Atribuição de marketing: modelos, como escolher e armadilhas

Fim do mês, reunião de resultado. Marketing diz que gerou 40 oportunidades; Vendas diz que fechou 8 e que a maioria veio de indicação, não de campanha. Mesmo período, mesmos clientes, histórias opostas — ninguém mentindo, os dois só usando regras de atribuição diferentes sem nunca ter combinado qual vale. Este guia cobre os modelos (com uma jornada trabalhada nos quatro), como escolher pela pergunta certa, o que mudou no GA4 (com fonte) e as armadilhas de quem já montou isso na prática.

O que é atribuição de marketing

Um cliente B2B quase nunca clica num anúncio e compra. Ele vê um post, some, volta por uma busca, baixa um material, aparece numa live, pede indicação pra um colega e só depois preenche o formulário. São muitos toques ao longo de semanas ou meses, com 6 a 10 pessoas envolvidas na decisão, e a maior parte da jornada acontece sem contato nenhum com vendas^[1]. A atribuição de marketing é a regra que decide, entre todos esses toques, quem leva o crédito pela venda. E como é uma regra — uma escolha — não existe versão verdadeira. Existe a que você combinou usar.

Esse é o problema que a atribuição resolve, e o motivo de ela quebrar tanto. Na cena da reunião lá em cima, ninguém está mentindo: Marketing conta a primeira visita como toque, Vendas só conta quando virou reunião, e os relatórios nunca batem porque cada um está aplicando uma régua diferente sobre a mesma jornada.

O diagnóstico que quase ninguém encara: o problema da atribuição raramente é o modelo — é o dado de origem e a falta de combinado. Antes de discutir se você usa último clique ou data-driven, três coisas mais básicas costumam estar quebradas. Um, a origem não é marcada: metade dos deals no CRM entra com canal em branco, e aí qualquer modelo divide crédito sobre um dado que não existe. Dois, cada time define toque de um jeito. Três, ninguém escolheu o modelo de propósito — o modelo em uso é o default da ferramenta, quase sempre o último clique, e ninguém sabe que escolheu.

Por que isso vira dinheiro na mesa: se o seu modelo é último clique e o seu canal de descoberta é conteúdo orgânico, o relatório vai dizer que orgânico “não converte” — porque quem descobriu por lá voltou pelo “direto” e fechou. Você corta o orgânico, o topo do funil seca dois meses depois, e ninguém liga uma coisa à outra. Atribuição errada não é problema de relatório: é problema de alocação de verba, e distorce toda métrica que depende de canal, do CPL por canal ao CAC por origem. Você desliga o que funciona porque o crédito foi pro lugar errado.

Os modelos vão do mais simples ao mais honesto — e cada um responde uma pergunta diferente. Vale ter o mapa antes de escolher:

Como escolher o modelo

A escolha não começa no modelo — começa na pergunta. “Onde nasce a demanda?” pede primeiro-toque. “O que fecha?” pede último-toque. “Onde escalar mídia?” pede data-driven ou posicional. Escolha o modelo pela pergunta, nunca o contrário. O melhor modelo é o certo pra sua decisão; o pior é o que você usa sem saber que escolheu.

Em B2B de ciclo longo e muitos toques, algo multi-toque (posicional ou data-driven) reflete melhor a realidade do que qualquer modelo de um toque só. Mas o data-driven tem um pré-requisito duro: volume. O modelo algorítmico precisa de bastante conversão pra aprender — o Google recomendava algo como 300 conversões e 3.000 interações em 30 dias antes de remover o piso obrigatório^[2]. Negócio de ticket alto e baixo volume raramente chega lá; nesses casos, um modelo posicional bem definido é mais honesto que um data-driven treinado com dado insuficiente.

Dois parâmetros decidem mais que o nome do modelo. O primeiro é a janela de lookback: ela precisa cobrir o seu ciclo de vendas real. Ciclo de 90 dias com janela de 30 apaga dois terços da jornada — a descoberta some e o crédito escorre estruturalmente pro último clique. O segundo é o par primário + secundário: escolha um modelo pra decisão macro (ex.: posicional) e um de contraste (ex.: primeiro-toque, pra enxergar a descoberta), e reporte os dois lado a lado. O que não se faz nunca é trocar um pelo outro no mesmo slide.

E a régua tem que sobreviver ao funil inteiro. O crédito de origem precisa passar pelo handoff de MQL pra SQL sem se perder no meio — se a origem some no handoff, a venda fica órfã de canal e volta pro balde “direto”. Só faz sentido atribuir a origem de um MQL se a definição de MQL for única entre marketing e vendas; senão você atribui um lead que vendas nem reconhece.

Benchmarks e o que mudou no GA4

Antes de comparar: atribuição não é uma métrica com meta numérica — não existe “atribuição boa = X%”. Os números aqui são de contexto (o tamanho da jornada que você precisa cobrir), não alvo pra bater. E o contexto é claro: a jornada B2B tem 6 a 10 decisores e passa a maior parte do tempo longe de vendas^[1] — ou seja, é sempre multi-toque na vida real. Quem reporta em último clique está descrevendo o fim da jornada e chamando de 100%.

E a ferramenta não te salva. O próprio GA4 aposentou os modelos multi-toque baseados em regra em novembro de 2023 e ficou só com data-driven e variações de último clique^[3] — parte de um movimento do Google de tratar o data-driven como padrão^[4]. Na prática: a leitura multi-toque sofisticada, dentro da ferramenta padrão, agora depende de um volume de dado que a maioria dos negócios de ticket alto não tem. Quem precisa de primeiro-toque, linear ou posicional hoje monta fora do GA4 — no CRM ou num painel próprio.

Como implementar na prática

Armadilhas comuns

Estes são os erros que mais aparecem quando ajudamos um time a montar atribuição do zero — a maioria nasce da origem em branco e do combinado que nunca houve, não da matemática do modelo.

Discutir o modelo com a origem em branco

O erro nº 1 é começar pela discussão “último clique ou data-driven?” com metade dos deals sem canal marcado no CRM. Não importa o modelo: você está repartindo crédito sobre um dado que não existe. A gente encontra origem nula chegando a metade da base com frequência. Antes de escolher modelo, arruma a marcação — senão é atribuição de fantasia, sofisticada por fora e oca por dentro.

Deixar o último clique como default e não saber que escolheu

O erro mais silencioso: a ferramenta vem em último clique, ninguém mexeu, e o time decide verba achando que o número é neutro. Aí o canal de descoberta (orgânico, conteúdo) aparece “não convertendo” — porque quem descobriu por lá voltou pelo “direto” e fechou. Já vi time cortar o que gerava demanda porque o crédito foi todo pro fim do funil. O modelo não escolhido é o que mais engana.

Janela de lookback mais curta que o ciclo de vendas

Em negócio de ciclo longo, o erro que mais aparece é rodar atribuição com a janela padrão da ferramenta (30 dias) enquanto a venda leva 90. Os toques do começo da jornada simplesmente não entram na conta: a descoberta some e o crédito escorre estruturalmente pro último clique. O time conclui que “topo de funil não traz venda”, quando na verdade a régua estava cega pra ele.

Tratar o balde “direto/não identificado” como se fosse um canal

Quando o cookie cai, a UTM some ou a pessoa troca de aparelho, a origem vira “direto”. Já vi “direto” ser o maior “canal” do relatório e o time comemorar como se fosse força de marca. Não é canal — é o cemitério do dado que você perdeu. Ler “direto” como resultado leva a subestimar tudo que trouxe aquela pessoa de verdade. Se “direto” está gigante, o problema é de captura de origem, não de desempenho.

Trocar o modelo no meio do jogo

Trocar de último clique pra data-driven entre um trimestre e outro e comparar os dois como se fossem a mesma régua. Os canais “mudam de desempenho” da noite pro dia — não porque mudaram, mas porque a régua mudou. Já vi decisão de cortar canal tomada em cima dessa ilusão. Se for trocar de modelo, recalcule o histórico na régua nova antes de comparar.

Confundir atribuição com incrementalidade

O toque levou crédito — mas ele causou a venda ou só apareceu no caminho de quem ia comprar de qualquer jeito? Atribuição correlaciona, não prova causa. O anúncio de marca pra quem já ia te procurar leva crédito e não gerou nada. A única forma de saber o que é incremental é testar: ligar e desligar o canal e medir o delta na receita. Confiar cegamente no crédito atribuído é pagar caro por toques que não movem a agulha.

Perseguir a atribuição perfeita e paralisar a decisão

O erro mais caro intelectualmente: gastar seis meses buscando o modelo que reparte o crédito de forma exata. Não existe — privacidade, multi-aparelho e o toque offline (a indicação no cafezinho) garantem que sempre falta pedaço. Enquanto o time persegue a precisão, ninguém decide verba. A atribuição serve pra dar direção consistente, não verdade absoluta. Quem espera o número perfeito nunca aloca.

Checklist de implementação

Transforme atribuição em rotina, não em planilha

A escolha do modelo você pensa uma vez. O que não cabe em planilha é a manutenção: a origem vive em três lugares (analytics, CRM, automação), muda todo dia e precisa casar pessoa com deal continuamente. Refazer isso na mão a cada mês é onde o processo morre. É exatamente o que a plataforma Intelligence da Incuca faz — casa as três pontas numa fonte única e publica a atribuição por canal viva, pra o time inteiro ler igual e decidir verba sobre o mesmo número.