O problema que a atribuição resolve
Um cliente vê um anúncio no Instagram, pesquisa a marca no Google três dias depois, recebe um e-mail de remarketing, e compra clicando num anúncio de busca paga com o nome da marca. Qual canal "causou" a venda?
Sem um modelo de atribuição definido, cada plataforma responde "eu" — Google Ads credita a busca de marca, Meta credita o Instagram, e-mail credita o remarketing. Somados, o crédito total ultrapassa 100% da venda. É por isso que a soma de conversões reportadas por cada plataforma costuma passar longe do número real de vendas.
Precisa auditar esse cenário na sua empresa com dados reais? Converse com Wagner Hörlle para mapear pontos de melhoria ou simule o ganho na nossa Calculadora de Lucro Oculto.
| Pilar de Dados | Sintoma de Dados Não Confiáveis | Padrão de Auditoria Wagner Hörlle | Benefício para o Negócio |
|---|---|---|---|
| Integridade de Rastreamento | Discrepâncias > 20% entre GA4 e faturamento real | Taxonomia rígida de UTMs, dataLayer e CAPI sincronizados | Decisões com dado 100% auditável |
| Retenção Histórica | GA4 perdendo histórico após 2 meses padrão | Export automático diário para Google BigQuery | Patrimônio de dados proprietário |
| Atribuição Multicanal | Last-click distorcendo o valor de canais topo de funil | Modelagem data-driven combinada com cohorts de clientes | Alocação inteligente de orçamento |
| Métricas de Caixa | Dashboards com métricas de vaidade sem P&L | Unit economics reais (LTV, CAC, Margem de Contribuição) | Previsibilidade de escala sustentável |
Os modelos, em ordem de sofisticação
- Last click (último clique): 100% do crédito ao canal do último toque antes da conversão. Simples, mas superestima busca de marca e remarketing — canais que costumam ser o "fechamento", não a "descoberta".
- First click (primeiro clique): 100% do crédito ao canal que iniciou a jornada. Bom para entender o que gera descoberta, ruim para entender o que fecha a venda.
- Linear: crédito dividido igualmente entre todos os toques. Mais justo que os anteriores, mas trata um anúncio visto de relance com o mesmo peso de uma sessão de 10 minutos no site.
- Position-based (U-shaped): mais peso ao primeiro e ao último toque, menos aos do meio. Bom equilíbrio entre descoberta e fechamento.
- Data-driven: o modelo padrão do GA4, que usa machine learning para calcular o peso real de cada toque com base em dados históricos de conversão. É o mais preciso, mas precisa de volume de dados suficiente para funcionar bem.
Como escolher na prática
A pergunta certa não é "qual modelo é o melhor" — é "qual pergunta estou tentando responder":
- Para decisão de orçamento entre canais, data-driven (se houver volume) ou position-based são mais justos que last click
- Para entender o que gera awareness/descoberta, olhe first click isoladamente
- Para relatórios simples de operações pequenas, last click ainda é aceitável — desde que todos saibam a limitação
- Nunca compare relatórios de plataformas diferentes sem saber o modelo de atribuição de cada uma — Meta, Google e GA4 frequentemente usam janelas e modelos diferentes por padrão
O pré-requisito para qualquer modelo funcionar é o mesmo: tracking correto. Se o GA4 não está capturando UTMs consistentes e eventos de conversão limpos (veja o checklist em GA4 configurado corretamente), nenhum modelo de atribuição — por mais sofisticado — vai corrigir dado sujo na entrada.
