Abstract

A televisão brasileira não enfrenta uma crise terminal de relevância. Enfrenta uma crise estrutural de mensuração, comparabilidade e prova econômica. Durante décadas, a indústria organizou a compra e venda de mídia televisiva em torno de painéis, pontos de audiência, GRPs e métricas agregadas adequadas a um mundo majoritariamente linear, doméstico, programado e relativamente concentrado. Esse mundo deixou de existir como realidade dominante. O consumo contemporâneo de vídeo se distribui entre TV aberta, TV paga, streaming, CTV, BVOD, AVOD, FAST channels, YouTube, redes sociais, apps proprietários, simulcasting, dispositivos móveis e múltiplas telas conectadas.

A consequência é uma assimetria de linguagem entre a TV e o digital. O digital opera com impressão, frequência, segmentos, eventos, conversões, atribuição, IDs, logs, otimização em tempo quase real e modelos probabilísticos. A TV, embora continue sendo poderosa em alcance, cultura, atenção e impacto de marca, ainda é frequentemente defendida por uma moeda que captura apenas parte de sua força total. O problema, portanto, não é a televisão ter perdido valor. É ter perdido capacidade de demonstrar, com granularidade e auditabilidade compatíveis com a nova economia da mídia, todo o valor que ainda entrega.

Este paper propõe o TV/BR OS: um Sistema Operacional Brasileiro de Mensuração, Ativação e Valorização de Vídeo. O modelo preserva o painel como camada de representatividade, calibração e validação, mas o integra a dados censitários e quase censitários de CTV, smart TVs, set-top boxes, logs de apps, players digitais, TV 3.0, ad servers, clean rooms e dados first-party de anunciantes e veículos. A inteligência artificial entra não como ornamento retórico, mas como mecanismo técnico para fusão de dados, deduplicação de audiência, correção de vieses, inferência probabilística, atribuição causal, modelagem de incrementalidade e otimização de investimento.

1. Tese central

A TV brasileira precisa ser traduzida para a língua operacional do século XXI.

Ela não precisa ser destruída.
Não precisa ser substituída pelo digital.
Não precisa renegar o painel.
Não precisa romper com CENP, Kantar, emissoras, agências ou anunciantes.

Precisa de uma nova camada.

Uma camada capaz de conectar quatro dimensões que hoje ainda operam de forma parcial, dispersa ou proprietária:

1. Mensuração — quem viu, onde, quando, em qual tela, com qual frequência, em qual contexto e com qual sobreposição.
2. Ativação — como impactar segmentos de audiência de forma endereçável, contextual e eficiente.
3. Atribuição — que efeitos a exposição gerou em busca, tráfego, consideração, vendas, app installs, recall, brand lift ou comportamento.
4. Governança — quem audita, quem certifica, quem garante privacidade, quem define padrões e quem impede que o futuro vire uma soma de jardins murados.

A Kantar IBOPE Media já declara usar peoplemeter DIB 6, Focal Meter e a solução Cross Platform View para medir TV linear e vídeo sob demanda em um painel que cobre 15 regiões metropolitanas; isso mostra que não é tecnicamente correto dizer que o sistema brasileiro "não evoluiu". A crítica mais precisa é outra: essa evolução ainda não se transformou numa moeda ampla, neutra, interoperável, deduplicada, auditável e ativável para todo o mercado de vídeo.

Da mesma forma, o CENP não deve ser tratado como obstáculo por definição. O próprio CENP afirma que sua certificação atesta a qualificação técnica das agências, incluindo estrutura profissional e uso competente de insumos de mídia; também declara que a adesão às Normas-Padrão busca orientar o mercado por compromissos técnicos e ético-comerciais.

Portanto, o argumento institucionalmente mais forte não é "menos CENP". É:

O Brasil precisa de um CENP 2.0 para a era da televisão mensurável, conectada, auditável e orientada por IA.

2. O problema real: não é audiência, é evidência

A televisão segue sendo uma infraestrutura cultural e comercial de enorme poder. Ela cria massa, simultaneidade, memória social, legitimidade simbólica, alcance nacional, sinal de marca e impacto emocional em escala. O problema é que parte crescente desse valor circula em ambientes que não cabem mais numa régua linear pura.

O consumo de vídeo se fragmentou. A mesma marca de mídia pode distribuir conteúdo ao vivo, sob demanda, em aplicativo, em CTV, em canal aberto, em TV paga, em streaming, em cortes sociais, em YouTube, em FAST channels e em experiências interativas. O mesmo consumidor pode ver uma campanha na TV aberta, reforçá-la no Globoplay, reencontrá-la no YouTube, receber retargeting em social, pesquisar a marca no Google, comprar no varejo físico e ser exposto novamente em retail media. A pergunta "qual foi o ponto de audiência?" tornou-se insuficiente para responder "qual foi o impacto de negócio?".

Isso muda completamente o eixo do debate. Em vez de afirmar que o sistema atual é uma mentira, o argumento técnico mais sofisticado é:

A moeda histórica da TV foi eficiente para organizar um mercado linear. Mas é insuficiente para capturar um ecossistema fragmentado, conectado, programático, endereçável, transacional e mensurável em múltiplas telas.

Essa formulação evita a armadilha política do confronto e reposiciona o debate no campo da modernização metodológica.

3. O mundo não abandonou painéis. Abandonou painéis sozinhos.

A transição internacional mais relevante não é a troca pura do painel por big data. Essa seria uma leitura superficial e tecnicamente perigosa. Dados digitais também têm vieses. Logs podem estar incompletos. Dispositivos não são pessoas. TVs ligadas não significam atenção humana. IDs podem duplicar indivíduos. Jardins murados restringem comparação. O dado censitário pode ser grande, mas não necessariamente representativo.

O movimento mais sólido no mundo é outro: painel + big data + auditoria + modelos probabilísticos + governança cross-media.

A Nielsen, nos Estados Unidos, obteve em 2025 acreditação do Media Rating Council para seu modelo Big Data + Panel, que combina painel representativo com dados de set-top boxes e smart TVs em dezenas de milhões de lares e dispositivos. A própria Nielsen descreve o modelo como uma combinação entre seu painel representativo e dados de cabo, satélite, set-top boxes e smart TVs em 45 milhões de domicílios e 75 milhões de dispositivos.

O BARB, no Reino Unido, combina seu painel de 5.300 lares com dados censitários de dispositivos quando usuários assistem serviços BVOD em tablets, PCs ou smartphones; essas duas fontes são combinadas por um processo chamado Dovetail Fusion.

A WFA, por meio da iniciativa Halo, propõe um framework cross-media voluntário, adaptável, open-source, privacy-centric e pró-competição, disponível para empresas de mensuração e Joint Industry Committees adotarem ou adaptarem.

O Origin, no Reino Unido, se apresenta como um serviço liderado por anunciantes para medir alcance e frequência deduplicados em campanhas multicanal, mostrando quantas pessoas foram alcançadas por cada touchpoint e onde os touchpoints trabalham juntos para construir frequência.

E o MRC, em seus padrões de mensuração cross-media, enfatiza a necessidade de projeções válidas, amostras representativas e controle robusto de tecnologia, algoritmos, identificadores e soluções de medição.

O padrão global emergente não é "matar o painel". É reposicioná-lo como calibrador de um sistema híbrido maior.

4. Definição: o que é TV/BR OS

TV/BR OS é uma proposta de infraestrutura técnica, institucional e comercial para transformar a mensuração de vídeo no Brasil em um sistema operacional de mercado.

A expressão "OS" é deliberada. Não se trata apenas de uma nova métrica, nem apenas de um software, nem apenas de um estudo. Um sistema operacional define protocolos, permissões, interfaces, padrões de troca, camadas de interoperabilidade e regras de funcionamento para múltiplos agentes.

No caso do mercado brasileiro de vídeo, o TV/BR OS seria composto por oito camadas:

1. Camada institucional — CENP, ABA, ABAP, ABERT, Grupo de Mídia, emissoras, plataformas, institutos, agências, anunciantes, empresas de tecnologia e especialistas independentes.
2. Camada de dados — painel, CTV, ACR, RPD, logs de apps, TV 3.0, ad servers, streaming, FAST, BVOD, AVOD, dados first-party e dados de campanha.
3. Camada de identidade e privacidade — pseudonimização, consentimento, device graphs, clean rooms, differential privacy, federated learning e governança LGPD.
4. Camada de fusão — integração probabilística entre painel e dados censitários, com correção de vieses.
5. Camada de deduplicação — cálculo de alcance único entre TV aberta, TV paga, CTV, streaming e vídeo digital.
6. Camada de atribuição — modelos estatísticos, experimentais e causais para estimar impacto em KPIs físicos e digitais.
7. Camada de ativação — uso operacional dos insights para compra, otimização e entrega segmentada.
8. Camada de certificação — auditoria, publicação metodológica, critérios mínimos, validação independente e selo de conformidade.

O objetivo não é criar uma "moeda única" autoritária que substitua todas as demais. O objetivo é criar uma gramática comum, auditável e evolutiva, capaz de permitir múltiplas moedas comparáveis dentro de princípios compartilhados.

5. Princípio fundador: o painel não morre

O painel continua essencial por quatro razões.

Primeiro, porque dados censitários de dispositivos não identificam automaticamente pessoas. Uma smart TV pode estar ligada sem ninguém assistindo. Uma residência pode ter múltiplos moradores. Um único indivíduo pode consumir vídeo em vários dispositivos. Um login pode ser compartilhado. Uma tela pode estar ligada em ambiente coletivo. Sem painel, a passagem de device para pessoa é puramente inferencial.

Segundo, porque o painel preserva representatividade. Bases digitais tendem a super-representar populações mais conectadas, lares com smart TVs, usuários logados, ambientes urbanos e públicos mais digitalizados. Em um país desigual como o Brasil, isso é crítico.

Terceiro, porque o painel permite calibrar vieses. Ele funciona como "ground truth" demográfico e comportamental para corrigir distorções das bases maiores.

Quarto, porque o painel preserva continuidade histórica. A indústria precisa de comparabilidade com séries anteriores. Uma transição abrupta destruiria benchmarks, contratos, negociações e linguagem de mercado.

A própria Kantar argumenta, em relatório sobre medição baseada em pessoas, que painéis representativos fornecem visão holística do mercado e que sua granularidade vem sendo aprimorada pela integração de conjuntos adicionais de dados, incluindo dados de streaming e CTV.

No TV/BR OS, o painel deixa de ser a verdade inteira. Mas continua sendo a âncora de representatividade.

6. A arquitetura técnica do TV/BR OS

6.1. Camada 1 — Painel representativo

A camada de painel continua responsável por:

• composição sociodemográfica;
• pessoas por domicílio;
• hábitos de consumo;
• co-viewing;
• projeção populacional;
• calibração regional;
• validação de comportamento;
• referência histórica.

No modelo proposto, o painel deixa de ser exclusivamente um instrumento de medição final e passa a ser também um instrumento de treinamento, validação e correção algorítmica.

6.2. Camada 2 — Big data de vídeo

Essa camada inclui dados de:

• smart TVs;
• set-top boxes;
• operadoras;
• apps de streaming;
• players de vídeo;
• plataformas BVOD e AVOD;
• FAST channels;
• logs de CTV;
• ad servers;
• playout logs;
• EPGs;
• dados de simulcasting;
• sinais de TV 3.0;
• dados de exposição publicitária.

O objetivo não é coletar tudo indiscriminadamente. É criar padrões mínimos para eventos de vídeo:

• timestamp;
• device type;
• household ou device pseudônimo;
• conteúdo;
• plataforma;
• região;
• duração;
• status de reprodução;
• ad exposure;
• creative ID;
• campanha;
• posição no break;
• frequência;
• contexto;
• consent status.

6.3. Camada 3 — Clean room neutro

O clean room é o espaço onde dados de diferentes agentes podem ser cruzados sem que cada parte revele sua base bruta às demais. Ele é indispensável porque nenhum player relevante aceitará entregar seus dados crus a concorrentes, agências ou fornecedores.

Um clean room setorial pode permitir:

• matching entre exposições e conversões;
• cálculo de alcance deduplicado;
• aferição de frequência;
• comparação de sobreposição entre canais;
• experimentos com dados first-party de anunciantes;
• validação por terceiros;
• auditoria sem vazamento competitivo.

Na lógica LGPD, esse ambiente deve ser desenhado com minimização, finalidade, segurança, prestação de contas, anonimização ou pseudonimização, e consentimento específico quando aplicável. A LGPD define anonimização como o uso de meios técnicos razoáveis para que um dado perca a possibilidade de associação direta ou indireta a um indivíduo, e também estabelece princípios como finalidade, adequação, necessidade, transparência, segurança, prevenção e responsabilização.

6.4. Camada 4 — IA de fusão e calibração

A IA entra para resolver quatro problemas técnicos:

1. Fusão de bases heterogêneas — Combinar painel, logs, CTV, ACR, RPD, ad servers e dados first-party.
2. Correção de viés — Ajustar distorções de cobertura por classe, região, idade, dispositivo, conectividade e plataforma.
3. Deduplicação — Estimar alcance único entre múltiplas telas e ambientes.
4. Inferência pessoa-nível — Converter sinais de domicílio ou device em estimativas probabilísticas de exposição humana.

Essa camada deve ser explicitamente auditável. Não basta dizer "IA". É preciso documentar:

• quais modelos foram usados;
• quais variáveis entram;
• quais vieses foram identificados;
• quais métricas de erro foram calculadas;
• como foram feitas validação, holdout e recalibração;
• quais limites metodológicos permanecem.

6.5. Camada 5 — Métricas comerciais

O TV/BR OS propõe migrar de uma moeda isolada baseada em ponto/GRP para uma cesta de métricas complementares:

• alcance total;
• alcance deduplicado;
• alcance incremental;
• frequência efetiva;
• frequência marginal;
• custo por alcance efetivo;
• custo por atenção qualificada;
• sobreposição entre telas;
• contribuição de cada touchpoint;
• lift de busca;
• lift de tráfego;
• lift de vendas;
• brand lift;
• incremento de app usage;
• saturação de frequência;
• eficiência marginal por canal.

7. Modelo estatístico: painel calibrado por big data

O conceito técnico central é Panel-Calibrated Big Data.

A lógica pode ser descrita assim:

• O painel fornece uma estimativa representativa, mas limitada em escala.
• O big data fornece escala, granularidade e velocidade, mas é enviesado.
• A IA e a estatística unem os dois: usam o painel para calibrar o big data e o big data para granularizar o painel.

Formalmente, podemos representar a audiência verdadeira como uma variável latente:

A* = audiência real não observada diretamente.

O painel observa uma versão representativa, porém amostral:

P = f(A*) + εp

O big data observa uma versão massiva, porém enviesada:

B = g(A*) + εb + bias

O TV/BR OS busca estimar:

 = h(P, B, C, D, T, R)

Onde:

• Â = audiência calibrada estimada;
• P = painel;
• B = big data de vídeo;
• C = características contextuais;
• D = demografia inferida ou observada;
• T = tempo, programação e sazonalidade;
• R = região, device e conectividade.

A função h pode ser implementada por modelos hierárquicos bayesianos, gradient boosting, redes neurais calibradas, matrix factorization ou ensembles, desde que respeite três condições: explicabilidade mínima, validação empírica e auditoria independente.

8. Data fusion: três níveis de integração

O TV/BR OS deve trabalhar com três formas de fusão.

8.1. Early fusion

Consiste em unir variáveis brutas de diferentes fontes antes da modelagem. É útil quando há boa compatibilidade entre registros, padrões de dados e granularidade temporal.

O risco é criar um modelo opaco demais se os dados forem muito heterogêneos.

8.2. Intermediate fusion

É o modelo mais recomendado para o Brasil. Ele cria representações intermediárias por fonte e depois as alinha estatisticamente.

Esse modelo reduz a dependência de match determinístico e é mais adequado a um mercado com dados fragmentados.

8.3. Late fusion

Consiste em produzir modelos separados por fonte e combinar seus outputs por ensemble.

É útil para governança, porque permite comparar contribuições e divergências entre fontes.

9. Deduplicação: a métrica mais crítica

A métrica que mais interessa ao anunciante não é quantas exposições brutas ocorreram. É quantas pessoas únicas foram alcançadas, com que frequência e com que incrementalidade.

Sem deduplicação, o mercado opera com "gross reach" inflado. A mesma pessoa pode ser contada na TV aberta, na CTV, no YouTube, no app, no streaming e em social. A soma das audiências não é o alcance real. É a soma das oportunidades de duplicação.

O Origin britânico nasce exatamente dessa dor: medir alcance e frequência deduplicados em campanhas multicanal, mostrando a contribuição de cada touchpoint e onde os touchpoints se combinam para aumentar frequência.

O TV/BR OS deve tratar a deduplicação como métrica fundacional, não como relatório adicional.

Métricas propostas

10. O papel da TV 3.0

A TV 3.0 é uma oportunidade histórica para o Brasil porque aproxima a televisão aberta gratuita da lógica de apps, interatividade, integração com internet e experiências personalizadas. O Ministério das Comunicações informa que o decreto de 2025 regulamentou a TV 3.0, com interatividade, qualidade superior de som e imagem, maior integração com a internet, implantação gradual e manutenção da TV aberta gratuita.

Tecnicamente, isso importa porque a TV 3.0 pode criar uma nova camada de sinais:

• apps de emissoras;
• interatividade;
• catálogo DTV+;
• dados consentidos;
• experiências shoppable;
• múltiplos áudios;
• conteúdos adicionais;
• integração com internet;
• eventos de navegação;
• logs de interação;
• possibilidades de publicidade endereçável.

Mas a TV 3.0 não resolverá sozinha a mensuração. Ela pode até fragmentar ainda mais o ecossistema se cada emissora, fabricante, app ou plataforma operar com protocolos próprios.

Por isso, a TV 3.0 deve nascer já acoplada a um protocolo TV/BR OS:

• consentimento padronizado;
• evento de exposição padronizado;
• identificadores pseudonimizados;
• logs auditáveis;
• interoperabilidade com painéis;
• integração com clean rooms;
• regras de acesso para anunciantes e agências;
• auditoria por entidade reconhecida.

A TV 3.0 pode ser a infraestrutura técnica. O TV/BR OS deve ser a infraestrutura de mercado.

11. O caso Globo: prova de que o Brasil já tem ilhas de futuro

A Globo já demonstra que a TV brasileira tem tecnologia para avançar. O Globo DAI permite segmentação de anúncios durante a programação da TV ao vivo no Globoplay, usando Dynamic Ad Insertion para entregar mensagens segmentadas por target do anunciante no espaço do break comercial; a própria Globo informa que a segmentação é baseada em first-party data e GloboIDs.

A Globo também oferece um Modelo de Atribuição de Longo Prazo baseado em análise estatística avançada para mensurar efeitos reais de campanhas na TV sobre KPIs físicos e digitais, incluindo incremento de vendas em ponto de venda e análise de conversão digital.

Além disso, a Atribuição de Micromomento da Globo mede como inserções de TV influenciam resultados em site minutos após a veiculação, utilizando modelos estatísticos para mensurar impacto em objetivos de negócio e gerar insights de performance.

A Globo já mede não apenas quem viu. Ela mede, ainda que dentro de seu ecossistema proprietário, quanto a TV mexeu em comportamento e negócio. O problema é que isso ainda é uma solução de player, não um padrão de mercado.

Portanto, a Globo não deve ser tratada como exceção isolada. Deve ser tratada como laboratório do futuro brasileiro.

O TV/BR OS permitiria transformar modelos proprietários em benchmarks comparáveis, auditáveis e extensíveis, sem obrigar a Globo ou qualquer outra emissora a abrir dados estratégicos brutos. O clean room e a certificação metodológica permitiriam o equilíbrio entre proteção competitiva e confiança de mercado.

12. O papel do CENP como JIC brasileiro

O CENP já possui centralidade institucional. Sua certificação de agências envolve qualificação técnica, estrutura profissional e uso de estudos de mídia; o CENP-Meios utiliza dados de origem comprovada para apresentar investimento em mídia nacional contratado e veiculado por agências participantes, agregando valores por período, meio ou região sem identificar transações individuais.

Isso coloca o CENP numa posição singular. Ele pode deixar de ser percebido como guardião de um arranjo histórico e passar a ser o articulador de uma nova governança.

O modelo proposto é criar uma câmara técnica permanente:

CENP Video Measurement & Accountability Council

Participantes:

• CENP; ABA; ABAP; ABERT; Grupo de Mídia;
• emissoras abertas; TV paga; plataformas CTV; streamings;
• Kantar e outros institutos;
• empresas de ad tech; anunciantes; agências;
• especialistas em IA; especialistas em LGPD;
• universidades; auditores independentes.

Funções:

• definir taxonomia comum;
• estabelecer padrões mínimos de logs;
• certificar metodologias;
• aprovar pilotos;
• publicar white papers técnicos;
• definir critérios de auditoria;
• homologar vendors;
• criar selo de conformidade;
• evitar monopólios metodológicos;
• garantir interoperabilidade;
• proteger privacidade e concorrência.

Selo proposto: CENP Certified Cross-Video Measurement

Ou, em português: Estudo Credenciado de Mensuração Cross-Video / Cross-Media

Esta metodologia cumpre critérios mínimos de transparência, auditabilidade, representatividade, privacidade, deduplicação e comparabilidade.

13. LGPD: privacidade como arquitetura, não como anexo jurídico

Um sistema de mensuração moderno só será defensável se nascer privacy-by-design.

A LGPD dispõe sobre o tratamento de dados pessoais, inclusive em meios digitais, com objetivo de proteger direitos fundamentais de liberdade, privacidade e livre desenvolvimento da personalidade; também estabelece que o tratamento deve observar princípios como finalidade, adequação, necessidade, transparência, segurança, prevenção, não discriminação e responsabilização.

O TV/BR OS deve, portanto, adotar cinco princípios:

13.1. Minimização

Coletar apenas o necessário para mensuração, atribuição e auditoria.

13.2. Finalidade determinada

O dado coletado para mensuração não pode ser reaproveitado livremente para outras finalidades sem base legal adequada.

13.3. Consentimento e transparência

Quando a base legal for consentimento, ele deve ser livre, informado, inequívoco e relacionado a finalidade determinada; autorizações genéricas são nulas, e o consentimento pode ser revogado.

13.4. Anonimização e pseudonimização

Dados anonimizados não são considerados dados pessoais para fins da LGPD, salvo quando o processo puder ser revertido por meios próprios ou esforços razoáveis.

13.5. Accountability

O sistema deve demonstrar que cumpre as normas. Isso exige documentação, logs, auditoria, DPIA quando necessário, governança e trilhas de decisão.

Tecnologias recomendadas:

• clean rooms;
• hashing salgado;
• tokenização;
• differential privacy;
• federated learning;
• secure multiparty computation;
• k-anonymity;
• role-based access;
• audit logs;
• data retention control;
• consent receipts;
• model cards;
• data lineage.

14. A nova moeda: de GRP para Evidence-Based Video Value

A nova moeda brasileira de vídeo não deve ser apenas uma métrica. Deve ser uma composição de evidências.

Proposta:

EBVV — Evidence-Based Video Value

Ou, em português:

VBE — Valor de Vídeo Baseado em Evidência

A fórmula conceitual:

VBE = Alcance Deduplicado × Qualidade de Atenção × Contexto × Frequência Efetiva × Incrementalidade × Resultado

14.1. Alcance deduplicado

Quantas pessoas únicas foram alcançadas pela campanha no conjunto de telas.

14.2. Qualidade de atenção

Tempo, completude, contexto, tela, som, visibilidade e situação de consumo.

14.3. Contexto

Programa, gênero, momento cultural, compatibilidade editorial, brand safety e afinidade.

14.4. Frequência efetiva

Exposição suficiente para gerar efeito, mas sem saturação.

14.5. Incrementalidade

Quanto cada canal adiciona de alcance ou resultado que outro canal não entregaria.

14.6. Resultado

Busca, tráfego, recall, consideração, vendas, app usage, leads, receita, market share ou outro KPI relevante.

A TV, nesse modelo, deixa de ser medida apenas como inventário. Passa a ser medida como uma máquina de geração de valor em múltiplas dimensões.

15. Da mensuração à ativação

Mensurar melhor só faz sentido se permitir comprar, vender e otimizar melhor.

O TV/BR OS deve permitir cinco novas formas de ativação:

15.1. Planejamento cross-video

Um plano deixa de separar artificialmente TV aberta, CTV, streaming e vídeo digital. Ele passa a otimizar cobertura, frequência, incrementalidade e custo efetivo em todo o universo de vídeo.

15.2. Frequency capping cross-screen

O anunciante controla melhor quantas vezes uma pessoa ou domicílio foi exposto no conjunto de telas.

15.3. Otimização em voo

A campanha ajusta investimento entre praças, horários, canais, plataformas, criativos e segmentos conforme sinais de desempenho.

15.4. Criatividade adaptativa

Diferentes criativos podem ser testados conforme contexto, audiência e momento da jornada.

15.5. TV shoppable e commerce-linked

A TV passa a se conectar a QR codes, apps, retail media, carteiras digitais, marketplaces, search lift e modelos de conversão assistida.

A TV não precisa tentar virar clique. Ela precisa provar melhor sua contribuição para o caminho até a compra.

16. Roadmap de implementação

Fase 0 — Manifesto técnico e coalizão inicial (0 a 60 dias)

Objetivo: alinhar a indústria em torno da tese.

• publicação do paper;
• reunião com CENP, ABA, ABAP, ABERT e Grupo de Mídia;
• mapeamento de players interessados;
• criação de working group;
• definição de princípios não negociáveis.

Fase 1 — Dicionário comum de dados (60 a 120 dias)

Objetivo: criar taxonomia mínima.

• glossário oficial;
• definição de evento de vídeo;
• definição de impressão de vídeo;
• padrão mínimo de logs;
• padrão de campaign ID;
• padrão de creative ID;
• classificação de device;
• classificação de tela;
• critérios de exposição;
• matriz LGPD.

Sem dicionário comum, não há IA que resolva o problema.

Fase 2 — Piloto controlado (4 a 9 meses)

Objetivo: testar a arquitetura em campanhas reais.

Participantes: 3 a 5 grandes anunciantes; 2 a 3 emissoras ou grupos de vídeo; Kantar ou outro instituto; 1 clean room; 1 auditor independente; agências líderes; CENP como observador/certificador em desenho piloto.

Fase 3 — Auditoria e publicação metodológica (9 a 12 meses)

Objetivo: transformar piloto em padrão.

• relatório metodológico;
• validação estatística;
• recomendações de governança;
• proposta de selo CENP;
• versão 1.0 do TV/BR OS.

Fase 4 — Escala nacional (12 a 24 meses)

Objetivo: expandir para mais praças, players e formatos.

• inclusão de TV 3.0;
• inclusão de FAST e AVOD;
• integração com retail media;
• modelos de atribuição por categoria;
• dashboards setoriais;
• certificação de vendors.

Fase 5 — Mercado operacional (24 meses+)

Objetivo: transformar a nova métrica em rotina comercial.

• compra baseada em alcance deduplicado;
• garantia de frequência efetiva;
• modelos de performance;
• relatórios padronizados;
• auditoria recorrente;
• APIs para agências e anunciantes;
• benchmark anual da indústria.

17. Riscos e mitigações

18. O Brasil não está atrasado por falta de tecnologia

Essa é uma das teses mais importantes.

O Brasil já possui:

• TV aberta forte;
• grandes broadcasters;
• streaming nacional relevante;
• inventário CTV;
• TV 3.0 regulamentada;
• plataformas proprietárias com login;
• dados first-party;
• ad tech;
• retail media;
• institutos de pesquisa;
• CENP;
• agências sofisticadas;
• anunciantes maduros;
• infraestrutura de mensuração inicial.

O que falta é alinhar essas peças em uma arquitetura comum.

19. Implicações para cada stakeholder

19.1. Para anunciantes

O TV/BR OS permite:

• comparar TV com outros canais sem reduzir TV a clique;
• medir alcance real;
• reduzir desperdício de frequência;
• melhorar alocação de verba;
• conectar TV a resultados de negócio;
• defender investimento perante CFO e board;
• desenhar experimentos de incrementalidade;
• integrar brand e performance.

19.2. Para agências

O sistema reposiciona a agência como consultoria de arquitetura de mídia, não apenas como compradora de inventário.

A agência passa a operar:

• modelagem de mix;
• desenho experimental;
• orquestração cross-screen;
• análise de dados;
• otimização em voo;
• avaliação de causalidade;
• negociação baseada em evidência.

19.3. Para emissoras

A emissora deixa de vender apenas espaço e passa a vender:

• alcance auditado;
• atenção qualificada;
• contexto premium;
• segmentos endereçáveis;
• frequência eficiente;
• impacto em negócio;
• inventário shoppable;
• performance assistida;
• brand safety.

19.4. Para o CENP

O CENP ganha uma agenda histórica:

• liderar a nova autorregulação de dados de mídia;
• certificar modelos híbridos;
• criar padrões de interoperabilidade;
• proteger o equilíbrio entre players;
• impedir captura por jardins murados;
• reposicionar-se como fórum do futuro da publicidade.

19.5. Para a Kantar

A Kantar pode deixar de ser percebida como guardiã de uma métrica antiga e se posicionar como parceira da evolução híbrida. Seu ativo não é apenas o painel. É a capacidade metodológica de calibrar, validar e integrar fontes.

19.6. Para plataformas digitais e CTV

As plataformas ganham um ambiente mais legítimo para demonstrar incrementalidade, mas também aceitam comparabilidade, auditoria e deduplicação.

19.7. Para o mercado brasileiro

O mercado inteiro ganha uma linguagem comum.

20. A diferença entre "moeda oficial" e "sistema operacional"

Uma moeda oficial tende a sugerir centralização.
Um sistema operacional sugere interoperabilidade.

O TV/BR OS não precisa decretar uma métrica única obrigatória. Ele pode definir padrões para que diferentes métricas sejam comparáveis.

Isso é crucial porque o futuro será plural:

• Kantar pode ter sua metodologia;
• Globo pode ter seus modelos;
• plataformas CTV podem ter seus logs;
• anunciantes podem ter seus dados first-party;
• varejistas podem ter dados de venda;
• agências podem ter modelos próprios;
• clean rooms podem oferecer ambientes distintos;
• novos vendors podem surgir.

A pergunta não é qual métrica vence.

A pergunta é:

Quais condições mínimas uma métrica precisa cumprir para ser aceita como evidência de mercado?

O TV/BR OS responde:

• fonte declarada;
• metodologia documentada;
• cobertura conhecida;
• vieses identificados;
• deduplicação explicada;
• privacidade comprovada;
• validação independente;
• auditoria possível;
• limites reconhecidos;
• atualização recorrente.

21. Proposta de manifesto executivo

A televisão brasileira não precisa ser defendida por nostalgia.
Precisa ser defendida por evidência.

Durante décadas, a indústria se organizou em torno de uma moeda que deu ordem, previsibilidade e linguagem comum ao mercado. Essa moeda teve valor histórico. Mas a mesma régua que organizou o mundo linear já não captura plenamente um ecossistema de vídeo fragmentado, conectado, programático e mensurável em múltiplas telas.

A TV continua entregando massa, atenção, legitimidade cultural e construção de marca como poucos meios conseguem. Mas só será plenamente valorizada quando puder ser medida, ativada e atribuída com a mesma sofisticação operacional que o digital promete — sem abrir mão da força que só a televisão possui.

O caminho não é destruir painel, CENP, Kantar ou emissoras.
O caminho é construir uma nova camada sobre o que já existe.

Painel para representatividade.
Big data para granularidade.
CTV para ativação.
TV 3.0 para interatividade.
Clean rooms para privacidade.
IA para fusão, deduplicação e inferência.
Auditoria para confiança.
CENP para governança.

O Brasil não está atrasado por falta de tecnologia.
Está atrasado por falta de alinhamento.

TV/BR OS é uma proposta para esse alinhamento.
Uma arquitetura brasileira para transformar audiência estimada em audiência auditável.
Para transformar inventário em evidência.
Para transformar a televisão de novo em uma das mídias mais mensuráveis, valorizadas e estratégicas do país.

22. Conclusão

A televisão brasileira não deve aceitar o destino de ser medida com menos sofisticação do que sua própria complexidade exige.

Ela não é apenas um meio linear. É um ecossistema de vídeo, cultura, dados, identidade, performance, comércio e atenção. Mas, para capturar esse valor, a indústria precisa abandonar a falsa escolha entre tradição e inovação.

O painel deve continuar.
Mas não sozinho.

O CENP deve continuar.
Mas não como símbolo de imobilidade.

A Kantar deve continuar.
Mas como parte de uma infraestrutura híbrida.

A Globo, as demais emissoras, os streamings, as plataformas e os anunciantes devem inovar.
Mas não apenas em ilhas proprietárias.

A IA deve entrar.
Mas com método, auditoria, privacidade e responsabilidade.

A TV 3.0 deve avançar.
Mas já integrada a padrões de dados e mensuração.

O Brasil tem uma oportunidade rara: saltar de uma discussão defensiva sobre audiência para uma agenda ofensiva de valorização do vídeo.

A próxima moeda da televisão brasileira não deve substituir sua força.
Deve provar essa força melhor do que nunca.

TV/BR OS não é uma proposta contra a TV.
É uma proposta para que a TV brasileira volte a ser medida na escala do valor que realmente entrega.

Apêndice A – Fundamentação Matemática e Modelos Estatísticos

Este apêndice detalha os principais modelos matemáticos e estatísticos que sustentam a arquitetura de medição híbrida proposta. O foco é fornecer transparência máxima, permitindo auditoria, replicação e certificação (MRC-like ou CENP).

A.1 Modelo Hierárquico Bayesiano de Calibração (Panel como Prior)

O coração da fusão é um Hierarchical Bayesian Model onde o painel Kantar fornece o prior de representatividade e o Big Data (CTV, RPD, ACR, TV 3.0) fornece a likelihood.

Definição formal:

Seja:

• θ_d: parâmetro verdadeiro de audiência (ex.: reach ou tempo de viewing) para demografia d.
• P(θ): distribuição prior estimada a partir do painel Kantar (ground truth).
• y_BD: observações brutas do Big Data.
• L(y_BD | θ): likelihood.

A posterior calibrada é dada por:

P(θ | y_BD) ∝ L(y_BD | θ) × P(θ)

Modelo Hierárquico Completo (para múltiplas demografias e regiões):

θ_{d,r} ~ Normal(μ_d, σ_d²) — (prior do painel por demografia d e região r)
y_{BD,d,r} ~ Normal(θ_{d,r} · b_{d,r}, τ²) — (likelihood com bias b_{d,r} aprendido)
b_{d,r} ~ Normal(0, 1) — (bias correction factor)

O fator de calibração b_{d,r} é aprendido via MCMC (Markov Chain Monte Carlo) ou Variational Inference, permitindo correção sistemática de viés (ex.: smart TVs over-representam classes A/B).

Vantagens:

• Incorpora incerteza naturalmente (intervalos de credibilidade ao invés de ponto estimado).
• Escalável com dados da TV 3.0.
• Edge case: regiões com baixa penetração de CTV → o prior do painel domina automaticamente.

A.2 Técnicas de Fusão Multimodal

A.2.1 Late Fusion (Decision-level)

θ̂_final = w_P · θ̂_P + w_BD · θ̂_BD

onde pesos w são otimizados via:

w = arg min ( KL(P(θ_P) || P(θ_final)) )

(Kullback-Leibler divergence para alinhamento de distribuições).

A.2.2 Early Fusion com Embeddings

Transformers ou Graph Neural Networks (GNNs) para embeddings conjuntos:

e_i = f_Encoder(x_{painel,i}, x_{BD,i})

onde x inclui features de viewing behavior, device fingerprint, horário, etc.

A.3 Deduplicação Cross-Device (Probabilistic Record Linkage + GNN)

Probabilidade de dois registros i e j pertencerem ao mesmo indivíduo:

P(match_ij) = σ( w^T φ(x_i, x_j) )

onde φ são features comparativas (Fellegi-Sunter model modernizado com embeddings de GNN).

GNN para Device Graph:

h_i^(l+1) = AGG( h_i^(l), Σ_{j ∈ N(i)} α_ij · h_j^(l) )

com atenção α_ij baseada em similaridade comportamental de viewing.

A.4 Imputação de Dados Faltantes

Variational Autoencoder (VAE) treinado no painel:

L_VAE = E_q(z|x)[log p(x|z)] - D_KL(q(z|x) || p(z))

Usado para imputar viewing em devices sem ACR ou em horários sem cobertura do painel.

A.5 Atribuição Causal e Incrementality

Double Machine Learning (DML) para medir efeito causal de exposição:

τ̂ = arg min( 1/N Σ (Y_i - m̂(X_i) - τ̂ · D_i)² )

onde:

• Y: outcome (ex.: venda via shoppable CTV)
• D: tratamento (exposição ao anúncio)
• X: confounders (demografia, histórico)

Shapley Values para Multi-Touch Attribution:

φ_i(v) = Σ_{S ⊆ N\{i}} [ |S|!(|N|-|S|-1)! / |N|! ] · [v(S ∪ {i}) - v(S)]

A.6 Métricas de Validação Estatística

Kolmogorov-Smirnov Test (representatividade):

D_{n,m} = sup_x |F_n(x) - F_m(x)|

Comparar distribuição do fused data vs. painel (meta: p-value > 0.05).

Bias Reduction:

Bias Reduction = 1 - (Bias_fused / Bias_BD_puro)

Coverage Error:

Coverage = Reach_fused / Reach_ground_truth

Lift de Incrementality:

Lift = (Outcome_exposed - Outcome_control) / Outcome_control

A.7 Pseudocódigo Completo (Pyro – Execução Conceitual)

import pyro
import pyro.distributions as dist
import torch
from pyro.infer import MCMC, NUTS

def hybrid_audience_model(panel_data, bigdata_obs, demographics):
    with pyro.plate("demographics", len(demographics)):
        # Prior do painel
        mu = pyro.sample("mu", dist.Normal(0., 1.))
        sigma = pyro.sample("sigma", dist.HalfCauchy(1.))
        theta = pyro.sample("theta", dist.Normal(mu, sigma))
        
        # Bias correction
        bias = pyro.sample("bias", dist.Normal(0., 0.5))
        
    # Likelihood do Big Data
    with pyro.plate("observations"):
        obs = bigdata_obs * torch.exp(bias)
        pyro.sample("obs", dist.Normal(theta, 0.1), obs=obs)
    
    return theta

# Execução (exemplo)
# mcmc = MCMC(NUTS(hybrid_audience_model), num_samples=1000)
# mcmc.run(panel_data, bigdata_obs, demographics)

A.8 Considerações de Escalabilidade e Edge Cases

• Alta dimensionalidade: usar Stochastic Variational Inference (SVI) ao invés de MCMC completo.
• Dados esparsos (regiões Norte/Nordeste): regularização forte no prior do painel.
• Privacidade Matemática: Differential Privacy via adição de ruído Gaussiano N(0, σ²) calibrado pelo orçamento de privacidade ε.
• Estabilidade temporal: Modelos com estado (Kalman Filter ou Recurrent Bayesian Nets) para séries temporais de audiência.

Apêndice B – Referências Bibliográficas

Este apêndice lista as principais fontes consultadas e citadas no presente White Paper. As referências incluem relatórios oficiais, publicações setoriais, papers técnicos e padrões de acreditação, garantindo transparência e rastreabilidade.

Relatórios de Mercado e Dados Oficiais (Brasil)

• Kantar IBOPE Media. (2026). Atualização da representatividade do ponto de audiência para 2026. Kantar IBOPE Media. (Dados: 1 ponto = 277.670 domicílios e 699.962 indivíduos nos 15 mercados).
• CENP – Fórum da Autorregulação do Mercado Publicitário. (2026). Painel CENP-Meios 2025: Investimentos em Mídia no Brasil. CENP. (TV representa ~41% do bolo publicitário total de R$ 28,9 bilhões).
• Kantar IBOPE Media. (2025–2026). Cross Platform View (CPV) – Relatórios de Audiência de Vídeo. Kantar IBOPE Media. (Alcance deduplicado TV linear + vídeo online; share de consumo em CTVs).
• Fórum SBTVD. (2025–2026). Documentos técnicos e relatórios de implementação da TV 3.0 (DTV+). Fórum do Sistema Brasileiro de Televisão Digital. (Middleware AMM, coleta nativa de dados, interatividade e medição híbrida).

Referências Globais e Metodologias Híbridas

• Nielsen. (2025). Big Data + Panel National TV Measurement. Media Rating Council (MRC) Accredited. (Primeira acreditação MRC para medição híbrida panel + big data com estimativas person-level).
• Media Rating Council (MRC). (2026). Update on the MRC-Accredited Nielsen National Big Data + Panel Television Service. MRC. (Requisitos de calibração, modelagem e representatividade demográfica).
• Kantar. (2024). Media Trends & Predictions 2025. Kantar IBOPE Media. (Ênfase em medição cross-media na América Latina).

Literatura Técnica e Acadêmica

• Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3ª ed.). Chapman and Hall/CRC. (Fundamentação para Hierarchical Bayesian Models e calibração).
• Murphy, K. P. (2022). Probabilistic Machine Learning: Advanced Topics. MIT Press. (Modelos de fusão multimodal, GNNs e imputação via VAEs).
• Pearl, J., & Mackenzie, D. (2018). The Book of Why: The New Science of Cause and Effect. Basic Books. (Causal Inference e Double Machine Learning para atribuição).
• SBTVD Forum Working Groups. (2022–2025). Technical Contributions to TV 3.0 Architecture. SET International Journal of Broadcast Engineering. (Integração de ACR, RPD e dados nativos).

Outras Fontes Relevantes

• Kantar IBOPE Media. (2022–2026). Video Streaming Report e iniciativas de Cross-Media Planning. (Lançamento no Brasil e evolução para deduplicação).
• V-NOVA & Partners. (2025). Powering Brazil's Next-Generation UHD with TV 3.0. White Paper. (Compressão e convergência broadcast-broadband).
• Artigos e relatórios do SET (Sociedade Brasileira de Engenharia de Televisão) sobre TV 3.0 e medição (2023–2026).

Observações:

• Todas as fontes online foram acessadas em maio de 2026.
• Para certificação CENP/MRC, sugerimos anexar metodologias completas da Kantar e Nielsen como documentos complementares.
• Este White Paper pode ser atualizado com novas publicações do Kantar IBOPE Media ou do Fórum SBTVD.

Apêndice C – Glossário de Termos

Este glossário define os principais conceitos técnicos, metodológicos e setoriais utilizados no White Paper, com ênfase no contexto da mensuração híbrida de audiência de TV no Brasil.

Apêndice D – Guia de Facilitação: TV/BR OS explicado para quem nunca leu um paper técnico

Pyr Marcondes — MACUCO DAO GROUP | Documento complementar a tvbros.co

Antes de começar — como ler este guia

Este guia tem um único objetivo: traduzir o paper TV/BR OS para qualquer profissional do mercado de publicidade brasileiro, mesmo que essa pessoa nunca tenha visto um modelo estatístico, nunca tenha mexido com clean room e nem saiba o que é, na prática, um peoplemeter.

O paper original é técnico de propósito. Ele precisa ser técnico, porque está propondo uma nova infraestrutura de mercado para mensuração de TV. Mas para que essa proposta seja debatida, aprovada e adotada, ela precisa ser entendida por quem decide — diretores de mídia, presidentes de agência, CMOs, comerciais de emissora, executivos de planejamento, gente de varejo. E essa gente, na maioria, não fala matemática.

Este guia foi escrito para essa pessoa.

Como o guia está organizado

• Capítulo 1 começa do zero. Antes de falar do TV/BR OS, ele explica como funciona hoje a cadeia integrada de vídeo e TV no Brasil. Quem mede o quê, quem vende o quê, quem compra o quê, quem audita o quê. Esse capítulo é a base para entender por que a proposta existe.
• Capítulos 2 a 11 destrincham, pedaço por pedaço, o paper original. Cada conceito-chave do paper vira um capítulo curto, com analogia do dia a dia, exemplo concreto e um briefing de ilustração para o Manus, na linguagem visual do site tvbros.co.
• Capítulo 12 é dedicado exclusivamente à parte mais difícil: o Apêndice A do paper, com fórmulas, modelos bayesianos, GNN, Shapley values e Differential Privacy. É aqui que o guia precisa ser mais paciente. Vamos resolver com analogias de cozinha, supermercado e trânsito.
• Capítulo 13 é um glossário de bolso. Cada termo técnico em uma linha, sem rodeios.

Capítulo 1 — Como funciona hoje a cadeia integrada de vídeo e TV no Brasil

Antes de entender o que o TV/BR OS está propondo mudar, é preciso entender o que existe hoje. Vamos andar a cadeia inteira, do estúdio ao bolso do anunciante, em câmera lenta.

1.1 — Quem são os agentes da cadeia

A cadeia da publicidade audiovisual brasileira tem oito tipos de agentes principais. Cada um tem uma função específica, e a confusão começa porque, no mundo digital, vários desses papéis se misturaram.

1.2 — Como o dinheiro hoje flui

O dinheiro da publicidade brasileira segue um caminho relativamente simples no plano linear (TV aberta tradicional), mas vira um labirinto quando entra no mundo digital.

No modelo linear tradicional: o anunciante define um budget. A agência cria a campanha e monta um plano de mídia. Esse plano é negociado com a emissora em pontos de audiência (GRP). Cada ponto vale uma certa quantia. O CENP define normas de comissionamento e desconto-padrão. A campanha vai ao ar. A Kantar IBOPE Media mede quantos pontos de audiência aquele intervalo entregou. Se entregou os pontos prometidos, a emissora cumpriu o contrato. Se entregou menos, há ressarcimento. Esse ciclo, durante 50 anos, deu ordem ao mercado.

No modelo digital: o anunciante define um budget. A agência ou o próprio anunciante usa uma plataforma de leilão (Google, Meta, plataforma de CTV). O lance é por impressão, por clique ou por aquisição. A própria plataforma diz quantas impressões entregou, quem foi impactado, quem clicou e, em alguns casos, quem comprou. Esse modelo se chama walled garden — jardim murado — porque a plataforma é, ao mesmo tempo, vendedora, entregadora e medidora. Em outras palavras, ela é juíza no jogo que também está jogando.

O TV/BR OS está propondo: vamos voltar a ter uma balança que ninguém é dono. Mas uma balança digital, que pese ingredientes que vêm de mil fornecedores diferentes ao mesmo tempo.

1.3 — Como a audiência é medida hoje

A medição brasileira de TV se apoia historicamente em uma ferramenta chamada peoplemeter. É um aparelhinho instalado dentro de uma amostra representativa de domicílios. Cada pessoa da casa tem um botão. Quando senta para assistir TV, aperta o botão. O peoplemeter registra o que está sendo assistido, em qual canal, por quanto tempo, e quem da família estava assistindo.

A Kantar IBOPE Media mantém esse painel em 15 regiões metropolitanas brasileiras, com mais de 11 mil pessoas medidas. Cada pessoa medida representa, estatisticamente, milhares de outras semelhantes. Em 2026, segundo a própria Kantar, um ponto de audiência equivale a 277.670 domicílios e 699.962 indivíduos.

Essa evolução ainda não se transformou numa moeda ampla, neutra, interoperável, deduplicada, auditável e ativável para todo o mercado de vídeo.

1.4 — O que mudou nos últimos cinco anos

Cinco mudanças explicam a crise atual da mensuração:

1. Fragmentação do consumo. A mesma pessoa consome vídeo em TV aberta, Globoplay, YouTube, Netflix, Instagram Reels, TikTok, FAST channels e CTV — frequentemente no mesmo dia.
2. Explosão da CTV (Smart TVs conectadas). A TV deixou de ser um aparelho que apenas recebe sinal aberto. Hoje ela é um pequeno computador conectado, com apps, login, e capacidade de identificar quem está assistindo o quê.
3. Chegada da TV 3.0. Em 2025 foi regulamentada no Brasil a TV 3.0 (DTV+), que traz interatividade, integração com internet e middleware nativo de medição.
4. LGPD. A Lei Geral de Proteção de Dados mudou o que se pode coletar, como se pode coletar e como se pode cruzar dados. Não dá mais para fazer mensuração ignorando privacidade.
5. Pressão por accountability. CFOs e boards passaram a cobrar prova de impacto. Não basta dizer 'a campanha rodou'. É preciso provar 'a campanha vendeu'.

Capítulo 2 — A tese central do paper, em uma frase

A TV brasileira não perdeu valor. Ela perdeu capacidade de provar todo o valor que ainda entrega.

Essa frase muda o eixo do debate. O paper não está dizendo 'a TV está morrendo'. Não está dizendo 'a Kantar está errada'. Não está dizendo 'o CENP precisa acabar'. Não está dizendo 'precisamos copiar o digital'.

O paper está dizendo: o sistema atual mede uma fatia do bolo. E essa fatia, há vinte anos, era quase o bolo inteiro. Hoje, é apenas uma fatia. O resto do bolo continua existindo, continua sendo entregue por veículos brasileiros, continua impactando consumidores brasileiros — só que ninguém consegue contar direito esse resto. E o que não se consegue contar, não se consegue valorizar.

Para conseguir esse contador completo, o paper propõe uma arquitetura. Não uma métrica. Não um software. Uma arquitetura — quer dizer, um conjunto de regras, padrões e camadas que, juntas, formam um sistema operacional de mercado. Daí o nome: TV/BR OS.

Capítulo 3 — O que é um sistema operacional de mercado

A palavra OS (operating system, sistema operacional) é deliberada no nome TV/BR OS. Não é jargão pomposo. É uma escolha conceitual.

Quando você liga seu celular, o que faz tudo funcionar — o app de banco conversar com a câmera, o WhatsApp salvar fotos no rolo, o GPS conversar com o Uber, o login de uma conta abrir várias outras — não são os apps em si. É o sistema operacional embaixo deles. Android ou iOS. O OS define os protocolos de comunicação, as permissões, as interfaces, os padrões de troca.

Sem o OS, cada app teria que reinventar tudo do zero. E mais: dois apps de fabricantes diferentes não conseguiriam conversar. O OS é o terreno comum onde todos os apps operam, com regras claras.

O TV/BR OS não é uma nova métrica. É o terreno comum onde múltiplas métricas, fontes de dados, plataformas e veículos podem operar com regras claras, comparáveis e auditáveis.

Capítulo 4 — As oito camadas do TV/BR OS, em linguagem de leigo

O paper original define o TV/BR OS como uma arquitetura de oito camadas. Esse é um conceito típico de engenharia de software: cada camada cumpre uma função específica, e camadas se empilham umas sobre as outras como blocos de Lego.

Não é preciso decorar essas oito camadas. O importante é entender: o paper não está propondo uma única solução técnica. Está propondo um empilhamento de soluções — cada uma resolvendo uma parte específica do problema, e todas amarradas por padrões comuns.

Capítulo 5 — Por que o painel da Kantar não vai (e não deve) morrer

O futuro da mensuração de TV no Brasil não é pós-painel. É pós-painel sozinho.

Os dados digitais (logs de Smart TV, set-top box, CTV, app de streaming) têm uma vantagem brutal: escala. Milhões de dispositivos. Bilhões de eventos por dia. Granularidade segundo a segundo.

Mas têm quatro pontos cegos sérios:

1. Dispositivo não é pessoa. Uma Smart TV ligada não significa que tem alguém assistindo.
2. Login não é indivíduo. Em uma família de quatro pessoas, todas usam o mesmo login do streaming.
3. Conectado super-representa quem é conectado. Lares com Smart TV nova, internet boa e múltiplos dispositivos aparecem demais nas amostras digitais.
4. Dado massivo não é dado neutro. Cada plataforma só registra o que passa por ela.

O painel da Kantar resolve esses quatro pontos cegos. Ele tem amostragem representativa, identifica pessoas (não dispositivos), cobre Brasil inteiro com calibração regional, e é neutro entre veículos.

Quatro razões técnicas para preservar o painel:

1. Representatividade. Sem painel, populações menos digitais ficam invisíveis.
2. Calibração. O painel funciona como ground truth para corrigir vieses dos dados massivos.
3. Continuidade histórica. Décadas de séries de mercado dependem do painel.
4. Identificação pessoa-nível. Só o painel transforma 'um dispositivo ligado' em 'uma pessoa, com idade X, classe Y, sexo Z, assistindo'.

No TV/BR OS, o painel deixa de ser a verdade inteira. Mas continua sendo a âncora de representatividade.

Capítulo 6 — Deduplicação: a métrica que mais importa para o anunciante

A métrica que mais interessa ao anunciante não é quantas exposições brutas ocorreram. É quantas pessoas únicas foram alcançadas, com que frequência e com que incrementalidade.

Hoje, quando uma campanha roda em TV aberta, CTV, YouTube, Globoplay e em um aplicativo de operadora simultaneamente, o anunciante recebe um relatório de cada um desses ambientes. Se você somar os números, vai chegar em uma audiência total. Esse total é mentira. Não porque os relatórios estão errados — eles estão certos individualmente. É mentira porque a mesma pessoa foi contada várias vezes.

Capítulo 7 — Clean room: a sala onde os dados se cruzam sem se enxergar

Para fazer mensuração cross-media de verdade, é preciso cruzar dados de várias empresas. Mas nenhuma dessas empresas vai entregar a base bruta dela para as outras.

A resposta: clean room. Um clean room é um ambiente computacional neutro, geralmente operado por um terceiro, onde várias partes depositam suas bases de forma criptografada e pseudonimizada. Dentro desse ambiente, é possível rodar análises e cruzamentos. O resultado que sai do clean room é apenas o agregado da análise — nunca a base bruta de ninguém.

Sem clean room, a proposta inteira do TV/BR OS desaba. É só nesse tipo de ambiente que dá para cruzar exposição com conversão respeitando LGPD, sigilo competitivo e segredo industrial. O paper detalha o que um clean room setorial brasileiro precisa permitir:

• Matching entre exposições publicitárias e conversões de venda
• Cálculo de alcance deduplicado entre múltiplos canais
• Aferição de frequência cross-screen
• Comparação de sobreposição entre canais
• Experimentos com dados first-party de anunciantes
• Validação por terceiros independentes
• Auditoria sem vazamento competitivo

Capítulo 8 — TV 3.0: a oportunidade técnica que o Brasil ganhou em 2025

A TV 3.0 (DTV+) foi regulamentada por decreto em 2025. Tecnicamente, ela é a sucessora do padrão atual (ISDB-Tb), e está mais próxima do padrão norte-americano ATSC 3.0.

O que muda, na prática:

• Interatividade nativa: aplicativos rodando dentro da emissão da TV aberta
• Integração com internet: o sinal aberto convive com conteúdo via banda larga
• Qualidade superior: 4K, HDR, áudio imersivo
• Possibilidade de medição nativa: a própria TV 3.0 pode coletar dados de exposição (com consentimento)
• Publicidade endereçável em TV aberta
• Catálogo DTV+: experiência similar a streaming integrada à TV aberta
• Manutenção da gratuidade

A TV 3.0 não resolverá sozinha a mensuração. Ela pode até fragmentar ainda mais o ecossistema se cada emissora, fabricante, app ou plataforma operar com protocolos próprios.

A TV 3.0 fornece a infraestrutura técnica. O TV/BR OS fornece os padrões de mercado para que essa infraestrutura não vire vinte sistemas incompatíveis.

Capítulo 9 — Por que o caso Globo é citado como prova de futuro

O paper dedica uma seção inteira ao caso Globo. Não para defender ou criticar a empresa, mas para mostrar que o futuro proposto pelo TV/BR OS já existe em ilhas dentro do mercado brasileiro.

O que a Globo já faz hoje:

1. Globo DAI (Dynamic Ad Insertion). Permite que o mesmo intervalo comercial dentro do Globoplay entregue criativos diferentes para públicos diferentes, baseado em first-party data e GloboIDs.
2. Modelo de Atribuição de Longo Prazo. Análise estatística avançada que mensura efeitos reais de campanhas na TV sobre KPIs físicos (vendas em ponto de venda) e digitais (conversão online).
3. Atribuição de Micromomento. Mede como uma inserção de TV influencia resultados em site da marca anunciante minutos após a veiculação.

A Globo não deve ser tratada como exceção isolada. Deve ser tratada como laboratório do futuro brasileiro.

Capítulo 10 — O papel do CENP como JIC brasileiro

Em mercados maduros (Reino Unido, Estados Unidos, Alemanha), existe um conceito chamado JIC — Joint Industry Committee. É uma entidade que reúne todos os agentes do mercado publicitário em torno de padrões comuns de medição.

O paper argumenta que o Brasil já tem uma entidade institucionalmente posicionada para cumprir esse papel: o CENP. Três razões:

1. Histórico. O CENP existe desde 1998 e organizou autorregulação técnica e comercial do mercado por décadas.
2. Composição. O CENP já reúne anunciantes, agências e veículos no mesmo conselho.
3. Capacidade. O CENP-Meios já é um painel de investimentos publicitários, com metodologia documentada e séries históricas.

O paper sugere a criação, dentro do CENP, de uma câmara técnica permanente: CENP Video Measurement & Accountability Council.

O Brasil precisa de um CENP 2.0 para a era da televisão mensurável, conectada, auditável e orientada por IA.

Capítulo 11 — Da régua antiga (GRP) à nova moeda (VBE)

Não é matar o GRP. É tirar o GRP da solidão.

O paper propõe a métrica VBE — Valor de Vídeo Baseado em Evidência. A fórmula conceitual:

VBE = Alcance Deduplicado × Qualidade de Atenção × Contexto × Frequência Efetiva × Incrementalidade × Resultado

O VBE não é uma fórmula matemática fechada que você joga em uma planilha. É um framework. Ele diz: 'qualquer métrica de vídeo que se proponha a ser moeda de mercado precisa medir essas seis dimensões juntas, ou pelo menos não negar nenhuma delas'.

Capítulo 12 — A parte mais difícil: estatística e IA explicadas com calma

12.1 — Modelo Hierárquico Bayesiano: o painel como crença prévia

Estatística bayesiana, em uma única frase, é a estatística que diz: 'eu já sabia alguma coisa antes de olhar para os dados novos, e vou atualizar o que eu sabia conforme os dados novos chegarem'. O nome técnico do que você já sabia é prior. O nome técnico do que os dados novos te trazem é likelihood. O nome do resultado da combinação é posterior.

No TV/BR OS, o painel da Kantar é o prior — o que se sabe sobre representatividade da população brasileira. O big data de CTV, ACR e set-top boxes é o likelihood — o que se observa em escala. O modelo bayesiano combina os dois e gera uma estimativa atualizada e calibrada da audiência real.

E por que hierárquico? Porque o modelo não trata o Brasil como uma coisa só. Ele trata cada combinação de demografia × região como um sub-modelo, mas todos os sub-modelos compartilham parâmetros gerais. Isso permite que regiões com pouca cobertura digital sejam estimadas se apoiando nas regiões com mais dados, sem perder especificidade local.

12.2 — Correção de viés: o ajuste fino

Dentro do modelo bayesiano há um parâmetro chamado bias correction factor (b). Ele é aprendido pelo próprio modelo e serve para corrigir distorções sistemáticas dos dados massivos. Por exemplo: smart TVs grandes em apartamentos de classe A/B aparecem demais nos dados. O modelo aprende isso e desconta automaticamente nas estatísticas finais.

12.3 — Fusão de dados: três sabores

O paper recomenda intermediate como padrão para o Brasil, justamente porque temos fontes muito diferentes (painel, CTV, ACR, RPD, apps) e precisamos manter rastreabilidade.

12.4 — Deduplicação Cross-Device com GNN

Como saber, sem invadir privacidade, se 'usuário X que viu o comercial na CTV' e 'usuário Y que clicou no anúncio no celular' são a mesma pessoa? A resposta moderna se chama Graph Neural Network (GNN). É uma rede neural que aprende relações entre dispositivos, identificadores e comportamentos, modelando tudo como um grafo (uma rede de pontos conectados por linhas).

A GNN aprende, a partir de comportamentos de viewing, fingerprints de dispositivos e padrões temporais, quais 'identidades' anônimas em diferentes telas pertencem ao mesmo indivíduo. Sem nunca acessar o nome real da pessoa.

12.5 — Imputação com VAE: preenchendo os buracos do mapa

Dados reais sempre têm buracos. A técnica usada é VAE — Variational Autoencoder. É um tipo de IA que aprende a estrutura geral dos dados e usa essa estrutura aprendida para estimar, com incerteza honesta, o que provavelmente teria acontecido nos pontos onde o dado faltou. Importante: não esconde que houve imputação. Reporta a incerteza junto.

12.6 — Atribuição causal com Double Machine Learning

Como saber, em uma campanha que rodou em cinco canais ao mesmo tempo, quanto cada canal contribuiu para a venda final? O Double Machine Learning (DML) é uma família de métodos que isola o efeito real de cada exposição publicitária controlando para todos os outros fatores que poderiam estar influenciando ao mesmo tempo.

Isso é o que separa atribuição amadora ('last click') de atribuição séria.

12.7 — Shapley Values: dividir o crédito de forma justa

Quando uma campanha vende, vários canais contribuíram. Shapley Values simulam todos os cenários possíveis em que os canais poderiam ter participado em diferentes ordens e combinações, e calculam quanto cada um, em média, contribuiu marginalmente para o resultado. É a divisão matematicamente justa.

12.8 — Differential Privacy: o ruído que protege

Como compartilhar resultados estatísticos sobre milhões de pessoas sem nunca permitir identificar uma pessoa específica nos dados? A resposta moderna é Differential Privacy. A ideia central é matemática: adicionar uma quantidade controlada de ruído aos resultados, calibrada de forma que o agregado continue útil para análise, mas nenhum indivíduo possa ser reidentificado.

12.9 — Validação estatística: como saber se o modelo funciona

• Kolmogorov-Smirnov Test: compara a distribuição estatística do resultado fundido com a do painel original.
• Bias Reduction: quanto o viés sistemático foi reduzido após a fusão, comparado com o big data puro.
• Coverage Error: o quanto o alcance estimado bate com o alcance real.
• Lift: efeito real medido em audiências expostas vs. controle não exposto.

Não basta dizer 'IA'. É preciso documentar quais modelos foram usados, quais variáveis entram, quais vieses foram identificados, quais métricas de erro foram calculadas, como foram feitas validação, holdout e recalibração, quais limites metodológicos permanecem.

Capítulo 13 — O que muda, na prática, para cada agente

Para o anunciante: A campanha deixa de ser comprada por pontos isolados e passa a ser planejada por alcance único cross-screen, frequência efetiva e incrementalidade. Defesa de orçamento sai do plano da fé e entra no plano da evidência.

Para a agência: A agência deixa de ser percebida apenas como compradora de inventário e se reposiciona como consultoria de arquitetura de mídia.

Para a emissora: A emissora deixa de vender apenas espaço bruto. Passa a vender alcance auditado, atenção qualificada, contexto premium, segmentos endereçáveis, frequência eficiente, impacto em negócio.

Para o CENP: O CENP ganha agenda histórica. Liderar a nova autorregulação de dados de mídia.

Para a Kantar: A Kantar reposiciona seu ativo. Deixa de ser percebida como guardiã de uma métrica antiga e passa a ser parceira da evolução híbrida.

Para plataformas digitais e CTV: As plataformas ganham um ambiente legítimo para demonstrar incrementalidade, mas passam a aceitar comparabilidade, auditoria e deduplicação.

Para o varejo e retail media: O varejo brasileiro ganha uma forma padronizada de comparar seu inventário com o resto do ecossistema.

O Brasil tem tecnologia em ilhas. Falta transformar essas ilhas em uma camada comum de mensuração, confiança e negociação.

Capítulo 14 — Glossário de bolso

Fechamento

O paper TV/BR OS é, de fato, complexo. Mas a tese central é simples e elegante. A TV brasileira é uma das mídias mais poderosas do país. O que falta não é poder. É linguagem para provar esse poder na régua do século XXI.

Painel, big data, CTV, TV 3.0, clean rooms, IA, governança CENP, LGPD. Cada uma dessas peças já existe, isoladamente. O que o paper propõe é a costura. Costura institucional, técnica e comercial. Um sistema operacional brasileiro de mensuração, ativação e valorização de vídeo.

Se você chegou até aqui, você não é mais leigo. Você está pronto para participar dessa conversa em qualquer reunião, em qualquer painel, em qualquer apresentação. E, mais importante, você está pronto para defender a evolução do mercado brasileiro de uma forma que respeita o que já foi construído e abre o que precisa ser construído.

TV/BR OS é a passagem da audiência estimada para a audiência auditável.

Pyr Marcondes — MACUCO DAO GROUP | Documento complementar ao paper técnico-científico publicado em tvbros.co