Atribuição de marketing é o processo de identificar quais canais, campanhas e interações contribuíram para uma venda ou conversão. Sem ela, o orçamento de marketing se distribui por intuição. Com ela, cada real alocado em mídia, conteúdo ou CRM tem uma justificativa que o CFO consegue ler e o time consegue agir. A diferença entre as duas situações é, na prática, a diferença entre crescer com método e crescer por sorte.
A Gois Construtora chegou à Storica com um problema recorrente em empresas do setor: investimento alto em mídia, resultado razoável em leads, mas nenhuma clareza sobre quais canais geravam as visitas que viravam venda. O time de marketing defendia o Google. A diretoria apostava no Instagram. Ninguém tinha dado para provar. Em três meses de trabalho conjunto, com rastreamento ponta a ponta e modelo de atribuição calibrado, o custo de conversão caiu de R$26 para R$9 e o volume de cadastros cresceu 41%. O que mudou foi a leitura.
Por que o last-click ainda domina, e por que isso é um problema
O modelo de atribuição mais usado no mercado ainda é o last-click: 100% do crédito vai para o último canal que o usuário tocou antes de converter. Ele é simples, fácil de configurar e completamente enganoso para qualquer jornada de compra que dure mais de um dia.
Pense no comprador típico de um imóvel ou de um curso de graduação. Ele vê um anúncio no Instagram na segunda-feira, pesquisa no Google na quarta, lê um artigo no blog na sexta, abre um e-mail de nutrição no domingo e entra direto no site na terça para preencher o formulário. O last-click dá todo o crédito ao acesso direto. O Instagram, o Google, o blog e o e-mail ficam com zero. O time corta os quatro no próximo ciclo de orçamento. As conversões caem.
Por isso, o Google Analytics 4 migrou o modelo padrão para atribuição baseada em dados, e especialistas em mensuração de mídia apontam de forma consistente que campanhas avaliadas apenas por last-click subestimam significativamente o valor do topo do funil, levando a decisões de budget que penalizam canais de prospecção e construção de demanda. A solução não é abandonar atribuição, mas escolher o modelo certo para o estágio da empresa. O problema é de leitura.
Quais são os modelos de atribuição e quando usar cada um
Não existe modelo perfeito. Existe o modelo mais adequado ao tipo de jornada e ao nível de maturidade de dados da empresa. A tabela abaixo organiza os principais modelos por lógica e quando faz sentido usar cada um.
| Modelo | Lógica de crédito | Quando usar | Limitação principal |
|---|---|---|---|
| Last-click | 100% para o último canal | Jornadas curtas, produto de impulso | Ignora tudo que veio antes |
| First-click | 100% para o primeiro canal | Avaliar canais de descoberta | Ignora o que fecha a venda |
| Linear | Crédito igual para todos os toques | Jornadas longas sem dado suficiente | Trata todos os toques como iguais |
| Position-based (U-shape) | 40% primeiro, 40% último, 20% no meio | Jornadas B2B com múltiplos contatos | Regra fixa, não aprende com dado |
| Data-driven (GA4) | Crédito proporcional ao impacto real | Contas com volume de conversão suficiente | Exige histórico e volume mínimo |
| MMM (Marketing Mix Modeling) | Regressão estatística por canal | Empresas com múltiplos canais e séries históricas | Custo e complexidade altos |
Para a maioria das empresas médias, o ponto de partida prático é o modelo data-driven do GA4, combinado com revisão periódica dos relatórios de assistência de conversão. O modelo é a regra de crédito: define qual canal recebe quanto do mérito por uma conversão. O relatório de assistência é como o GA4 aplica essa regra aos dados reais da conta. Esse cruzamento já resolve a maior parte das decisões de orçamento de marketing sem exigir infraestrutura de dados sofisticada.
O Marketing Mix Modeling entra quando a empresa tem múltiplos canais operando em paralelo, incluindo offline, e precisa de uma visão estatística do impacto de cada um. É o passo seguinte, não o primeiro. Empresas que ainda não têm rastreamento básico funcionando não estão prontas para MMM.
North Star Metric: a métrica que organiza todas as outras
Com múltiplos canais, múltiplos modelos e múltiplas métricas operando ao mesmo tempo, o risco é perder o fio condutor. Cada canal defende sua própria métrica, e o dashboard vira uma coleção de números sem hierarquia clara.
A North Star Metric resolve esse problema. É uma única métrica que representa o valor central que a empresa entrega ao cliente e que, quando cresce, indica que o negócio está crescendo de forma saudável. É o indicador que conecta comportamento do cliente com resultado de negócio.
Para uma construtora, a North Star pode ser o número de visitas qualificadas ao estande por mês. Para uma faculdade, pode ser o número de matrículas efetivadas. Para um e-commerce, pode ser o número de clientes com segunda compra realizada. Cada empresa tem a sua, e ela precisa ser escolhida com cuidado porque vai orientar todas as decisões de orçamento de marketing abaixo dela.
A lógica é simples: se a North Star está crescendo, o orçamento está bem alocado. Se ela estagna enquanto métricas de canal sobem, há um descolamento entre execução e resultado. Esse descolamento é o sinal de que algo na atribuição ou na estratégia precisa ser revisado.
O post sobre North Star Metric: como definir e usar na prática tem um guia de escolha por tipo de negócio com exemplos de empresas médias brasileiras.
Como saber se o rastreamento está funcionando de verdade
Antes de discutir modelo de atribuição, é preciso garantir que o rastreamento está íntegro. Um modelo sofisticado aplicado sobre dados quebrados produz conclusões erradas com aparência de precisão. Isso é pior do que não ter modelo nenhum.
Os sinais de rastreamento com problema são previsíveis. O volume de conversões no GA4 não bate com o CRM. Há um percentual alto de tráfego classificado como “direto” sem explicação. Formulários de lead aparecem no site, mas não chegam ao painel de conversões. Campanhas de e-mail não têm UTM, então o tráfego some em “direto”. Cada um desses sintomas aponta para um buraco no dado.
O checklist básico de rastreamento antes de qualquer decisão de orçamento:
- GA4 instalado via GTM, com eventos de conversão configurados e verificados
- Pixel do Meta e tag do Google Ads ativos, com conversões de formulário mapeadas
- UTM padronizado em todos os links de campanha (e-mail, social, mídia paga)
- Integração entre GA4 e CRM para fechar a jornada do lead até a venda
- Relatório de assistência de conversão ativo no GA4 para ver todos os canais que tocaram a jornada
Sem esse chão, qualquer conversa sobre atribuição é prematura. Com ele, as decisões de alocação de verba passam a ter fundamento. O post sobre configuração de GA4 e rastreamento de conversões detalha esse processo passo a passo.
Como distribuir o orçamento de marketing entre os canais, com KPIs por camada
Não existe fórmula universal para distribuição de orçamento de marketing. Existe, no entanto, uma lógica que reduz o risco de alocar verba errada: começar pelo dado histórico, testar na margem e escalar o que prova resultado.
O ponto de partida é o relatório de assistência de conversão dos últimos 90 dias. Quais canais geraram conversões assistidas? Quais fecharam venda? Qual o CAC por canal? Com esse dado em mão, a distribuição deixa de ser opinião e passa a ser hipótese testável. O modelo de atribuição escolhido define como o crédito se distribui entre os canais; o relatório de assistência mostra como essa regra se aplica ao histórico real da conta.
Uma referência prática de alocação para empresa média em crescimento: equilibrar o budget de mídia entre canais de demanda ativa (busca paga, busca orgânica) e canais de geração de demanda (social, display, e-mail), sem concentrar excessivamente os recursos em apenas uma das frentes. A proporção varia por setor e maturidade, mas a lógica permanece: capturar quem já está procurando antes de criar demanda nova.
O erro mais caro nessa etapa é proteger canal por preferência, não por dado. Isso acontece quando o time não tem acesso ao relatório de atribuição completo, ou quando o relatório não conecta canal com resultado de negócio. Orgulho de canal é o que queima budget.
KPIs por camada: operacional e executiva
Cada canal tem métricas que fazem sentido dentro dele e métricas que precisam ser cruzadas com o resultado de negócio para ter valor real. O erro mais comum é usar KPI de canal como se fosse KPI de negócio. Impressão, alcance e taxa de clique são métricas de canal: dizem se o canal está operando bem tecnicamente, mas não dizem se ele está contribuindo para crescimento.
A estrutura mais funcional para empresa média é organizar KPIs em duas camadas. A primeira camada é operacional: métricas que o time de marketing acompanha semanalmente para calibrar execução. A segunda camada é executiva: métricas que o CEO e o CFO veem mensalmente para decidir alocação. Misturar as duas em um único dashboard cria ruído e paralisia.
| Canal | KPI operacional (time de marketing) | KPI executivo (board) |
|---|---|---|
| Google Ads (Search) | CPC, Quality Score, taxa de conversão por campanha | CAC por canal, volume de leads qualificados |
| Meta Ads | CPM, CTR, frequência, ROAS por conjunto | Custo por lead qualificado, contribuição no funil |
| E-mail marketing | Taxa de abertura, clique, cancelamento | Receita atribuída, taxa de reativação |
| SEO / Blog | Impressões, posição média, tráfego orgânico | Leads orgânicos, assistências de conversão |
| CRM / Nutrição | Taxa de avanço por etapa, tempo no funil | Taxa de conversão lead→venda, LTV do canal |
O post sobre dashboard de marketing para o board mostra como organizar essas camadas visualmente para uma reunião executiva sem perder profundidade técnica.
O que é incrementalidade e por que ela muda a leitura do ROAS
ROAS (retorno sobre investimento em mídia) é a métrica mais usada para avaliar campanha paga. Também é uma das mais enganosas quando lida de forma isolada.
O problema é simples: ROAS mede receita atribuída ao canal dividida pelo custo do canal. Mas não responde a pergunta mais importante: essa venda teria acontecido sem o anúncio? Se a resposta for sim, o ROAS está superestimado. O canal está recebendo crédito por uma venda que viria de qualquer jeito.
Incrementalidade é o conceito que resolve isso. Ela mede o quanto de resultado adicional um canal gerou em comparação com o cenário em que ele não existia. Para medir incrementalidade, a técnica mais acessível é o geo-lift test: dividir regiões geográficas similares em grupo exposto à campanha e grupo de controle (sem campanha), comparar os resultados e calcular o delta. O que o grupo exposto gerou a mais é o resultado incremental do canal.
Na prática, empresas que medem incrementalidade descobrem que parte significativa do ROAS vem de conversões que aconteceriam de qualquer forma, especialmente em campanhas de remarketing para base de clientes existentes. Isso não significa que remarketing não funciona. Significa que o ROAS do remarketing precisa ser lido com esse desconto.
Para empresas que ainda não têm estrutura para geo-lift tests formais, o passo intermediário é separar o ROAS de prospecção (audiências frias, novos usuários) do ROAS de remarketing (usuários que já interagiram). A diferença entre os dois já dá uma leitura mais honesta do impacto real de cada campanha.
O post sobre atribuição multi-touch e modelos de mensuração aprofunda a diferença entre ROAS de atribuição e ROAS incremental com exemplos de campanha.
Como a Gois Construtora saiu de R$26 para R$9 por conversão
O case da Gois ilustra como leitura de atribuição muda decisão de orçamento de marketing. Antes do trabalho conjunto com a Storica, o time tinha campanhas ativas no Google e no Meta, mas sem rastreamento integrado entre os dois canais e sem conexão com o CRM. Cada plataforma reportava seu próprio resultado, e os números não conversavam entre si.
O primeiro passo foi instrumentar o rastreamento ponta a ponta: GTM configurado, eventos de conversão mapeados no GA4, UTMs padronizados em todas as campanhas, integração entre leads gerados online e o processo comercial interno. Com isso, tornou-se possível ver, pela primeira vez, qual canal gerava leads que viravam visita e quais geravam volume sem qualidade.
O relatório de atribuição mostrou que o Google Search tinha custo por conversão qualificada de R$9. O Meta tinha custo de R$26 para o mesmo tipo de lead. O time havia alocado verba de forma relativamente equilibrada entre os dois. Com o dado visível, a realocação foi direta: mais budget para Search, ajuste de estratégia no Meta focando em topo de funil e reconhecimento, menos pressão por conversão imediata no social.
Em três meses, o custo de conversão caiu para R$9 como média geral, o volume de cadastros cresceu 41% e o investimento total em mídia offline caiu 60%. O resultado não veio de mais budget. Veio de melhor leitura do que o budget existente estava fazendo.
O case completo está em storica.ag/cases/gois-construtora.
Quando o dado não fecha: o que fazer com canais sem rastreamento
Nem todo canal é rastreável com precisão. Indicação, evento presencial, mídia offline, assessoria de imprensa, boca a boca, patrocínio. Esses canais existem, geram resultado e não aparecem em nenhum relatório de atribuição digital.
A resposta prática é criar mecanismos de captura de origem no momento da conversão. Formulários com campo “como você nos conheceu” estruturado (não campo aberto, mas opções definidas) já resolvem boa parte do problema. Códigos de desconto exclusivos por canal offline, URLs rastreadas em materiais impressos e perguntas qualificadoras no processo comercial complementam a coleta.
Com o tempo, o cruzamento entre o dado digital e a informação declarada pelo lead começa a revelar padrões. Leads que chegam por indicação, por exemplo, tendem a ter taxa de conversão significativamente maior que leads de mídia paga, mas representam uma fração menor do volume total. Esse padrão qualitativo, mesmo sem um número preciso por conta, já justifica investimento em programa de indicação, mesmo que o canal não apareça no GA4.
O Marketing Mix Modeling entra aqui como ferramenta para empresas com histórico suficiente. Ele usa regressão estatística para estimar o impacto de cada canal, incluindo offline, sobre as conversões totais. É uma abordagem mais sólida, mas exige ao menos 24 meses de dados históricos e um volume de investimento que justifique o custo de modelagem. Para a maioria das empresas médias, o caminho é o formulário estruturado + processo comercial disciplinado + revisão trimestral do mix.
A frente de dados da Storica cobre desde a instrumentação básica de rastreamento até modelos de atribuição multi-touch e integração entre fontes online e offline.
Perguntas frequentes
Quais KPIs de marketing são mais importantes para acompanhar?
Depende do estágio e do canal. Para decisão de orçamento, os mais relevantes são CAC por canal, taxa de conversão por etapa do funil, custo por lead qualificado e LTV. Métricas de vaidade como impressão e alcance têm valor operacional, mas não orientam alocação de verba. O ponto é sempre conectar métrica de canal com resultado de negócio.
Como medir atribuição de marketing sem ferramentas caras?
GA4 com modelo data-driven é gratuito e cobre a maioria das necessidades de empresa média. O pré-requisito é rastreamento bem configurado: GTM instalado, eventos de conversão mapeados, UTMs padronizados em todas as campanhas. Com isso, o relatório de assistência de conversão do GA4 já mostra a contribuição de cada canal na jornada, sem custo adicional de ferramenta.
Quanto de verba investir em cada canal de marketing?
A distribuição ideal parte do dado histórico de atribuição, não de benchmark de mercado. O ponto de partida prático é alocar entre 40% e 60% do budget de mídia para canais de demanda ativa (busca paga e orgânica) e o restante para geração de demanda. Dentro de cada canal, a realocação acontece com base no CAC e na taxa de conversão observados, revisados a cada 30 a 90 dias.
Dá para saber de onde veio a venda com precisão?
Com rastreamento bem configurado e modelo de atribuição adequado, dá para saber com boa aproximação. Precisão absoluta não existe porque parte da jornada acontece em canais não rastreáveis (indicação, offline, boca a boca). A solução prática é combinar dado digital com informação declarada pelo lead no momento da conversão, e revisar o padrão periodicamente para ajustar o modelo.
O que é incrementalidade e por que importa para o orçamento?
Incrementalidade mede o resultado adicional que um canal gerou comparado ao cenário sem ele. Um canal com ROAS alto mas incrementalidade baixa está recebendo crédito por vendas que aconteceriam de qualquer forma. Considerar incrementalidade evita alocar budget em canais que parecem eficientes mas não estão gerando crescimento real. O geo-lift test é a forma mais acessível de medir isso.
Como a Storica pode ajudar a estruturar a atribuição de marketing?
O trabalho começa com diagnóstico do rastreamento atual: o que está funcionando, o que está quebrado e o que está faltando. A partir disso, a Storica instrumenta o rastreamento ponta a ponta, configura o modelo de atribuição adequado ao volume e à jornada do cliente, e entrega um dashboard executivo que conecta canal com resultado de negócio. O Growth Score é o primeiro passo para esse diagnóstico.
Cofundador da Storica, Marcos é especialista em Growth Marketing e Estratégia. São quase 20 anos de experiência em projetos de consultoria em estratégia, growth e marketing para algumas das principais marcas do país.
