Métricas de VSL com IA: os números que dizem onde seu vídeo está perdendo gente

Métricas de VSL com IA são os quatro números que mostram exatamente onde um vídeo de vendas perde gente: play rate, retenção do hook, retenção até o pitch e conversão. Cada uma aponta para um bloco específico do roteiro, e cruzar essas curvas com a transcrição usando IA mostra qual bloco reescrever primeiro, sem depender de achismo.

O erro mais comum de quem produz VSL é olhar só para a conversão final e tentar adivinhar o que está errado. Um vídeo pode converter mal por cinco motivos completamente diferentes: tráfego ruim, hook fraco, corpo confuso, mecanismo raso ou oferta mal construída. Sem separar essas causas com dado, a correção vira tentativa e erro, e cada teste custa tempo e verba de mídia.

Até o final deste artigo, você vai entender quais são as quatro métricas de referência de uma VSL saudável, como ler a curva de retenção segundo a segundo e como usar IA para cruzar esses números com o roteiro e descobrir, com precisão, qual bloco está fazendo o espectador sair.

Por que a maioria das VSLs perde gente antes de chegar na oferta?

A queda de espectadores ao longo de um vídeo não é exceção, é a regra. O comportamento de assistir vídeo online já parte de uma janela curta de atenção: o espectador decide em poucos segundos se continua ou sai, e a partir daí a curva só cai.

Dados do State of Video Report da Wistia mostram que, em 2025, o engajamento médio de vídeos com menos de 5 minutos caiu 10% em relação ao ano anterior, com o espectador médio assistindo a 47% do conteúdo total. Vídeos entre 5 e 30 minutos tiveram engajamento médio de 38%, e os com mais de 30 minutos, de 21%.

O Video in Business Benchmark Report da Vidyard reforça o mesmo padrão por outro ângulo: vídeos com menos de 1 minuto mantêm 65% dos espectadores até o fim, contra apenas 20% nos vídeos acima de 20 minutos. Quanto mais longo o vídeo, maior o número de pontos onde ele pode perder alguém, e uma VSL de 15 a 30 minutos tem muito mais chance de queda do que um anúncio de 60 segundos.

Isso não significa que uma VSL longa está condenada a converter mal. Significa que ela precisa de mais pontos de verificação ao longo do caminho, porque tem mais chance de esconder um bloco fraco no meio do percurso, os mesmos blocos que sustentam a anatomia de um funil de VSL completo. É para isso que servem as quatro métricas de referência.

Quais são as 4 métricas que toda VSL precisa acompanhar?

Uma VSL é uma máquina mensurável. Cada etapa dela, do clique no play até a compra, tem um número de referência, e é olhando para esses números que você sabe exatamente onde ajustar. O benchmark abaixo é o padrão de referência usado pela ScalenX para diagnosticar VSLs de infoproduto e serviço digital.

Das pessoas que chegam até o pitch, a divisão costuma seguir um padrão parecido em VSLs de infoproduto: cerca de 10% já querem comprar, 40% não vão querer de jeito nenhum, e 50% ficam na dúvida. É exatamente nesse grupo do meio que a oferta trabalha, com bônus, garantia e reforço emocional. Não é o convicto nem o resistente que decide o faturamento; é o indeciso que a oferta consegue mover.

Como ler a curva de retenção segundo a segundo?

A maioria das plataformas de hospedagem de vídeo usadas em VSL entrega um gráfico de retenção segundo a segundo, não só uma média. Essa curva é o dado mais valioso que você tem, porque mostra o instante exato em que a atenção despenca, não uma porcentagem genérica de conclusão.

1. Exporte a curva completa. Pegue o gráfico de retenção segundo a segundo da plataforma de hospedagem do vídeo, não apenas o resumo de conclusão. É a variação ponto a ponto que importa, não a média.
2. Marque os blocos do roteiro na linha do tempo. Anote em que segundo cada bloco começa: Hook, Lead, História, Mecanismo, Oferta. Sem esse mapeamento, uma queda na curva não diz nada sobre qual parte do texto causou.
3. Procure os pontos de inflexão, não a queda gradual. Toda VSL perde gente aos poucos ao longo do vídeo, isso é normal. O que importa é a queda abrupta e localizada: um degrau de 15 a 20 pontos percentuais em poucos segundos aponta para um problema específico naquele trecho.
4. Cruze cada degrau com o bloco correspondente. Queda nos primeiros 10 a 15 segundos é hook fraco. Queda ao longo da história é falta de identificação ou ritmo lento. Queda no mecanismo é excesso de teoria sem prova. Queda perto do pitch é oferta mal ancorada ou preço revelado cedo demais.
5. Priorize o degrau mais alto. Se há três quedas na curva, comece pela maior. Corrigir o bloco que mais sangra atenção tem retorno maior do que ajustar um problema menor mais adiante no vídeo.

Como usar IA para diagnosticar onde a VSL está perdendo gente?

Ler a curva manualmente funciona, mas cruzar dado de retenção com roteiro linha por linha é um trabalho repetitivo, exatamente o tipo de tarefa em que IA economiza horas. O processo funciona em quatro passos.

1. Transcreva o roteiro com timestamps. Gere a transcrição da VSL com marcação de tempo em cada frase ou bloco. Ferramentas de transcrição automática fazem isso em minutos; o resultado é a matéria-prima que a IA vai cruzar com o gráfico.
2. Descreva a curva de retenção para a IA. Informe os pontos de queda que você identificou: por exemplo, 'queda de 62% para 41% entre os segundos 45 e 58'. Sem esse dado concreto, a IA só consegue sugerir hipóteses genéricas.
3. Peça o cruzamento entre timestamp e roteiro. Com a transcrição e os pontos de queda em mãos, peça à IA para identificar exatamente qual frase, argumento ou bloco corresponde a cada intervalo de queda, e por que aquele trecho específico pode estar perdendo atenção.
4. Gere hipóteses de reescrita testáveis. A partir do diagnóstico, peça duas ou três versões alternativas daquele bloco específico, cada uma testando uma hipótese diferente (ritmo, prova, clareza do argumento). Suba a próxima versão, meça de novo e valide qual hipótese resolveu a queda.

Quais erros atrapalham a leitura das métricas de VSL?

• Comparar temperaturas de tráfego diferentes. Retenção de uma VSL de tráfego frio (que precisa educar do zero) não é comparável à de uma VSL de tráfego quente (para quem já conhece a oferta). Use o benchmark do público equivalente, não uma média genérica.
• Trocar dois blocos ao mesmo tempo. Reescrever o Hook e a Oferta na mesma versão e subir o teste junto impede saber qual mudança causou o efeito. Teste um bloco por vez, sempre que o orçamento de tráfego permitir.
• Olhar só a conversão final. Duas VSLs podem ter a mesma taxa de conversão final por motivos opostos: uma com retenção ótima e oferta fraca, outra com retenção ruim e oferta forte que salva o que sobrou. Sem separar as quatro métricas, as duas parecem o mesmo problema e não são.

Conclusão: o que fazer agora com os números da sua VSL?

Voltando ao início: as quatro métricas que definem a saúde de uma VSL são play rate, retenção do hook, retenção até o pitch e conversão, e cada uma delas aponta para um bloco específico do roteiro. Não existe achismo quando o dado está separado dessa forma.

O comportamento de queda de atenção em vídeo é um dado de mercado, não uma falha da sua VSL: engajamento cai em todo formato de vídeo, de 47% em vídeos curtos a 21% nos mais longos. O que separa uma VSL que escala de uma que trava é a leitura correta de onde, dentro desse comportamento esperado, o seu vídeo específico está perdendo gente demais.

O próximo passo é simples: exporte a curva de retenção da sua VSL atual, marque os blocos do roteiro na linha do tempo, identifique o maior degrau e leve esse trecho, com o timestamp exato, para a IA reescrever. A VSL nunca está pronta, ela é um organismo que se afina teste após teste.