Modelos de atribuição multi-touch explicados: entendendo a jornada do cliente

Atribuição é o processo de atribuir crédito pelas conversões aos canais de marketing que contribuíram para elas. Os modelos de toque único (primeiro clique, último clique) atribuem todo o crédito a um único ponto de contato. Os modelos multi-touch distribuem o crédito entre vários pontos de contato. A distinção importa porque os modelos de toque único representam de forma sistematicamente incorreta o que realmente está gerando resultados.

O panorama dos modelos de atribuição

Atribuição por último clique. 100% do crédito vai para o último ponto de contato antes da conversão. Isso supervaloriza os canais de fundo de funil (busca de marca, acesso direto, retargeting) e subvaloriza tudo o que aconteceu antes do clique final. A atribuição por último clique diz que seus anúncios de reconhecimento não fizeram nada — porque o último clique veio de uma busca de marca que aconteceu por causa do anúncio de reconhecimento.

Atribuição por primeiro clique. 100% do crédito vai para o primeiro ponto de contato. Isso supervaloriza os canais de topo de funil e subvaloriza as atividades de nutrição e conversão que fecharam a venda. A atribuição por primeiro clique diz que seu retargeting não fez nada — porque o primeiro clique veio de uma postagem orgânica nas redes sociais.

Atribuição linear. O crédito é dividido igualmente entre todos os pontos de contato. Mais justa que os modelos de toque único, mas trata todos os pontos de contato como igualmente importantes — um anúncio clicado por acidente recebe o mesmo crédito que uma solicitação de demonstração. Nem todos os toques são criados iguais.

Atribuição por decaimento temporal. Mais crédito para os pontos de contato mais próximos da conversão. Isso reflete a realidade de que pontos de contato posteriores tendem a ser mais influentes — mas subvaloriza os pontos de contato de reconhecimento que tornaram o engajamento posterior possível.

Atribuição baseada em posição (em forma de U). 40% do crédito para o primeiro toque, 40% para o último toque e 20% distribuídos entre os toques intermediários. Isso reflete a realidade de que tanto a introdução quanto o momento da conversão importam mais que a nutrição intermediária — porcentagens arbitrárias, mas direcionalmente mais precisas que a linear.

Atribuição orientada por dados (DDA). Usa aprendizado de máquina para atribuir crédito com base no que de fato gerou conversões nos seus dados específicos. Disponível no Google Ads e no GA4. A DDA é o modelo mais sofisticado e exige volume suficiente de conversões para funcionar — normalmente centenas de conversões por mês. Abaixo desse limite, o modelo não tem dados suficientes para aprender.

Qual modelo você deve usar?

Para a otimização do dia a dia, use a atribuição orientada por dados se você tiver volume de conversões suficiente. É o modelo mais fundamentado nos seus dados reais, em vez de suposições sobre como o crédito deve ser distribuído.

Para decisões estratégicas, compare os resultados entre vários modelos. Se um canal recebe crédito significativo nos modelos de primeiro clique, linear e orientado por dados, provavelmente está contribuindo de verdade. Se ele só recebe crédito no último clique, pode estar capturando crédito por conversões que teriam acontecido de qualquer forma.

Para as decisões mais importantes, complemente a atribuição com testes de incrementalidade — mensurar o que realmente mudou por causa do seu marketing, e não apenas modelar como distribuir crédito. A atribuição conta uma história sobre o que aconteceu. O teste de incrementalidade mostra o que teria acontecido se você tivesse feito algo diferente. São perguntas diferentes com respostas diferentes.

O princípio da honestidade na atribuição

Qualquer modelo que você use, reconheça suas limitações. Todos os modelos de atribuição são simplificações de uma realidade bagunçada. As pessoas veem anúncios no celular, pesquisam no notebook e convertem no computador do trabalho. Os três dispositivos parecem três pessoas diferentes para os sistemas de atribuição. As conversões view-through — compras influenciadas por um anúncio que a pessoa viu, mas no qual não clicou — são invisíveis para a atribuição baseada em cliques. O modelo está sempre errado. A questão é se ele está errado numa direção que ajuda você a tomar decisões melhores ou piores.