Correspondência Ampla

Definição de Correspondência Ampla

Correspondência ampla é um tipo de correspondência de palavras-chave usado em plataformas de publicidade em pesquisas como Google Ads, Microsoft Ads e Amazon Ads que permite que anúncios apareçam em pesquisas relacionadas a uma palavra-chave, incluindo sinônimos, variações, erros ortográficos, termos relacionados e pesquisas com diferentes ordens de palavras. É o tipo de correspondência padrão para todas as palavras-chave no Google Ads, o que significa que, ao criar uma nova palavra-chave sem especificar um tipo de correspondência, ela automaticamente assume a correspondência ampla. Esta opção de correspondência oferece aos anunciantes o maior alcance possível, permitindo que anúncios sejam exibidos em uma ampla gama de pesquisas de usuários que o algoritmo do mecanismo de busca considera relevantes para a palavra-chave do anunciante, mesmo que essas pesquisas não contenham os termos exatos da palavra-chave. A principal vantagem da correspondência ampla é sua capacidade de ajudar anunciantes a descobrir novas pesquisas de clientes com alta intenção que eles não teriam previsto, ao mesmo tempo que reduz o tempo e o esforço necessários para construir listas extensas de palavras-chave manualmente.

Contexto e Histórico da Correspondência Ampla

O conceito de correspondência ampla surgiu nos primórdios da publicidade de pagamento por clique (PPC), quando os mecanismos de busca perceberam que os usuários frequentemente pesquisam usando terminologias diferentes das que os anunciantes poderiam prever. Por volta de 2006, o Google introduziu a correspondência ampla expandida, que ampliou significativamente a capacidade do algoritmo de associar anúncios a pesquisas relacionadas além de simples variações de palavras-chave. Essa evolução refletiu o crescente investimento do Google em aprendizado de máquina e inteligência artificial para melhorar a relevância dos resultados de busca e anúncios. Nas últimas duas décadas, a correspondência ampla tornou-se cada vez mais sofisticada, incorporando sinais contextuais como histórico de pesquisa do usuário, conteúdo da página de destino, temas do grupo de anúncios e informações do dispositivo para determinar relevância. De acordo com pesquisas da Adalysis que analisaram 16.825 campanhas de pesquisa, a correspondência ampla continua sendo uma ferramenta poderosa quando combinada com estratégias modernas de lances, embora exija gerenciamento cuidadoso. A mudança para a correspondência ampla com IA tornou-se particularmente pronunciada desde 2021, quando o Google descontinuou o modificador de correspondência ampla (BMM) e começou a consolidar a correspondência de palavras-chave em três tipos principais: correspondência ampla, correspondência de frase e correspondência exata. Hoje, a correspondência ampla representa a visão do Google para o futuro da publicidade em pesquisas, onde algoritmos de aprendizado de máquina gerenciam a complexidade da correspondência de consultas, em vez de anunciantes construírem manualmente listas restritivas de palavras-chave.

Ready to Monitor Your AI Visibility?

Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.

Começar Contacto

Como Funciona a Correspondência Ampla: Explicação Técnica

A correspondência ampla opera por meio de um algoritmo sofisticado de aprendizado de máquina que analisa múltiplos sinais para determinar se a consulta de pesquisa de um usuário é relevante para a palavra-chave de um anunciante. Quando você adiciona uma palavra-chave a uma campanha de correspondência ampla, o sistema do Google não simplesmente busca correspondências exatas de palavras; em vez disso, ele avalia a intenção por trás da consulta de pesquisa e a compara com a intenção da sua palavra-chave. Por exemplo, se sua palavra-chave de correspondência ampla for “tênis”, seus anúncios podem aparecer em pesquisas por “tênis esportivos”, “calçados atléticos”, “tênis de corrida”, “melhores marcas de tênis” ou até “como escolher tênis”. O algoritmo considera fatores como sinônimos (tênis → calçados), formas singular e plural (tênis → tênis), erros ortográficos e digitação (tenis → tênis), variações de ordem das palavras (tênis de corrida → corrida tênis) e pesquisas relacionadas que compartilham intenção semelhante. O sistema do Google também leva em conta o conteúdo das suas páginas de destino e as outras palavras-chave no seu grupo de anúncios para entender melhor o contexto e a intenção da sua oferta de negócio. Além disso, o comportamento de pesquisa do usuário desempenha um papel — se muitos usuários que pesquisam um termo específico também convertem no seu site, o algoritmo do Google aprende a associar esse termo com mais frequência. A plataforma refina continuamente essas correspondências com base em dados de desempenho, o que significa que a correspondência ampla se torna mais eficaz ao longo do tempo à medida que o algoritmo aprende quais tipos de pesquisa geram conversões para o seu negócio específico.

Correspondência Ampla vs. Outros Tipos de Correspondência de Palavras-Chave

Stay Updated on AI Visibility Trends

Get the latest insights on AI mentions, brand monitoring, and optimization strategies.

Email address

Subscribe

O Papel do Aprendizado de Máquina e da IA na Correspondência Ampla Moderna

A correspondência ampla moderna foi fundamentalmente transformada pelos avanços em inteligência artificial e aprendizado de máquina. A implementação mais recente da correspondência ampla do Google usa redes neurais sofisticadas para entender a intenção do usuário em um nível muito além da simples correspondência de palavras-chave. O algoritmo agora analisa sinais contextuais incluindo o tipo de dispositivo do usuário, localização geográfica, horário do dia, histórico de pesquisa e até mesmo o conteúdo de sites que visitou recentemente. De acordo com o guia técnico de Automação de Pesquisa do Google, a plataforma usa esses sinais para garantir que os anunciantes concorram apenas em leilões relevantes com níveis de lance apropriados para cada usuário e consulta únicos. Esta abordagem orientada por IA significa que a correspondência ampla agora pode identificar pesquisas de alta intenção que seriam impossíveis de prever manualmente, tornando-a particularmente valiosa para anunciantes com dados substanciais de conversão. A integração de estratégias de Smart Bidding — como CPA Meta, ROAS Meta e Maximizar Valor de Conversão — com a correspondência ampla criou uma combinação poderosa onde o algoritmo não apenas identifica pesquisas relevantes, mas também otimiza lances em tempo real com base na probabilidade prevista de conversão. Pesquisas da Adalysis demonstram que, sob lances de Valor Máximo de Conversão, a correspondência ampla superou outros tipos de correspondência em gerar maior receita por conversão, apesar de frequentemente ter figuras de custo por aquisição mais altas. Esta descoberta contraintuitiva destaca como a correspondência ampla com IA, quando configurada adequadamente, pode gerar resultados de negócios que vão além de métricas simples de eficiência.

Variações de Correspondência Ampla e Termos de Pesquisa Relacionados

Compreender os tipos de pesquisas que a correspondência ampla captura é essencial para o gerenciamento eficaz de campanhas. Sinônimos representam uma das variações mais comuns — se sua palavra-chave for “tênis de corrida”, a correspondência ampla corresponderá a pesquisas por “tênis para corrida”, “calçados esportivos” ou “sapatilhas”. Erros ortográficos e de digitação são automaticamente incluídos, portanto pesquisas por “tenis de corrida” ou “tênis de corida” ainda acionarão seus anúncios. Termos relacionados que compartilham intenção semelhante são associados, o que significa que uma palavra-chave como “serviços de marketing digital” pode corresponder a pesquisas por “agência de marketing online” ou “consultor de marketing na internet”. Variações de ordem de palavras são tratadas de forma flexível, então “corrida tênis” corresponderá da mesma forma que “tênis de corrida”. Formas singular e plural são tratadas como equivalentes, e diferentes tempos verbais são reconhecidos. Além disso, a correspondência ampla pode corresponder a pesquisas que incluem contexto adicional ou modificadores — por exemplo, “melhores tênis para corrida em trilha” ou “tênis de corrida baratos até R$ 200” corresponderiam a uma palavra-chave de correspondência ampla “tênis de corrida”. O algoritmo também considera modificadores de intenção de pesquisa como “como”, “perto de mim”, “avaliações” ou “comprar”, reconhecendo que estes representam diferentes estágios da jornada do cliente, mas ainda podem ser relevantes para seu negócio. Esta abordagem abrangente de correspondência significa que campanhas de correspondência ampla podem capturar uma gama diversificada de pesquisas de clientes, desde consultas de pesquisa em estágio inicial até pesquisas de compra de alta intenção, tornando-a particularmente valiosa para empresas que buscam maximizar o alcance e descobrir novos segmentos de clientes.

Melhores Práticas para Gerenciar Campanhas de Correspondência Ampla

Gerenciar com sucesso campanhas de correspondência ampla requer uma abordagem estratégica que equilibre alcance com relevância. A primeira e mais crítica prática recomendada é implementar o Smart Bidding, que o Google enfatiza como essencial para o sucesso da correspondência ampla. Os algoritmos de Smart Bidding analisam sinais contextuais no momento do leilão para garantir que você esteja fazendo lances apropriados para cada consulta única, evitando gastos desperdiçados em cliques irrelevantes enquanto maximiza conversões ou receita. A segunda prática fundamental é construir e manter uma lista abrangente de palavras-chave negativas. Ao revisar regularmente seu relatório de termos de pesquisa — que mostra as pesquisas reais que acionaram seus anúncios — você pode identificar consultas irrelevantes e adicioná-las como palavras-chave negativas para evitar futuras impressões desperdiçadas. Por exemplo, se você vende tênis de corrida premium, mas percebe que pesquisas por “tênis de corrida baratos” ou “tênis de corrida em promoção” estão acionando seus anúncios, você deve adicioná-las como palavras-chave negativas. A terceira prática recomendada é monitorar consistentemente os relatórios de termos de pesquisa, idealmente semanal ou quinzenalmente, para identificar novas oportunidades de palavras-chave negativas e descobrir termos de pesquisa inesperados de alto desempenho que possam se tornar novas palavras-chave. Quarto, estruture seus grupos de anúncios de forma criteriosa agrupando palavras-chave relacionadas, pois o Google usa o contexto do grupo de anúncios para entender melhor a intenção do seu negócio. Quinto, otimize suas páginas de destino para comunicar claramente sua proposta de valor, pois o algoritmo do Google considera o conteúdo da página de destino ao determinar a relevância. Sexto, use o rastreamento de conversões com precisão para que o aprendizado de máquina do Google tenha dados suficientes para otimizar eficazmente — sem o rastreamento adequado de conversões, o Smart Bidding não pode funcionar de forma ideal. Finalmente, teste a correspondência ampla gradualmente, começando com um subconjunto de palavras-chave ou uma campanha dedicada para entender como ela se comporta para seu negócio específico antes de escalar amplamente.

Correspondência Ampla e Palavras-Chave Negativas: Uma Relação Estratégica

A relação entre correspondência ampla e palavras-chave negativas é fundamental para o sucesso da campanha. Como a correspondência ampla lança uma rede tão ampla, as palavras-chave negativas servem como o contrapeso essencial, permitindo que os anunciantes excluam pesquisas irrelevantes enquanto mantêm os benefícios de alcance da correspondência ampla. Pense na correspondência ampla como uma rede de pesca com grandes buracos que captura muitos peixes (pesquisas), e nas palavras-chave negativas como um filtro que remove as capturas indesejadas. Quando você adiciona uma palavra-chave negativa, está dizendo ao mecanismo de busca: “Não mostre meu anúncio para este termo de pesquisa.” As palavras-chave negativas podem ser aplicadas em diferentes níveis de tipo de correspondência — palavras-chave negativas de correspondência ampla excluem qualquer pesquisa que contenha esse termo em qualquer forma, palavras-chave negativas de correspondência de frase excluem pesquisas que contenham essa frase nessa ordem, e palavras-chave negativas de correspondência exata excluem apenas essa pesquisa exata. A maioria dos anunciantes usa uma combinação dos três tipos de correspondência negativa para criar uma estratégia de exclusão em camadas. Por exemplo, um varejista de relógios de luxo pode adicionar “barato”, “desconto” e “econômico” como palavras-chave negativas de correspondência ampla para excluir pesquisadores sensíveis a preço, enquanto adiciona “relógios falsos” ou “réplica” como palavras-chave negativas de correspondência exata para excluir pesquisas por produtos ilegais. O desafio com palavras-chave negativas é descobrir todas as pesquisas irrelevantes antes que elas desperdicem orçamento — é aqui que a análise regular do relatório de termos de pesquisa se torna crítica. Muitos anunciantes de sucesso mantêm uma lista mestra de palavras-chave negativas no nível da conta que se aplica a todas as campanhas, complementada por palavras-chave negativas específicas de campanha e de grupo de anúncios para um controle mais granular. De acordo com pesquisas do setor, contas que gerenciam ativamente palavras-chave negativas veem melhorias significativas no custo por aquisição e na eficiência geral da campanha, tornando esta prática uma das atividades de otimização de maior ROI disponíveis para profissionais de PPC.

Métricas de Desempenho e Medição da Correspondência Ampla

Medir o desempenho de campanhas de correspondência ampla requer entender como este tipo de correspondência afeta as principais métricas de publicidade de forma diferente dos tipos de correspondência mais restritivos. De acordo com pesquisas abrangentes da Adalysis analisando mais de 16.000 campanhas de pesquisa, a correspondência exata consistentemente oferece as maiores taxas de clique (CTR), taxas de conversão e retorno sobre gastos com anúncios (ROAS), mas com significativamente menos impressões. A correspondência ampla, por outro lado, gera substancialmente mais impressões e cliques, mas tipicamente com taxas de conversão mais baixas e custo por aquisição mais alto. No entanto, a pesquisa revelou uma descoberta surpreendente: sob estratégias de lances de Valor Máximo de Conversão, a correspondência ampla realmente gerou maior receita por conversão do que a correspondência exata, apesar do CPA mais alto. Isso sugere que a correspondência ampla, quando combinada com estratégias de lances apropriadas, pode gerar conversões de maior valor, mesmo que a taxa de conversão seja menor. Os principais indicadores de desempenho (KPIs) a monitorar para campanhas de correspondência ampla incluem: participação de impressões (a porcentagem de impressões disponíveis que seus anúncios receberam), taxa de clique (CTR), taxa de conversão, custo por clique (CPC), custo por aquisição (CPA), retorno sobre gastos com anúncios (ROAS) e receita por conversão. Além disso, rastrear o desempenho dos termos de pesquisa é crítico — identificar quais pesquisas específicas estão gerando conversões versus quais estão desperdiçando orçamento ajuda a informar a estratégia de palavras-chave negativas. Muitos anunciantes também monitoram o índice de qualidade, que o Google atribui com base na CTR esperada, relevância do anúncio e experiência da página de destino. Para campanhas de correspondência ampla especificamente, é importante rastrear o desempenho por estratégia de lance (Smart Bidding vs. manual), pois as mesmas palavras-chave de correspondência ampla podem ter desempenho muito diferente dependendo da abordagem de lance. Finalmente, a modelagem de atribuição torna-se importante com a correspondência ampla, pois a gama mais ampla de pesquisas pode incluir consultas de alta e baixa intenção, e entender quais pesquisas contribuem para conversões ao longo da jornada do cliente ajuda a otimizar a alocação de orçamento.

Correspondência Ampla em Diferentes Plataformas de Publicidade

Embora o Google Ads seja a plataforma mais proeminente que usa correspondência ampla, o conceito se estende por múltiplos ecossistemas de publicidade. O Microsoft Ads (antigo Bing Ads) implementa a correspondência ampla de forma semelhante ao Google, permitindo que anúncios apareçam em pesquisas relacionadas, incluindo sinônimos e variações. O Amazon Ads usa correspondência ampla para campanhas de produtos patrocinados, associando consultas de compras relacionadas às palavras-chave do anunciante, embora o algoritmo de correspondência seja otimizado para intenção de e-commerce. O Apple Search Ads também emprega correspondência ampla como opção padrão para campanhas de promoção de aplicativos. O algoritmo de correspondência ampla de cada plataforma foi treinado em sua própria base de usuários e padrões de pesquisa, o que significa que a mesma palavra-chave pode corresponder de forma diferente entre plataformas. Por exemplo, uma palavra-chave de correspondência ampla no Google pode corresponder a variações diferentes da mesma palavra-chave no Microsoft Ads, devido a diferenças no comportamento de pesquisa do usuário e nos respectivos modelos de aprendizado de máquina das plataformas. Além disso, plataformas de busca com IA como Perplexity, ChatGPT e Google AI Overviews estão começando a incorporar publicidade e conteúdo patrocinado, e entender como essas plataformas combinam consultas com conteúdo de anunciantes está se tornando cada vez mais importante. Para marcas que usam a AmICited para monitorar sua aparição em plataformas de busca com IA, compreender os princípios de correspondência ampla é valioso porque ajuda a prever onde menções de marca e conteúdo de concorrentes podem aparecer em respostas geradas por IA. O conceito de correspondência ampla — encontrar conteúdo relacionado e variações — é fundamental para como os sistemas de IA recuperam e classificam informações, tornando os princípios de correspondência ampla relevantes mesmo além da publicidade PPC tradicional.

Modificador de Correspondência Ampla (BMM) e Sua Descontinuação

O modificador de correspondência ampla (BMM) era um tipo de correspondência de palavra-chave que existia entre a correspondência ampla e a correspondência de frase, oferecendo aos anunciantes mais controle que a correspondência ampla, enquanto mantinha mais alcance que a correspondência de frase. As palavras-chave BMM eram criadas adicionando um sinal de mais (+) antes das palavras que deveriam ser incluídas na consulta de pesquisa, como “+tênis +corrida”, que corresponderia a pesquisas contendo tanto “tênis” quanto “corrida” em qualquer ordem. O BMM era popular entre anunciantes que queriam equilibrar alcance com relevância, particularmente na era anterior aos algoritmos modernos de Smart Bidding. No entanto, em fevereiro de 2021, o Google anunciou que começaria a incorporar comportamentos do BMM na correspondência de frase e, em julho de 2021, o BMM foi totalmente descontinuado. As palavras-chave BMM existentes foram automaticamente convertidas para correspondência de frase expandida. Essa consolidação refletiu a mudança estratégica do Google em direção à simplificação da correspondência de palavras-chave e maior dependência de algoritmos de aprendizado de máquina, em vez de restrições de tipo de correspondência especificadas pelo anunciante. A descontinuação do BMM foi controversa na comunidade PPC, pois muitos anunciantes sentiram que isso reduziu seu controle sobre a correspondência de palavras-chave. No entanto, a posição do Google era que os algoritmos modernos de Smart Bidding, combinados com capacidades melhoradas de correspondência ampla, poderiam alcançar melhores resultados do que o controle manual que o BMM proporcionava. Para anunciantes que dependiam fortemente do BMM, a transição exigiu adotar a correspondência ampla com Smart Bidding ou migrar para a correspondência exata para um controle mais rigoroso. Esta evolução demonstra como a indústria de publicidade está se movendo em direção a maior automação e otimização orientada por IA, com menor dependência de gerenciamento manual de palavras-chave.

Correspondência Ampla e Monitoramento de Marca na Busca com IA

Para organizações como a AmICited que monitoram aparições de marca em plataformas de busca com IA e redes PPC, compreender a correspondência ampla é crucial para a proteção abrangente da marca e inteligência competitiva. Quando concorrentes fazem lances em palavras-chave de correspondência ampla relacionadas à sua marca, seus anúncios podem aparecer em pesquisas que incluem o nome da sua marca mais termos relacionados, como “sua marca vs. concorrente” ou “alternativa à sua marca”. Da mesma forma, ao rastrear onde sua própria marca aparece em resultados de busca gerados por IA de plataformas como Perplexity, ChatGPT, Google AI Overviews e Claude, o conceito de correspondência ampla ajuda a explicar por que sua marca pode aparecer em respostas a consultas que não mencionam explicitamente o nome da sua marca. Os sistemas de IA usam princípios de correspondência ampla — identificando conceitos relacionados, sinônimos e informações contextualmente relevantes — para recuperar e classificar conteúdo em suas respostas. Por exemplo, se sua marca é uma fornecedora líder de “software de gerenciamento de projetos”, um sistema de IA pode incluir sua marca em respostas a consultas sobre “ferramentas de colaboração em equipe” ou “plataformas de automação de fluxo de trabalho”, mesmo que esses termos exatos não estivessem na consulta original. Isso torna a compreensão da correspondência ampla essencial para marcas que buscam monitorar seu posicionamento competitivo em resultados de busca com IA. Além disso, compreender a correspondência ampla ajuda as marcas a identificar oportunidades para criar conteúdo que ranqueie para variações de pesquisa relacionadas, garantindo visibilidade em todo o espectro da intenção de pesquisa do cliente. Para anunciantes PPC, monitorar as estratégias de lance de correspondência ampla dos concorrentes — identificando em quais palavras-chave os concorrentes estão fazendo lances amplos — fornece inteligência competitiva valiosa sobre seus segmentos de clientes-alvo e posicionamento de mercado.

Equívocos Comuns Sobre Correspondência Ampla

“Correspondência ampla significa que meus anúncios aparecerão em pesquisas irrelevantes.” Isso era amplamente verdade antes da reforma do aprendizado de máquina do Google, mas a correspondência ampla moderna avalia a intenção em relação às outras palavras-chave do seu grupo de anúncios e ao conteúdo da página de destino antes de fazer a correspondência — não é uma simples detecção de palavras-chave. O risco real não é a irrelevância inerente; é executar correspondência ampla sem Smart Bidding ou uma lista de palavras-chave negativas, o que remove as salvaguardas que mantêm a correspondência disciplinada.

“Como é o tipo de correspondência padrão, a correspondência ampla é a melhor escolha para toda campanha.” Padrão não significa universalmente ideal. A análise da Adalysis com mais de 16.000 campanhas constatou que a correspondência exata ainda oferece as maiores taxas de CTR e conversão; a correspondência ampla ganha seu lugar especificamente em campanhas B2C com dados de conversão suficientes para treinar o Smart Bidding, não como padrão universal.

“A correspondência de frase me dá mais controle que a correspondência ampla, então não preciso me preocupar com as desvantagens da correspondência ampla.” A correspondência de frase se aproximou do comportamento da correspondência ampla nos últimos anos e frequentemente retorna resultados semelhantes, portanto tratá-la como um meio-termo significativamente mais seguro é uma visão ultrapassada — o verdadeiro mecanismo de controle agora são as palavras-chave negativas, independentemente do tipo de correspondência.

“O modificador de correspondência ampla ainda existe como opção.” O BMM foi totalmente descontinuado em julho de 2021; qualquer palavra-chave que usava a sintaxe “+palavra” foi automaticamente convertida para correspondência de frase expandida. Campanhas ainda baseadas na lógica do BMM estão operando com um tipo de correspondência que não existe mais.

“CPA mais alto em campanhas de correspondência ampla significa sempre pior desempenho.” A Adalysis descobriu que, sob lances de Maximizar Valor de Conversão, a correspondência ampla gerou maior receita por conversão do que a correspondência exata, apesar de um CPA mais alto — julgar a correspondência ampla apenas por métricas de custo por clique ignora onde o valor real aparece.

Principais Conclusões para Implementação da Correspondência Ampla

• A correspondência ampla é o tipo de correspondência padrão no Google Ads e outras plataformas PPC, oferecendo o maior alcance, mas exigindo gerenciamento cuidadoso com palavras-chave negativas e Smart Bidding
• O Smart Bidding é essencial para o sucesso da correspondência ampla, pois usa aprendizado de máquina para otimizar lances com base em sinais contextuais e probabilidade prevista de conversão
• Palavras-chave negativas são seu mecanismo de controle, permitindo excluir pesquisas irrelevantes enquanto mantém os benefícios de alcance da correspondência ampla
• Relatórios de termos de pesquisa são críticos para identificar tanto gastos desperdiçados em pesquisas irrelevantes quanto novos termos de pesquisa de alto desempenho para segmentar
• A correspondência ampla pode gerar maior receita por conversão quando combinada com estratégias de lance apropriadas, apesar de frequentemente ter custo por aquisição mais alto
• A correspondência exata continua sendo a mais eficiente para B2B e nichos de mercado onde a qualidade do lead é primordial, enquanto a correspondência ampla se destaca em campanhas B2C com bons dados de conversão
• A correspondência de frase tornou-se menos confiável e frequentemente se comporta de forma semelhante à correspondência ampla, tornando-a menos útil como opção intermediária
• A IA e o aprendizado de máquina continuam aprimorando a correspondência ampla, tornando-a cada vez mais eficaz na identificação de pesquisas relevantes e otimização de desempenho
• Monitoramento e otimização regulares de campanhas de correspondência ampla por meio de análise de termos de pesquisa e gerenciamento de palavras-chave negativas são essenciais para manter a eficiência
• Os princípios de correspondência ampla estendem-se além do PPC para plataformas de busca com IA, onde entender como os sistemas combinam consultas com conteúdo é valioso para monitoramento de marca e inteligência competitiva