O Databricks apresentou o CustomerLake Conversions em post de 19 de novembro de 2026: um recurso que envia às plataformas de anúncios sinais de conversão baseados no valor previsto do cliente, calculados com dados próprios da empresa. Um lead qualificado e a primeira compra de um cliente com alto valor previsto contam como uma conversão cada, e o recurso busca diferenciar os dois. O post não informa data de lançamento nem preço.
O que foi anunciado
Segundo o blog do Databricks, o CustomerLake Conversions funciona dentro do CustomerLake, produto de dados do cliente da empresa, e traz estes pontos:
- Nove plataformas de anúncios: Amazon Ads, Google, LinkedIn, Meta, Microsoft Ads, Reddit, Snapchat, The Trade Desk e TikTok.
- Três agências como parceiras de lançamento: Epsilon, Merkle e Omnicom.
- Sinais de valor: o post separa conversões que parecem iguais, como um lead qualificado e uma primeira compra de um cliente com alto valor previsto. Para isso usa histórico de compra, margem, fidelidade, engajamento e lifetime value previsto.
- Controle: a empresa escolhe para quais plataformas enviar. O post lista o Unity Catalog e uma trilha de auditoria entre os componentes.
- Disponibilidade: quando estiver disponível, o recurso será acessível a todos os clientes que usam o Campaign Agents no CustomerLake. Sobre preço, o post orienta falar com a equipe de conta do Databricks.

Como o CustomerLake Conversions funciona
O post descreve três passos. No primeiro, a empresa usa dados próprios e modelos de aprendizado de máquina para criar audiências e identificar os sinais de conversão relevantes. No segundo, envia audiências e sinais às plataformas por integrações de audiência e de Conversions API, por meio de conectores nativos de reverse ETL. No terceiro, traz os resultados das campanhas de volta ao Databricks, por integrações de compartilhamento aberto (OpenSharing) e pelo Lakeflow Connect.
Segundo o post, as duas contam como conversões, mas o valor de longo prazo delas pode ser bem diferente. O recurso tenta levar essa diferença para a otimização de cada plataforma.
Por que isso importa para quem trabalha com marketing
A lógica do recurso é que a plataforma otimiza para o sinal que recebe: se ele é só “lead gerado” ou “compra”, a diferença de valor entre os clientes não entra na conta. Enviar um sinal ligado ao lifetime value previsto propõe mudar o alvo da otimização, e isso exige uma base de clientes organizada, como a de uma Customer Data Platform.
A fonte é o próprio fornecedor e não traz resultado de campanha, nem de cliente nem de teste. O post não diz quanto o sinal de valor melhora retorno, custo por aquisição ou qualidade de lead.
O que observar na sua operação
- Definição de valor: decida o que torna um cliente valioso para o seu negócio, como margem, recompra ou retenção, antes de pensar em ferramenta.
- Dados: confira se compras, margem e engajamento estão ligados ao mesmo cliente e se dá para chegar a um valor previsto por conversão.
- Eventos de conversão: revise quais eventos suas contas de anúncios recebem hoje e se algum já aceita valor.
- Medição: planeje teste com grupo de controle para saber se a otimização por valor melhora retorno, em vez de comparar com o período anterior.
- Governança: registre quem pode enviar audiências e sinais às plataformas e quais dados pessoais saem da base.
E agora?
O post não traz data de lançamento nem preço. Quem é cliente do Databricks pode pedir detalhes à equipe de conta. Para os demais, dá para preparar já a definição de valor e a organização dos dados; o efeito do recurso só se mede quando ele estiver disponível e houver resultados de clientes.



