🧠 Tempo para escrever: 19 horas
📖 Tempo de leitura: 20 minutos
✍️ Na última edição: Os melhores livros para marketers, de estagiário a C-Level
💬Comentário da última edição:
Você vai ler
Em setembro de 2025, no palco do INBOUND em São Francisco, Yamini Rangan (CEO da Hubspot) declarou o funil morto e apresentou o substituto.
Por prometer revolução misturada com IA, o assunto me fisgou e decidi estudar os conceitos desse “novo" playbook para crescimento exponencial.
Li o release oficial da HubSpot, os três posts da série assinada pela Yamini Rangan, o Loop Marketing Landscape Report, diversas análises contra e a favor, e críticas independentes que circulam em comunidades de growth.
No mundo do marketing, cada novo framework vem carregado de hype pra criar interesse e adoção. No meio desse frenesi, fica difícil separar o que é útil e prático e o que é batom no porco.
Minha ideia foi ler com calma, traduzir os conceitos e devolver só o que é útil para marqueteiros como eu.
As premissas que levam ao Loop Marketing
Antes de entrar nos conceitos do Loop, entender a quais mudança estamos reagindo e nos adaptando.
Três dados sustentam a narrativa da Hubspot:
80% da pesquisa B2B acontece antes do primeiro contato com vendedor.
A Forrester vem medindo esse número há quase uma década, e ele subiu de 67% (2017) pra 80% (2025). Mais que isso: parte desses 80% migrou do seu site pra ChatGPT, Perplexity e Reddit nos últimos 18 meses.
60% das buscas no Google terminam sem clique.
Estudo da SparkToro de 2024 mediu que de cada 1.000 buscas, apenas 374 resultam em clique pra fora do Google. Os outros 626 ficam dentro do próprio Google (via AI Overviews, featured snippets, ou queries respondidas direto na SERP).
AI Overviews aparecem em 25,8% das queries informacionais.
Em janeiro de 2026, mais de um quarto das buscas com intenção de aprender algo recebem resposta direta do Google sem precisar visitar nenhuma página. O CTR orgânico nessas queries caiu 46,7% em média, e em B2B tech especificamente chegou a 70%.
A soma desses fatores quebrou o playbook do Inbound Marketing.
De um lado, modelo de funil linear (comprador chega no seu site, lê seu blog, baixa seu ebook, fala com seu vendedor) descreve cada vez menos o que de fato acontece. Não porque o funil é errado em si, mas porque esse sequenciamento que ele assume parou de existir pra maioria das interações.
Do outro, o inbound está ficando sem combustível. O canal que alimentava ele (tráfego orgânico via Google) diminuiu de tamanho e mudou de natureza.
SEO sempre foi um canal com feedback mensurável, olhávamos impressão, CTR, rankings, tráfego e UTMs nos ofereciam certa capacidade atribuição.
Mas AEO opera num canal opaco em escala pela primeira vez. ChatGPT não te manda relatório, não te dá UTM, não te diz quantas vezes te citou nesta semana, qual foi a query.
Com mais de 60% das buscas no google finalizando sem cliques, queries informacionais estão perdendo relevância e, por causa disso, vamos presenciar a destruição em massa de um asset que toda empresa tem: seus blogs.
Eu acredito que AEO está para 2026 como SEO está para 2004. Finalmente estamos diante de um novo canal.
Esse é o diagnóstico da HubSpot. E eu assino embaixo.
O que é Loop Marketing, direto da fonte
O Loop é o framework que a HubSpot propôs pra substituir o funil como modelo mental dominante. Com quatro estágios organizados em ciclo:
Express é definir voz, tone of voice e ponto de vista da marca antes de usar a inteligência artificial. Se você delega geração de conteúdo pra IA sem ter brand voice clara, ela vai produzir output que parece igual ao do seu concorrente. Nós já vemos isso acontecer, todo site criado no Lovable parece igual.
Tailor é personalização baseada em sinal comportamental, não em segmentação demo/firmográfica. Com IA, mensagem 1:1 está ficando econômica e tecnicamente viável.
Amplify é distribuição multicanal e, como estamos falando de um playbook de inbound marketing, há bastante foco em AEO (Answer Engine Optimization), aparecer dentro das respostas que ChatGPT, Perplexity e Claude geram, seguindo a lógica de que o lugar onde sua resposta aparece já não é mais o seu site/blog, mas a resposta sintética do modelo de linguagem.
Evolve é iteração em tempo real usando IA pra medir, prever e ajustar, seguindo a lógica de que você não precisa de meses para coletar resultados e ajustar sua rota.
Os conceitos dentro de cada estágios são velhos como princípio, não tem novidade aí, o que mudou é que a IA está influenciando o que pode ou não ser feito. Mexeu na escala, nos unit economics e nas possiblidades.
Enfim, Loop Marketing é a camada de execução do Inbound Marketing na era da IA, por isso a empresa chama Loop de playbook.
Do conceito à prática, como executar cada etapa
Para maximizar o entendimento e aplicação desse playbook, detalhei 5 pontos em cada uma das etapas do Loop Marketing:
Conceito: entender exatamente o que é.
Contexto: porque é importante.
Aplicação: o que fazer
Exemplo: uma empresa que serve de inspiração
Anti-padrão: um erro provável
Etapa 1 - Express
→ O conceito: Definir a identidade da marca em formato consumível por inteligência artificial, como um documento operacional que um modelo de linguagem consegue ler, processar, e usar como restrição quando gera output em escala.
→ Contexto: A IA generativa achatou a qualidade média do conteúdo de marketing. Toda empresa tem acesso a output correto (gramática, estrutura, keywords…) e um texto bom virou commodity.
O que diferencia a sua empresa das outras 200 empresas que fazem AI-generated content é sua opinião, estilo e posicionamento.
O estudo Loop Marketing Landscape Report mostra que apenas 51% dos profissionais de marketing afirmam ter uma proposta única de valor (UVP) documentada, a base para evitar conteúdo genérico.
→ Aplicação: Três coisas precisam estar documentadas em formato operacional.
Brief de voz. Não é "nossa marca é confiante e inovadora", mas um documento de 2-3 páginas com estrutura típica de frase, vocabulário preferido e proibido, exemplos de bom e mau outputs, contexto cultural, referências.
Ponto de vista. Sua empresa tem opinião sobre o quê? Em que assuntos da indústria você defende posição específica? Que crenças do mercado você considera erradas? Sem ter isso documentado, IA vai gerar conteúdo que abraça o consenso médio.
Lista do que você não escreve sobre. Tão importante quanto saber o que dizer é saber o que não dizer. Quais assuntos sua empresa evita, quais formatos não combinam com a marca, quais ângulos são tabu interno.
→ Exemplo: Vanta passou por um rebrand completo em 2025 que ilustra bem o estágio. O objetivo declarado pela própria empresa era criar uma identidade de marca que comunicasse a "personalidade quirky e playful" da Vanta enquanto continuasse engajando uma audiência que vai de profissionais de segurança a líderes enterprise.
Eles documentaram voz, tom e ponto de vista da marca em formato consumível por todos os canais. O case publicado pela Webflow mostra que o redesign de cada página foi feito em ~30 dias do kickoff de dev até o lançamento.
→ Anti-padrão: O erro mais comum é pular esse estágio. Empresa começa a usar IA pra gerar conteúdo, percebe que o output parece genérico e culpa a ferramenta. Pedir pra IA "escrever no estilo da nossa marca" não vai funcionar.
Etapa 2 - Tailor
→ Conceito: Personalização baseada em comportamento do indivíduo, no momento em que ele está, que é diferente de personalização por persona (segmentar audiência em cargo, idade, senioridade, etc.). É personalização por intent signal, aquilo que ela fez que informa onde ela está na jornada.
→ Contexto: Até 3-4 anos atrás, fazer personalização 1:1 de verdade exigia time de data science, ferramenta enterprise, e semanas de produção. Custava caro demais pra empresas que não faturavam dezenas de milhões.
Por isso, "personalização" virou sinônimo de {first_name} no email, era a o que cabia no orçamento e nas ferramentas. Com IA generativa em escala, mensagens 1:1 estão muito mais factíveis.
→ Aplicação: Três partes precisam estar funcionando juntas:
Mapeamento de intent signals. Conjunto de comportamentos que indicam estágio de consideração, por exemplo, visitar página de pricing duas vezes em 48 horas; buscar "[seu produto] vs [concorrente]" no Google; adicionar item ao carrinho e abandonar; baixar guia compativo. Cada um desses sinais tem peso diferente e você precisa documentar os 8-12 mais importantes pro seu negócio e atribuir scores.
Infraestrutura de dado conectado. Os sinais só servem se chegarem no mesmo lugar, então o CRM tem que falar com produto, com plataforma de email, com ferramenta de ads. Dados distribuídos ou em silos dificultam a personalização.
Gatilhos reativos, não cadências. Quando o sinal acontece, uma ação é disparada. Não vai pra fila de envio do próximo lote semanal ou entra na segmentação pra receber a próxima edição da sua newsletter daqui 6 dias.
→ Exemplo: Gong é uma plataforma que analisa transcrições de chamadas em tempo real e usa essa inteligência pra alimentar outreach personalizado em escala. Quando o time de vendas recebe uma sugestão de follow-up, ela vem ancorada em contexto da conversa: competidor mencionado pelo prospect, objeção específica que apareceu, linguagem que o próprio buyer usou. O AI Composer da Gong reporta 34% de maior taxa de resposta em média usando esse modelo, comparado a outreach baseado em template.
→ Anti-padrão: Continuar chamando campos dinâmicos de "personalização", trocar o nome da empresa do destinatário no assunto… Tudo isso era aceito como personalização em 2018 porque a alternativa era inviável.
Etapa 3 - Amplify
→ Conceito: Distribuição multicanal incluindo o canal mais novo e mais opaco da história recente do marketing digital: a resposta sintética de modelos de linguagem. AEO (Answer Engine Optimization) é a disciplina de fazer sua empresa aparecer quando o ChatGPT, Perplexity ou Claude responde uma pergunta relacionada ao seu negócio.
→ Contexto: A CEO da Hubspot apontou esse como o estágio mais urgente do Loop. Dos quatro, é o único que tem janela de vantagem competitiva curta. Quem entender AEO nos próximos 12-18 meses vai capturar share of citation que vai compor por anos.
Vale relembrar os números: 60% das buscas terminam sem clique, AI Overviews em 25% das queries, zero-click subiu de 56% pra 69% em doze meses. Esse tráfego que você está perdendo no SEO clássico está sendo redirecionado pra respostas sintéticas.
→ Aplicação: Consigo mapear quatro movimentos práticos:
Identificar as 10-20 perguntas que seu buyer pergunta pro ChatGPT. Não as queries que ele digita no Google, as perguntas em linguagem natural que ele faz pra LLM. "Best AI code editor" no Google vira "Qual o melhor editor de código com IA pra um time de 5 devs trabalhando com Python e React?" no LLM. A query é mais longa, mais específica, e a resposta esperada é diferente.
Produzir conteúdo estruturado pra ser citado. LLMs preferem conteúdo com estrutura clara, com dados específicos, com contexto suficiente, e que tenha sido citado por outras fontes de autoridade. Q&A explícito tabelas comparativas, posts longos com headers descritivos são bons exemplos, mas conteúdo de marketing genérico ("5 dicas pra X") não funciona mais.
Investir em citações cruzadas. LLMs constroem autoridade por consenso, então se você só aparece no seu próprio site, a autoridade é baixa. Se você aparece citado em Hacker News, em discussões do GitHub, no Reddit, em podcasts, sua autoridade no domínio sobe. É até mesmo um trabalho de PR, não de SEO.
Medir share of citation, não tráfego. Essa poderia ser uma nova métrica de sucesso, pois você até pode ver "100 visitas vindas de ChatGPT" no analytics, mas muitas citações (provavelmente a maioria) não geram cliques pro seu site. Então o que você precisa medir é: das perguntas relevantes pra sua categoria, qual percentual das respostas do ChatGPT/Perplexity/Claude inclui sua empresa? Pesquisei (mas nunca usei) ferramentas que fazem isso e encontrei Profound, AthenaHQ e Otterly tentando fazer isso.
→ Exemplo: Mentimeter é o caso mais bem documentado de AEO até agora. A plataforma trabalhou estratégia explícita de extração por IA. Reescreveu help documentation, use-case pages e comparison content focando em perguntas que compradores fazem ao ChatGPT, tipo "best tools for interactive presentations", "Mentimeter alternatives", e comparações de feature. O case mostra o resultado em números absolutos: 124.000 sessions vindas de ChatGPT e 3.400 conversões.
→ Anti-padrão: Continuar fazendo SEO clássico e torcer pra que AEO seja consequência natural. Os dois tem sobreposição, mas isso não deve acontecer porque o conceito de autoridade em SEO é diferente de AEO.
Etapa 4 - Evolve
→ Conceito: Ciclo curto de iteração baseado em medição contínua e ajuste em tempo real, ativado por IA pra produção rápida de variações.
→ Contexto: Iteração rápida sempre foi recomendada, mas gerar variação criativa (de copy, de criativo, de landing) custava tempo. Você fazia teste A/B com duas versões porque produzir cinco demorava, mas agora o custo marginal de produzir variação caiu pra perto de zero.
Toda a base do growth hacking se expande porque tá ficando fácil testar dez versões de algo semanalmente, criando centenas ciclos de aprendizagem todo mês.
→ Aplicação: As ações não são muito inovadoras, mas são muito mais velozes:
Instituir review semanal. Toda segunda-feira, time olha o que rodou na semana anterior, decide o que mata, o que dobra, o que itera. Agora tem dado e capacidade pra isso.
Toda campanha sai com no mínimo três variações testadas em paralelo. E diferentes de modo substantivo (não só mudar a cor do CTA)). IA produz as três variações em frações do tempo que custava produzir uma.
Definir critério de matar antes do critério de continuar. Você precisa saber, antes de lançar, qual número faz você desligar a campanha. Sem critério de morte, seu sei que campanha medíocre sobrevive por inércia, não existe mais razão pra isso.
Sem silo entre produção e execução. Quem produz campanha precisa ter visibilidade direta do resultado, o designer não pode mandar criativo pro time de mídia e nunca mais ver o número, a pessoa que cria precisa ver o que funciona pra calibrar a próxima criação.
→ Exemplo: A Brex tem um bom case de ciclo curto de iteração em marketing de conteúdo. Quando a empresa lançou o blog Spend Trends, fez um trabalho de topic cluster e produziu 137 artigos, gerando 34 mil visitas mensais e ranqueando pra 10.700 keywords.
→ Anti-padrão: Continuar planejando campanhas de seis meses, lançar com pompa, medir no fim do ciclo. Esse modelo era aceito quando produção custava caro e velocidade era luxo. Campanha longa com medição no fim é um desperdício de grana e aprendizados.
Gostando desse conteúdo e quer acesso à comunidade e materiais exclusivos?
Por onde começar e a importância dos quatro estágios
Os quatro estágios não são iguais em peso. Eu diria que a ordem real de prioridade em 2026 é:
Amplify (AEO). É o único estágio que tem janela competitiva e quem chegar primeiro captura share of citation com efeito composto. Quem chegar tarde vai disputar visibilidade num modelo de linguagem que já consolidou as referências.
Express. É o trabalho de fundo sem o qual nada funciona bem. Sem brand voice documentada, todos os outros estágios produzem output genérico.
Evolve. É mais cultural que técnico. A maior parte dos times sabe que deveria iterar mais rápido e o que falta é disciplina.
Tailor. É o mais caro de implementar de verdade, porque depende de infraestrutura de dado conectada que a maior parte das empresas B2B SaaS não tem ainda. Vale fazer, mas é projeto de 12 meses pra empresa em crescimento.
Quando aplicar o Loop, quando ignorar
A HubSpot vende como se fosse universal, mas eu não acho que seja.
Early-stage (até 50 funcionários, menos de 50 clientes). Aplique Express e Amplify. Os outros dois são overhead pra estágio que pede velocidade. Founder-led marketing ainda deve ser mais eficiente que qualquer personalização automatizada.
Growth-stage (50-500 funcionários, 50-1.000 clientes). Os quatro estágios começam a importar. Especialmente Tailor, a infraestrutura de dados precisa começar a ser construída de forma planejada (geralmente tá cagada). Esse é o público ideal pro Loop Marketing como playbook.
Enterprise (500+ funcionários, 1.000+ clientes). Deveriam estar fazendo tudo isso, mas provavelmente estão rodando playbook 2014 com camada de IA por cima (desculpa o preconceito). A dificuldade tá em adotar IA institucionalmente.
Quando ignorar completamente. Se sua empresa vive de outbound puro (cold calling, cold email, eventos físicos), com ciclo de venda longo e ICP muito específico, o Loop tem aplicação limitada, é um playbook de Inbound Marketing.
Atenção para o movimento comercial da Hubspot
Vale dizer com clareza: o Loop também é movimento comercial da HubSpot. Não é coincidência que cada um dos quatro estágios tenha um produto deles mapeado, ou que o lançamento tenha vindo junto com 200+ novidades de produto no INBOUND 2025.
Esse conteúdo é independente da stack que você usa pra executar, mas o empacotamento é a sugestão bem explícita de que aplicar o Loop Marketing requer adotar a plataforma completa da HubSpot (Smart CRM, Data Hub, Marketing Hub, Breeze Agents, AEO Strategy Tool, Marketing Studio).
Eu achei útil estudar como IA está mudando o inbound marketing e acredito que você pode aplicar o conceito usando qualquer combinação de ferramentas que faça sentido pro seu negócio.
Enfim, a gente não pode ignorar o conceito porque não quer adotar HubSpot, e nem adotar HubSpot porque acha que é a única forma de aplicar Loop.
Bullshit ou Relevante?
Eu acabei essa edição com mais respeito pelo Loop do que comecei.
O Loop Marketing não é teoria nova, me parece mais o manual de como aplicar inteligência artificial em marketing, com um desenho que o marqueteiro adora.
Separado do empacotamento comercial, o conteúdo dos quatro estágios é um resumo bem decente sobre como times de marketing podem operar nos próximos 24 meses.
Tira a propaganda, sobra um conteúdo mais útil do que a maior parte do que está sendo escrito sobre IA em marketing.
We do not chase clicks, we build trsut
