Se você tem um app e quer maximizar ARPDAU, eCPM e a receita total de anúncios, a escolha entre mediação waterfall e in-app bidding (às vezes chamado de header bidding para mobile) é a decisão de configuração com maior impacto que você vai tomar neste ano. Quase todo SDK de monetização de anúncios oferece suporte aos dois modelos, e quase toda conta que auditamos usa apenas um deles — geralmente o menos adequado para seu estágio.
Este é o guia prático que entregamos aos publishers nos primeiros trinta dias de uso do Apps Kit SDK. Ele parte do princípio de que você já entende o que é mediação de anúncios — uma camada que solicita lances a várias redes de anúncios e veicula a impressão com a maior remuneração — e quer saber como configurá-la. Vamos explorar o funcionamento de cada modelo, um exemplo de leilão com números, o limite de latência que orienta cada decisão e um checklist de implementação de 30 dias que você pode levar para a reunião diária de amanhã.
Mediação waterfall: o modelo original de monetização de anúncios
A mediação waterfall ordena suas fontes de demanda pelo eCPM histórico e oferece cada impressão a elas em sequência. Vence a primeira rede que preenche a impressão com um valor igual ou superior ao preço mínimo definido para ela. É um modelo simples, fácil de depurar e previsível — por isso, sustentou a primeira década da monetização de apps.
O custo está na eficiência do leilão. Uma rede na terceira posição poderia estar disposta a pagar mais por aquele usuário específico do que a rede na primeira posição — mas nem teve a chance. Você deixa de ganhar dinheiro a cada impressão, e essa diferença aumenta à medida que seu público se torna mais heterogêneo. O outro custo oculto é operacional: cada alteração de preço mínimo na waterfall exige uma decisão manual, e uma waterfall ajustada à mão perde boa parte da eficácia em cerca de duas semanas, quando as curvas de eCPM mudam e a ordem de prioridade volta a ficar desatualizada.
In-app bidding: descoberta de preços em tempo real
O in-app bidding realiza um leilão unificado, em tempo real, entre todas as fontes de demanda para cada impressão individual. Não existe uma ordem fixa; vence o maior lance naquele momento. É o mesmo mecanismo que transformou a publicidade display na web com o header bidding, adaptado para mobile.
Na maioria das estruturas de monetização de apps, trocar a waterfall por in-app bidding no topo da cadeia de mediação aumenta o eCPM em 10–30%. O ganho é maior no inventário premium de vídeos recompensados em países Tier 1, onde há concorrência real entre os participantes do leilão; e menor no inventário de banners em segmentos pouco sensíveis a preço, onde o leilão não tem novos preços a descobrir.
A contrapartida é a latência. Um leilão de bidding precisa esperar pelo participante mais lento que considera relevante — ou atingir o tempo limite e perder a contribuição dele. Se o tempo limite for curto demais, você limita o eCPM; se for longo demais, limita as impressões por sessão. A maioria das equipes descobre isso na prática após a primeira semana com bidding, quando o ARPDAU sobe, mas a duração das sessões cai.
Um exemplo com números: de onde vêm os centavos extras
Imagine uma única impressão de anúncio recompensado com quatro redes interessadas. Em uma waterfall ordenada pelo eCPM da semana anterior, a rede A está no topo com preço mínimo de US$ 9, a B com US$ 7, a C com US$ 5 e a D com US$ 3. A rede A preenche a impressão a US$ 9. Você ganha US$ 9.
Agora, coloque a mesma impressão em um leilão em tempo real. A rede A oferece US$ 8,40 porque aquele usuário específico parece menos valioso do que a coorte da semana anterior. A rede C, que tem uma campanha segmentada exatamente para aquela região e sistema operacional, oferece US$ 11,20. O leilão fecha em US$ 11,20 — um aumento de 24% em uma impressão, com as mesmas quatro redes e nenhuma integração nova. Multiplique isso por alguns milhões de impressões por dia e a vantagem fica evidente.
O mesmo exemplo também explica por que bidding não é dinheiro fácil. Se o adaptador da rede C leva 1.100 ms para responder e seu tempo limite é de 900 ms, a rede C não chega a participar do leilão, a rede A vence a US$ 9 e você paga o custo de latência do bidding sem obter nenhum benefício.
Por que o modelo híbrido vence para quase todos os publishers
A configuração que maximiza o ARPDAU de forma consistente é a híbrida: in-app bidding no topo da cadeia de mediação, onde existe concorrência real entre os participantes e o custo de latência se justifica, combinado com uma waterfall curta e limitada para preenchimento complementar, ou backfill. A waterfall absorve as impressões que nenhum participante do leilão em tempo real quis comprar, mantendo a taxa de preenchimento próxima de 100% sem a latência adicional de passar cada item de linha pelo leilão.
No Apps Kit SDK, a configuração híbrida padrão é: in-app bidding com todos os participantes que oferecem suporte a ele (AdMob, AppLovin MAX, Meta Audience Network, Unity LevelPlay, Mintegral e Pangle), seguido de uma waterfall de backfill com duas linhas para redes sem bidding, usando um preço mínimo conservador. Essa configuração pronta para uso iguala ou supera configurações ajustadas manualmente que já vimos em estúdios com equipes dedicadas de operações de anúncios.
O limite de latência que ninguém documenta
Cada solicitação de anúncio tem um limite de tempo medido em milissegundos, e você deve documentar o seu. Um ponto de partida razoável para vídeos recompensados é de 1.500 ms de ponta a ponta: 200 ms para o SDK montar a solicitação, 900 ms para o leilão de bidding, 300 ms para baixar o criativo e 100 ms para renderizar. Passou disso, o usuário já seguiu em frente.
Ao adicionar um novo participante ao leilão, meça o tempo de resposta no p95 em dispositivos reais nos seus três principais países. Se o p95 ultrapassar o tempo limite do leilão em qualquer um deles, esse participante perderá silenciosamente todos os leilões naquela região. Defina tempos limite por participante, não apenas um limite global, e você recupera receita sem aumentar a espera pela impressão mediana.
Uma matriz de decisão para aplicar hoje
Use esta matriz como ponto de partida e só se afaste dela quando tiver dados que a contradigam:
- Pré-lançamento / menos de 50 mil DAU — apenas waterfall, três redes, foco em retenção e não em ARPDAU
- 50 mil–500 mil DAU, com predominância de anúncios recompensados — híbrido: bidding nos recompensados, waterfall nos intersticiais
- 500 mil–5 milhões de DAU, inventário misto — híbrido completo: bidding em todas as fontes compatíveis, backfill com duas linhas
- Mais de 5 milhões de DAU, várias regiões — híbrido completo com tempos limite de leilão por país e matrizes de preços mínimos por formato
- Apps utilitários / de sessão única com menos de 5 min — apenas waterfall; o custo adicional do leilão nunca compensa
Técnicas de configuração de exibição que ampliam os ganhos
O tipo de mediação define o teto de receita por impressão. A configuração de exibição determina quantas impressões você realmente veicula e quanto cada uma vale. Estas quatro alavancas potencializam qualquer configuração de mediação:
- Preços mínimos por país e formato, recalculados semanalmente com base nos dados de lances dos últimos quatorze dias — uma matriz por bloco de anúncios, não um valor único
- Tamanho limitado da waterfall — os seis principais participantes do bidding mais duas redes de backfill; tudo além disso acrescenta latência sem gerar receita
- Limites de frequência por faixa horária — o que funciona às 20h no Wi-Fi destrói a retenção às 3h em um dispositivo de entrada
- Impressões por DAU como KPI de antecipação — ele se movimenta cerca de uma semana antes do ARPDAU, permitindo corrigir problemas antes que o financeiro perceba
Quando usar apenas waterfall ainda é a melhor escolha
A mediação exclusivamente waterfall ainda supera o modelo híbrido em dois casos. Primeiro, em apps com sessões médias inferiores a cinco minutos — o custo de latência de qualquer leilão em tempo real consome o ganho gerado pelo leilão. Segundo, em apps que atuam em mercados onde menos de três participantes competem de forma relevante; o leilão não tem novos preços a descobrir, e o processamento adicional vira puro custo.
Fora desses dois casos, o híbrido vence. Se estiver em dúvida, faça um teste A/B de duas semanas em um único posicionamento de anúncio recompensado e compare o ARPDAU por coorte. A resposta certa para seu app ficará clara em até dez dias.
Os publishers que maximizam a receita de anúncios não são os que têm mais redes ou o contrato de mediação mais sofisticado. São os que adequam o tipo de mediação ao inventário e tratam a configuração de exibição como uma atividade operacional.
Checklist de implementação em 30 dias
Se sua equipe está migrando de waterfall puro para o modelo híbrido, esta é a sequência que usamos nas implementações do Apps Kit SDK. Cada etapa pode ser revertida por configuração remota — sem precisar publicar uma nova versão do app.
- Dias 1–3: implemente a medição de impressões por DAU, latência p95 das solicitações de anúncios e taxa de timeout por participante do leilão
- Dias 4–7: ative o bidding em um único posicionamento de anúncio recompensado, apenas no seu principal país, e mantenha todo o restante inalterado
- Dias 8–14: compare o ARPDAU por coorte e a retenção no dia 7 com o grupo de controle — se ambos apresentarem resultados positivos, expanda para todos os anúncios recompensados
- Dias 15–21: estenda o bidding aos intersticiais no mesmo país e acompanhe de perto o impacto na duração das sessões
- Dias 22–30: expanda globalmente com tempos limite de leilão por país e remova as fontes de baixo retorno no fim da sua waterfall
O que fazer nesta semana
Se você levar apenas uma recomendação deste artigo, revise sua configuração atual de mediação de anúncios com base no modelo híbrido padrão apresentado acima e implemente a medição de impressões por DAU no nível de coorte. Juntas, essas duas mudanças costumam aumentar o ARPDAU em 20–40% em até duas semanas — sem adicionar nenhuma rede de anúncios nem alterar uma linha do código do app. Todo o restante deste artigo é uma otimização sobre esses dois pilares.
