Como uma marca global premium de bens de consumo reduziu a saturação de falsificações de 46% para 26% em oito meses

• Uma marca global premium de bens de consumo reduziu sua taxa de saturação de falsificações de 46% para 26% em menos de oito meses, em 40+ marketplaces globais, e hoje opera seu programa global de proteção de marca na MarqVision.
• A IA generativa derrubou o custo de falsificar: não só produtos falsos, mas lojas clonadas, anúncios fraudulentos e conteúdo de dupes nas redes sociais, todos enganando clientes na velocidade das máquinas. A marca decidiu combater IA com IA.
• Ela fez uma avaliação competitiva com fornecedores alternativos em condições reais. A MarqVision entregou os melhores resultados.
• O que fechou a decisão: a MarqVision era o único fornecedor com uma métrica real de ROI, a Taxa de Saturação, ou seja, a porcentagem de resultados da primeira página das buscas nos marketplaces que são infratores, além de cobertura completa em marketplaces, redes sociais, sites, domínios e anúncios pagos.
• A queda seguiu uma curva previsível: uma queda acentuada no início, uma fase intermediária mais lenta e, depois, uma estabilização que revela o piso estrutural da atuação apenas online e mostra onde concentrar os próximos esforços de recuperação de receita.
• Os dados de resultado transformaram os relatórios numa ferramenta de planejamento para o próximo passo do time.

Um programa forte, feito para uma era mais lenta

Por qualquer critério convencional, o programa de proteção dessa marca era saudável: um time interno dedicado, um fornecedor de atuação de longa data e monitoramento ativo em centenas de marketplaces globais. Os volumes de remoção eram sempre altos, a cobertura ampla e os relatórios chegavam no prazo.

Mas o ritmo do programa tinha ficado para trás. A inovação tinha parado, a visibilidade do que realmente acontecia no mercado era limitada e os relatórios não acompanhavam a velocidade com que a ameaça evoluía. Enquanto isso, a IA generativa derrubava o custo de falsificar em todo o setor: imagens de produto convincentes, lojas clonadas, anúncios fraudulentos, conteúdo viral de dupes e domínios que se passam pela marca agora podiam ser criados em massa.

O que antes exigia esforço real de uma operação de falsificação agora pode ser produzido na velocidade das máquinas. A falsificação deixou de ser um problema de anúncios em marketplaces e virou um problema de todos os canais: em qualquer lugar onde um cliente possa buscar, rolar a tela, clicar ou comprar, alguém pode estar enganando esse cliente em nome da marca.

A marca via isso nos próprios dados. Uma única semana de monitoramento ao vivo revelou milhares de anúncios infratores em marketplaces e redes sociais, milhares de domínios suspeitos e dezenas de marcas semelhantes e lojas que se passavam pela marca. E o estoque nunca se esgota sozinho: a OCDE (Organização para a Cooperação e Desenvolvimento Econômico) estimou o comércio global de produtos falsificados em cerca de $467 bilhões, ou 2,3% de todas as importações mundiais, segundo o relatório de 2025 da OCDE sobre falsificações.

Enquanto isso, os números do próprio programa não diziam se ele estava dando conta. As áreas de negócio faziam uma pergunta simples: está funcionando? E os relatórios de atividade não conseguiam responder. Anúncios encontrados, anúncios removidos, plataformas monitoradas: os números subiam todo trimestre, o que deveria tranquilizar. Em vez disso, levantava uma pergunta mais difícil: se removemos mais anúncios a cada período, o problema está crescendo ou estamos avançando? Métricas de esforço respondem “quanto fizemos?”. Nunca respondem a pergunta que realmente importa: quando um consumidor busca nosso produto, o que ele vê?

A conclusão do time foi lúcida. Não dá para combater infrações em escala de máquina com análise manual e relatórios de esforço. Se a IA estava industrializando o ataque, a defesa também precisava ser IA, e precisava ser medida por resultados, não por atividade.

Para pôr essa tese à prova, a marca fez uma avaliação competitiva às cegas com fornecedores alternativos, em cenários reais de infração. Quando os resultados saíram, a MarqVision tinha entregado os melhores resultados de atuação da avaliação.

Mas vencer um teste não basta para mudar um programa global inteiro. A decisão dependeu do que manteria a marca vencendo no longo prazo.

ROI real, com cobertura de ponta a ponta

Um ROI que as marcas conseguem enxergar

Qualquer fornecedor consegue apresentar números de remoções. A MarqVision foi o único fornecedor da avaliação capaz de colocar na mesa uma métrica real de resultado: a Taxa de Saturação.

A Taxa de Saturação mede a porcentagem de resultados infratores na primeira página das buscas que os consumidores fazem nos marketplaces. Em vez de caçar anúncios em qualquer profundidade e contar as remoções, um programa baseado em saturação monitora as buscas específicas que os compradores reais fazem, classifica cada resultado (por exemplo, falsificado, suspeito, autorizado ou irrelevante) e acompanha se a prateleira está ficando mais limpa ao longo do tempo.

Para o time de proteção de marca, isso resolveu o problema com as áreas de negócio que os números de remoções nunca resolveram. A Taxa de Saturação deu ao time um número que ele podia levar ao negócio e que comunicava impacto em termos de negócio, não no jargão da atuação: estas são as categorias e regiões mais visadas, esta é a tendência da exposição do consumidor, isto é o que mudou por causa do programa. A conversa interna deixou de ser “isto é o que gastamos com proteção de marca” e passou a ser “isto é o que a proteção de marca conquistou”.

Uma plataforma para todos os canais

As infrações da era da IA não ficam nos anúncios dos marketplaces, então a cobertura também não pode ficar. O que mudou para a marca não foram os canais cobertos (marketplaces, redes sociais, conteúdo de sites, domínios e anúncios pagos já estavam no escopo), mas a IA fazendo o trabalho pesado dentro desse escopo: classificando cada resultado no campo de visão do consumidor, agrupando vendedores conectados e imagens reutilizadas e sinalizando automaticamente os domínios que se passam pela marca. Combater IA com IA, na prática.

Um produto que melhora continuamente

Dois recursos que a marca pediu durante a avaliação, uma lista de monitoramento para domínios derrubados que voltam a aparecer e a tradução, dentro do painel, de anúncios em outras línguas, foram desenvolvidos e entregues em semanas, não em trimestres de roadmap. Para um time que apostava na tecnologia para superar os falsificadores, ver pedidos virarem software funcionando tão rápido foi o argumento final.

Com o programa ativo em todos os canais, a medição de saturação começou com um escopo focado: 7 palavras-chave prioritárias monitoradas em 40+ marketplaces globais por meio de 96 buscas recorrentes.

No início, a taxa de saturação de falsificações da marca era de 46%. Quase metade do que os consumidores viam ao buscar os produtos da marca era infrator. Essa exposição tem consequências reais para os compradores: uma pesquisa da MSU mostrou que cerca de 7 em cada 10 consumidores foram enganados e compraram um produto falsificado online pelo menos uma vez no ano anterior.

Oito meses depois, esse número era 26%.

Lendo a curva

O formato da queda conta sua própria história, e ele segue um padrão que vemos com frequência em programas de proteção de marca de grandes empresas.

Meses 1 a 3: queda acentuada (46% → 38%). A fase das vitórias fáceis. As infrações claramente acionáveis são identificadas e removidas rapidamente: os anúncios são óbvios, as plataformas têm procedimentos de remoção estabelecidos e o atendimento vem rápido.

Meses 4 a 6: queda mais lenta (38% → 31%). O ritmo de melhora diminui porque as infrações restantes são mais difíceis: plataformas com tempo de resposta maior, vendedores que voltam a anunciar logo depois da remoção e casos-limite em que a classificação é ambígua.

Meses 7 a 8: estabilização (31% → 26%). O platô não é um fracasso. É um sinal. Ele revela o piso estrutural para um conjunto de palavras-chave e plataformas, o ponto em que a atuação apenas online não consegue mais baixar o número. É aqui que os dados começam a orientar o próximo passo estratégico.

O que acontece quando a curva se estabiliza

A fase de estabilização é onde os dados de saturação viram uma ferramenta de planejamento. Dependendo do que a linha de tendência mostrar, o time pode aprofundar a análise de uma categoria de infração para entender por que ela resiste, apontar uma lacuna de cobertura em que novos registros de PI fortaleceriam a atuação, ou escalar para a ação offline onde a atuação online chegou ao limite.

Um relatório de volume de remoções não consegue revelar esses pontos de inflexão estratégicos. Uma linha de tendência da taxa de saturação os torna visíveis por padrão.

O volume de atuação no novo programa é equivalente ao que o fornecedor anterior entregava, e é exatamente esse o ponto. Atividade semelhante, resultados mensuravelmente diferentes e, pela primeira vez, provas.

O sinal qualitativo veio do campo. Os times regionais da marca pelo mundo começaram a relatar menos falsificações e dupes em seus mercados. O fluxo constante de alertas internos (“encontrei isto, por favor derrubem”) caiu bastante. Antes, o time recebia algo entre 5 e 10 desses e-mails por semana, cada um exigindo um e-mail ao fornecedor e um acompanhamento. Agora, a maior parte desse tráfego desapareceu e, quando surge uma dúvida, o time consulta o status da ação diretamente no painel da MarqVision, em vez de esperar uma resposta. Estimamos que a mudança devolva ao time mais de duas horas por semana só em acompanhamento manual.

A mudança estrutural vai além. A marca reservou horas de analistas para pesquisa proativa (identificar tendências, encontrar produtos recém-falsificados, sinalizar designs inventados atribuídos ao nome da marca), um trabalho que o programa anterior não tinha base de dados para sustentar. E, quando a taxa de saturação de uma palavra-chave chega a um platô, o time toma uma decisão informada, e não um palpite, inclusive pressionando diretamente as plataformas, com dados sobre onde a atuação proativa delas está falhando.

Foi isso que mudou a relação. Não foi uma simples troca de fornecedor. Foi uma aposta deliberada na medição de resultados em vez de relatórios de atividade, feita por um time que finalmente tinha os dados para saber que o status quo não era bom o suficiente.

Para qualquer time de proteção de marca que passou anos reportando métricas de atividade e tendo dificuldade para mostrar o impacto do programa ao negócio, a mudança para a medição de resultados não é incremental. É a diferença entre descrever o que você fez e provar o que mudou.

O volume de atuação sempre fará parte da proteção de marca. Mas, sem uma métrica de resultado ligada à experiência do consumidor, não há como saber se um programa está vencendo ou se está só ocupado.