O seu painel diz que o vídeo teve 40 000 visualizações. Alguém pergunta se resultou e percebe que o número de visualizações não consegue responder a isso. Uma visualização é contada ao fim de alguns segundos de reprodução. Diz-lhe que alguém chegou. Não diz nada sobre se ficou, se percebeu alguma coisa ou se fez algo a seguir.
As métricas de engagement de vídeo são os números que medem o que os espectadores fizeram de facto: quanto tempo viram, que parte do vídeo terminaram, onde saíram e em que clicaram. O alcance conta chegadas. O engagement diz-lhe se as duas semanas que passou a produzir aquilo lhe compraram atenção. Este guia cobre as métricas que vale a pena acompanhar, como ler uma curva de retenção e a mudança de produção que as move a todas.
O que medem realmente as métricas de engagement de vídeo
A maioria dos painéis de vídeo é generosa. Colocam à frente o maior número disponível, que é quase sempre o que menos mede. Quem faz marketing e reporta a uma equipa financeira céptica, ou quem cria e decide o que fazer a seguir, precisa dos números que estão por baixo.
O alcance diz quem chegou, o engagement diz quem ficou
As impressões e as visualizações são métricas de distribuição. Dizem-lhe que a miniatura resultou, que o investimento em publicidade chegou ou que o algoritmo lhe abriu uma janela. Medem a sua promoção, não o seu vídeo.
As métricas de engagement começam no momento em que a reprodução arranca. O tempo de visualização, a percentagem média vista, a taxa de conclusão e a taxa de cliques descrevem o comportamento depois de o espectador se ter comprometido. Essa distinção importa porque as duas famílias andam muitas vezes em sentidos opostos. Uma miniatura sensacionalista pode duplicar as visualizações e reduzir a metade a percentagem média vista, o que ensina ao algoritmo que o seu vídeo desilude.
Regra prática: se uma métrica pode subir enquanto o vídeo piora, é uma métrica de alcance. Reporte-a, mas nunca a optimize.
As métricas que merecem um lugar no painel
Precisa de menos números do que sugerem a maioria dos modelos de relatório. Estes seis cobrem quase todas as perguntas reais, e cada um tem um ponto fraco que convém conhecer antes de o pôr num diapositivo.
| Métrica | O que lhe diz | Onde o engana |
|---|---|---|
| Visualizações | Quantas pessoas iniciaram a reprodução | É contada ao fim de segundos, por isso conta chegadas, não atenção |
| Tempo de visualização | Minutos totais vistos, o número que os algoritmos premeiam | Um vídeo longo pode ganhar em minutos totais e aborrecer quase toda a audiência |
| Percentagem média vista | Que parte do vídeo um espectador típico terminou | Desce naturalmente à medida que a duração cresce, logo não serve entre durações diferentes |
| Taxa de conclusão | A proporção de espectadores que chegou ao fim | Severa em vídeos longos e muito simpática em clipes de 15 segundos |
| Taxa de interacção | Gostos, comentários e partilhas por visualização | Fácil de inflacionar com iscos que nada têm a ver com a sua mensagem |
| Taxa de cliques | Se o vídeo levou alguém a agir | Depende tanto da força da oferta como do vídeo |
Escolha as duas que correspondem ao trabalho do vídeo. Uma demonstração de produto vive ou morre com a percentagem média vista e a taxa de cliques. Uma peça de marca preocupa-se com a conclusão. A repetição de um webinar preocupa-se com o tempo total, porque uma sessão longa com espectadores atentos é exactamente o objectivo.
Como calcular a taxa de engagement de vídeo sem se enganar
A taxa de engagement é a métrica mais citada e menos consistente do vídeo. Duas equipas podem reportá-la sobre o mesmo vídeo e ficar a 30 pontos de distância, porque estão a medir coisas diferentes e a chamar-lhes o mesmo nome.
Duas fórmulas com o mesmo nome
A primeira fórmula assenta na atenção: tempo total reproduzido dividido pelo total de reproduções multiplicado pela duração do vídeo. Responde a "que parte deste vídeo vê um espectador típico" e produz uma percentagem do vídeo consumido.
A segunda assenta na interacção: gostos mais comentários mais partilhas, divididos pelas visualizações. Responde a "quantas pessoas se interessaram o suficiente para fazer alguma coisa" e na maioria das plataformas dá uma percentagem de um só dígito.
Nenhuma está errada. Reportar uma e chamar-lhe a outra está. Escreva a fórmula no cabeçalho do relatório para que ninguém tenha de a deduzir seis meses depois.
Ideia prática: uma taxa de engagement de 45 % e outra de 4,5 % podem descrever o mesmo vídeo. O que é preciso acordar primeiro é a fórmula, não o número.
Compare por duração, não com toda a gente
O engagement baseado na atenção desce à medida que os vídeos ficam mais longos, o que torna inútil comparar entre durações. A análise da Wistia aos dados da própria plataforma concluiu que os vídeos com menos de um minuto têm em média uma taxa de engagement de 52 %, uma fasquia que um webinar de 40 minutos nunca vai atingir e à qual não deve ser sujeito.
Compare um vídeo com outros da mesma duração, do mesmo formato e da mesma audiência. Um tutorial de 20 minutos que segura 35 % dos espectadores está a conseguir algo que um teaser de 45 segundos com 60 % não consegue.
Ler a curva de retenção: onde os espectadores saem mesmo
Os números agregados dizem-lhe que um vídeo ficou aquém. A curva de retenção diz-lhe onde e deixa-o corrigir. É o ecrã mais útil de qualquer ferramenta de análise de vídeo, e a maioria das equipas passa-lhe os olhos em vez de o ler.
Os primeiros 30 segundos decidem o resto
Todas as curvas de retenção caem com mais força no arranque. O YouTube trata isso como uma medição própria, reportando que percentagem da sua audiência ainda estava a ver depois dos primeiros 30 segundos e recomendando que refaça essa abertura e experimente estilos diferentes quando o número desilude.
A causa habitual é um desencontro. O título e a miniatura prometiam uma coisa, os primeiros 20 segundos entregaram uma animação de logótipo e um cumprimento lento, e o espectador saiu antes de o vídeo começar a ser sobre alguma coisa. Corte a introdução, abra com a promessa e veja esse número mexer antes de tocar em mais nada.
Linhas planas, quebras e picos
O YouTube descreve quatro formas legíveis num gráfico de retenção: linhas planas onde os espectadores vêem uma secção por inteiro, descidas graduais onde o interesse se apaga, picos em momentos que são revistos ou partilhados, e quebras onde as pessoas avançaram ou deixaram de ver.
Cada forma é uma instrução. Uma quebra aos 4:12 é um segmento para cortar da próxima vez. Um pico aos 7:40 é o clipe para publicar nas redes. Uma descida gradual ao longo de todo o meio costuma significar que o vídeo é mais longo do que a sua ideia.
Regra prática: trate a curva de retenção como uma lista de montagem, não como uma nota de avaliação. Cada quebra é um apontamento para o próximo vídeo.
Porque é que as legendas são a correcção de engagement com mais alavanca
A maior parte dos conselhos sobre engagement pede-lhe que faça vídeos melhores, o que é verdade e pouco útil. As legendas são diferentes. São um passo de produção que pode acrescentar a vídeos já feitos, e mudam de imediato o comportamento de uma parte importante da sua audiência.
Ver sem som é agora o modo por omissão
Um estudo conduzido pela Verizon Media com a Publicis Media, que inquiriu 5 616 adultos norte-americanos em Abril de 2019, concluiu que metade dos inquiridos considerava as legendas importantes por verem habitualmente sem som, e que uma em cada três pessoas mantém as legendas activas em locais públicos.
Se publica num feed, uma parte relevante da sua audiência está a ver num telemóvel silenciado, num sítio onde ligar o som não é opção. Um vídeo sem legendas pede a essas pessoas que saiam, e a curva de retenção regista isso como um abandono que provavelmente vai atribuir à sua introdução. Por isso é que as legendas para vídeo em redes sociais deixaram de ser um extra de acessibilidade e passaram a ser um requisito de distribuição.
As legendas aumentam mesmo o engagement de vídeo?
Sim, e o efeito aparece na conclusão mais do que nos cliques. Na investigação da Verizon Media e da Publicis Media acima referida, 80 % dos inquiridos disseram ser mais provável verem um vídeo inteiro quando há legendas disponíveis. As legendas seguram o espectador sem som que sairia nos primeiros segundos, o que sobe ao mesmo tempo a percentagem média vista e a taxa de conclusão. O RealtimeVoiceKIT gera legendas SRT e VTT sincronizadas a partir do ficheiro original, para que possa acrescentar legendas a um vídeo que já publicou.
A qualidade da legenda é a parte que as equipas falham
As legendas automáticas de uma rede social não são o mesmo produto que uma faixa de legendas revista. Nomes errados, jargão destruído e legendas que vão um segundo atrás do orador são piores do que nada, porque retiram atenção ao vídeo sem devolver seja o que for.
Dois hábitos resolvem quase tudo. Reveja as linhas de baixa confiança em vez de reler tudo, já que uma pontuação de confiança por linha aponta directamente para os segmentos que o modelo achou difíceis. Depois confirme os nomes próprios, que é onde falham nomes de produto, nomes de convidados e siglas mesmo em transcrições limpas.
Por baixo disto há ainda um mínimo legal. O critério de sucesso das WCAG 2.2 para legendas em conteúdo pré-gravado é de nível A, o patamar de base, e exige legendas para todo o áudio pré-gravado em conteúdo sincronizado. Se o seu vídeo está num sítio com qualquer obrigação de acessibilidade, as legendas não são uma táctica de engagement, são o mínimo.
| Se o seu problema é | A causa provável | O que mudar primeiro |
|---|---|---|
| Queda forte nos primeiros 30 segundos | A abertura não corresponde à miniatura, ou não há texto no ecrã | Corte a introdução e acrescente legendas para o espectador sem som receber a promessa |
| Bom arranque, meio que se apaga | O vídeo é mais longo do que a sua ideia | Corte os segmentos de quebra que a curva de retenção marca |
| Muitas visualizações, pouca conclusão | O alcance vem de uma audiência para a qual o vídeo não foi feito | Corrija a segmentação antes de mexer na montagem |
| Forte só num mercado | A audiência que poderia ver é menor do que a que gostaria | Acrescente faixas de legendas traduzidas |
Transformar um vídeo em alcance global com legendas traduzidas
Quando as legendas já funcionam, a alavanca seguinte não é uma montagem melhor. É a audiência que já quer o seu vídeo mas não o consegue acompanhar. As legendas traduzidas são o alcance mais barato que alguma vez vai comprar, porque o vídeo já está feito.
A mesma sincronização, mais mercados
A razão pela qual as equipas saltam este passo é o fluxo de trabalho, não o valor. A rotina antiga exporta uma transcrição, envia o texto para um tradutor ou outra ferramenta, recebe texto corrido sem códigos de tempo e depois alguém reconstrói a sincronização à mão para cada idioma. Esse custo cresce com o número de idiomas, por isso a maioria das equipas fica-se por um.
Só funciona quando a transcrição e a tradução acontecem na mesma passagem e as linhas traduzidas herdam os limites de segmento originais. Um carregamento produz uma transcrição sincronizada, e essa transcrição desdobra-se em cada idioma com a sincronização já agarrada. O RealtimeVoiceKIT faz isto em mais de 100 idiomas numa única execução, o que transforma um projecto por idioma numa caixa para assinalar. O tradutor de legendas faz o mesmo trabalho sobre um ficheiro de legendas que já tenha.
O sector está a mover-se nesta direcção. O relatório State of Video 2026 da Wistia, construído sobre um inquérito a mais de 900 profissionais e dados de plataforma de mais de 13 milhões de vídeos, concluiu que 90 % das equipas estão a dar passos rumo à acessibilidade do vídeo, sendo as legendas o ponto de partida mais comum, e que as equipas que usam ferramentas de IA tinham 82 % mais probabilidade de ter legendas em vários idiomas.
Regra prática: decida os idiomas de destino antes de lançar o trabalho de transcrição. Escolher depois parte o trabalho em duas passagens e custa-lhe a sincronização.
Que IA está por trás do RealtimeVoiceKIT?
O RealtimeVoiceKIT assenta no OpenAI Whisper para reconhecimento de fala e nos principais modelos de fronteira da OpenAI (ChatGPT), da Anthropic (Claude) e da Google (Gemini) para o trabalho que acontece por cima da transcrição: tradução, resumos, pontos-chave e conversa sobre o que foi dito. É por isso que a faixa de legendas, os ficheiros de legendas traduzidas e o resumo que retira para a descrição saem de uma única passagem em vez de quatro ferramentas.
Usar as transcrições para ganhar o tráfego de pesquisa por trás das visualizações
O trabalho de engagement costuma parar no leitor. A transcrição que gerou para as legendas é também a única parte do seu vídeo que um motor de pesquisa consegue indexar de facto, e a maioria das equipas deita-a fora depois de exportar o SRT.
O texto é a parte que um motor de pesquisa consegue ler
Um rastreador não consegue ver o seu vídeo. Lê o título, a descrição, a página em redor e qualquer transcrição que publique. Pôr a transcrição completa na página transforma uma apresentação de 20 minutos em alguns milhares de palavras de texto relevante e bem focado, alinhado com as expressões exactas que os oradores usaram.
Esse texto alimenta ainda o resto do funil. A transcrição dá-lhe as citações para as redes, o resumo para o email, a lista de capítulos para a descrição e as marcas de tempo dos clipes para os picos de retenção que encontrou antes. O nosso guia sobre porque é que as transcrições de vídeo são uma vitória de SEO on-page subestimada trata a parte da publicação em detalhe.
Ideia prática: um trabalho de transcrição devia produzir quatro activos. Se só exporta legendas, pagou os outros três e deixou-os em cima da mesa.
O seu fluxo de trabalho repetível de engagement de vídeo
O engagement melhora quando as mesmas verificações correm em cada vídeo, não quando alguém se lembra de olhar para as estatísticas depois de um lançamento. Este é o ciclo, e demora cerca de quinze minutos por vídeo depois de virar hábito.
A lista de verificação que aguenta com prazos em cima
- Escolha duas métricas antes de publicar. Nomeie a métrica principal e a secundária deste vídeo em concreto e deixe-as por escrito.
- Transcreva a montagem final, não a versão de trabalho. Passe o ficheiro terminado uma vez pela transcrição, com identificação de oradores se falar mais do que uma pessoa.
- Reveja só as linhas fracas. Corrija os segmentos de baixa confiança e os nomes próprios, e exporte SRT ou VTT.
- Acrescente as faixas traduzidas na mesma passagem. Escolha os idiomas de destino durante o trabalho para que a sincronização seja herdada em vez de reconstruída.
- Publique a transcrição na página. Ponha o texto onde um rastreador lhe chegue, e reaproveite-o para a descrição, os capítulos e o texto das redes.
- Leia a curva de retenção aos 7 dias. Marque a queda dos primeiros 30 segundos, as quebras e os picos.
- Transforme os picos no vídeo seguinte. Corte os momentos revistos em clipes e deixe as quebras dizerem-lhe o que eliminar.
O passo que costuma partir é o quarto. As equipas transcrevem, exportam legendas, publicam o vídeo e duas semanas depois decidem que uma faixa em espanhol ajudaria. A essa altura a transcrição já saiu da ferramenta que tinha a sincronização, e alguém está a reconstruir tempos de legenda à mão. Decidir os idiomas à partida não custa nada e poupa-lhe essa ronda inteira. Se o que o trava para fazer isto em cada vídeo são os minutos, a transcrição ilimitada começa nos 19,90 dólares por mês, o que retira a razão para racionar o fluxo de trabalho.
Se quer a faixa de legendas, as legendas traduzidas e a transcrição a partir de um único carregamento, experimente o RealtimeVoiceKIT no último vídeo que publicou e veja o que faz a curva de retenção quando a audiência sem som o consegue acompanhar.
The RealtimeVoiceKIT team escreve sobre áudio, IA e os fluxos de trabalho que transformam gravações em alcance para a equipa da RealtimeVoiceKIT.
