaria a expansão viável.

O quarto elemento é registro. Cada passo deve anotar origem do dado, período, unidade geográfica e tratamento aplicado. Sem isso, o exercício não se repete e, portanto, não acumula. Uma série documentada por dois ou três ciclos passa a ter valor próprio, porque a comparação passa a ser interna e não dependente do comportamento da ferramenta.

Validar antes de agir: o que conta como evidência suficiente

A recomendação final é de sequência, e não de ferramenta. O recorte regional deve ser a primeira etapa de um funil, nunca a última. Validar antes de agir é procedimento, e o procedimento precisa definir o que conta como validação.

Um critério razoável exige três condições simultâneas: repetibilidade da consulta, verificada por reconsultas; presença da região entre as primeiras posições em pelo menos uma fonte própria; e confirmação qualitativa mínima. Duas das três não bastam. Em particular, repetibilidade sem fonte própria só confirma que a ferramenta é consistente, o que não é evidência sobre mercado.

O critério também deve prever o caso negativo. Se uma região candidata falha na checagem de porte, ela sai da fila, e essa saída deve ser registrada como resultado, não esquecida. Pesquisa que só registra caso favorável não produz conhecimento acumulado;produz uma coleção de acertos aparentes.

Voltando ao limite inicial, é preciso ser explícito sobre o que o método entrega. Um índice relativo de atenção de busca, com amostra não revelada, normalização interna e supressão de baixo volume, apoia a formulação de prioridade de investigação. Ele não garante que a região escolhida tenha o mercado esperado, nem que o interesse medido venha de quem decide, nem que a ordem observada se mantenha no período seguinte. Garante que a pista foi gerada por procedimento descrito, com parâmetros registrados e repetível por outra pessoa. Para quem pesquisa comportamento de compradores, transformar pista repetível em decisão exige as outras fontes, e é justamente a combinação, não o mapa, que sustenta uma expansão regional.