Performance marketing: do CAC à atribuição multi-touch

ROAS de 8x não significa crescimento. Significa apenas que você está medindo o canal certo, na janela certa, com o modelo de atribuição que favorece o resultado que você quer enxergar. Performance marketing de verdade é outra coisa: é o sistema que conecta investimento em mídia a resultado de negócio, com rastreabilidade suficiente para saber o que repetir e o que cortar.

Este post cobre os fundamentos operacionais de performance marketing para quem já passou da fase de “subir campanha e torcer”. Se você tem mandato para crescer, um time enxuto e a pressão de provar ROI para o board, o que está aqui é o mapa que faltava.

O que performance marketing significa na prática (e o que não significa)

Performance marketing é qualquer ação de marketing digital estruturada para gerar resultado mensurável: lead, venda, matrícula, cadastro, visita comercial. O pagamento, em muitos modelos, está atrelado ao resultado. Mas o conceito vai além do modelo de compra de mídia.

Na operação real, performance marketing é o conjunto de três práticas que precisam funcionar juntas: rastreamento confiável (saber de onde veio cada conversão), atribuição honesta (dar o crédito certo para cada ponto de contato) e ciclo de otimização contínuo (testar, aprender, ajustar). Sem as três, você tem campanhas. Com as três, você tem sistema.

O que performance marketing não é: sinônimo de Google Ads ou Meta Ads. Não é ROAS alto isolado de contexto. E definitivamente não é “anúncio que converte” sem entender o que acontece antes e depois do clique.

Essa distinção importa porque a maioria dos problemas de performance que a gente encontra em diagnóstico não é problema de criativo, de lance ou de segmentação. É problema de sistema: dado quebrado, atribuição errada, otimização baseada em métrica que não representa o negócio.

CAC: o número que todo executivo cita e quase ninguém calcula direito

CAC é sintoma. O problema costuma ser outro. Mas para diagnosticar o problema, você precisa calcular o CAC corretamente, e aí começa a confusão.

A versão simplificada que a maioria usa: total investido em mídia dividido pelo número de clientes adquiridos no período. O problema dessa fórmula é que ela ignora o custo de operação do time de marketing, as ferramentas, a produção de criativo, o tempo de pré e pós-clique. Ou seja, ela subestima o custo real de aquisição e cria uma sensação de eficiência que não existe.

O CAC completo inclui: investimento em mídia paga + fee de agência + custo de ferramentas de automação e CRM + custo de produção de conteúdo e criativo + salário proporcional do time de marketing que opera a aquisição. Tudo isso dividido pelo número de novos clientes no período.

Quando a Gois Construtora chegou à Storica, o custo de conversão declarado era R$26. Depois de mapear o custo real ponta a ponta e reestruturar a operação de mídia com rastreamento correto e testes de criativo contínuos, esse número foi a R$9 em três meses. A diferença não estava no lance do Google. Estava em saber o que estava sendo medido.

CAC payback: a métrica que o CFO entende sem explicação

CAC isolado não diz muito. O que diz algo é o CAC payback: em quantos meses o cliente paga o custo que você teve para adquiri-lo. Para a maioria das empresas de serviço e SaaS, um payback de até 12 meses é saudável. Para e-commerce com recompra alta, pode ser menos. Para construtora com ciclo longo, pode ser mais, mas precisa estar explícito.

Quando o CFO pergunta se marketing está funcionando, a resposta certa não é “o ROAS está em 6x”. A resposta certa é “cada cliente novo paga o custo de aquisição em X meses, e o LTV médio é Y”. Esse é o argumento que fecha orçamento.

Por que o last-click destrói a leitura de performance

Atribuição multi-touch resolve um problema que o last-click esconde: conversão quase nunca tem um único responsável. O comprador de empresa média lê um post no LinkedIn na quarta de manhã, clica num anúncio de Google na sexta à noite, abre o e-mail de nutrição no domingo e entra no site direto na terça para preencher o formulário. Dar 100% do crédito ao último clique é jogar fora 70% da informação sobre como aquele lead foi construído.

O modelo last-click cria um viés sistemático: favorece os canais de fundo de funil (Search de marca, remarketing direto) e penaliza os canais de topo que iniciam a jornada (conteúdo, social, Display). Com o tempo, o gestor corta os canais de topo porque “não convertem”, e o funil começa a secar porque ninguém está gerando demanda nova. É um ciclo de destruição lenta que parece eficiência no curto prazo.

A pesquisa do Think with Google com dados de múltiplos setores mostra que a jornada média até conversão envolve mais de quatro pontos de contato distintos antes da decisão final. Em categorias de ticket alto, esse número sobe para sete ou mais. Qualquer modelo que atribui 100% do crédito a um único ponto está errado por definição.

Os modelos que funcionam na prática

Existem vários modelos de atribuição. Na prática, três têm uso real em operações de performance no Brasil:

• Linear: distribui o crédito igualmente entre todos os pontos de contato. Simples, honesto, bom ponto de partida para quem está saindo do last-click.
• Position-based (U-shaped): dá mais peso ao primeiro toque (que iniciou a jornada) e ao último (que fechou a conversão), distribuindo o restante entre os intermediários. Faz sentido quando você quer entender tanto o canal de descoberta quanto o de fechamento.
• Data-driven: usa machine learning para calcular a contribuição real de cada canal com base no histórico de conversões. Requer volume mínimo de dados (em geral, pelo menos 400 conversões por mês para ser confiável). É o mais preciso, mas também o que mais exige em termos de infraestrutura de dados.

O modelo certo depende do volume de dados disponível e da maturidade da operação. Para a maioria das empresas médias, o position-based já é um salto enorme em relação ao last-click e não exige grande infraestrutura para implementar.

ROAS real versus ROAS de dashboard: a diferença que muda a decisão

ROAS de dashboard é o número que a plataforma reporta. ROAS real é o impacto incremental que aquela campanha gerou. Os dois raramente são iguais, e a diferença pode ser enorme.

O problema central é a sobreposição de atribuição: quando Google Ads, Meta Ads e o CRM de e-mail estão rodando ao mesmo tempo, cada plataforma reivindica o crédito pela mesma conversão. Você soma os ROAS de cada canal e chega a um número que é maior do que o faturamento real da empresa. Isso não é erro de cálculo, é o modelo de atribuição de cada plataforma funcionando como foi projetado, que é para maximizar o crédito do próprio canal.

O conceito de True ROAS ou ROAS incremental resolve isso: em vez de perguntar “quanto faturamos com essa campanha rodando?”, você pergunta “quanto a mais faturamos por causa dessa campanha, comparado com o que teríamos faturado sem ela?”. A diferença é o impacto real.

Para medir isso, existem duas abordagens principais. A primeira é o geo-lift test: você apaga a campanha em uma região geográfica por um período e compara o resultado com as regiões onde a campanha continuou rodando. A diferença é o lift real. A segunda é o holdout group: você exclui um percentual da audiência de todas as campanhas e compara a taxa de conversão desse grupo com quem foi impactado. O que o grupo exposto converte a mais é o efeito incremental.

Nenhum dos dois é simples de implementar. Mas qualquer operação que gasta mais de R$30 mil por mês em mídia e não faz pelo menos um teste de incrementalidade por trimestre está tomando decisões de orçamento com dado errado.

O Framework de 4 Camadas para medir performance de verdade

Na Storica, a gente usa um framework de quatro camadas para organizar os KPIs de performance de forma que faça sentido para o negócio, não só para a operação de mídia. Cada camada responde uma pergunta diferente.

Camada 1 — Incrementalidade: o investimento está gerando demanda real ou só capturando demanda que já existia? Métricas: lift test, holdout group, variação de conversão em períodos on/off.

Camada 2 — Eficiência de canal: cada canal está entregando ao menor custo possível dentro do seu papel no funil? Métricas: CPL por canal, CAC por canal, ROAS por canal com janela de atribuição consistente.

Camada 3 — Qualidade de audiência: os leads gerados estão convertendo em clientes reais? Métricas: taxa de MQL para SQL, taxa de SQL para cliente, LTV médio por canal de origem.

Camada 4 — Brand impact: o investimento em performance está construindo ou erodindo a marca? Métricas: share of search, volume de buscas diretas pela marca, NPS por coorte de origem.

O dashboard executivo que funciona tem no máximo sete métricas principais, uma ou duas de cada camada. Mais do que isso, o board para de olhar porque não sabe o que fazer com a informação. Menos do que isso, você está voando cego em alguma dimensão importante.

Para mais detalhes sobre como estruturar KPIs de performance além do ROAS, o post sobre Framework Completo de KPIs de Marketing de Performance cobre cada camada com mais profundidade.

Como os cases Jarilo, Terra Flor e Gois mostram o sistema funcionando

Três cases com contextos completamente diferentes, mas com a mesma lógica de operação: rastreamento correto, atribuição honesta, ciclo curto de aprendizado.

Jarilo: quando o problema era a mensagem, não o canal

O Jarilo é uma plataforma de inteligência artificial do agro criada pela CIBRA, maior empresa de fertilizantes do Brasil. Quando chegou à Storica, o CPA estava em R$60 e o volume de usuários ativos era baixo para o potencial do produto.

O diagnóstico inicial apontou um problema de posicionamento, não de mídia. A plataforma estava sendo comunicada como “rede social do agro”, e o produtor rural não entendia por que precisava disso. O teste A/B de mensagem revelou que “inteligência artificial do agro” gerava taxa de conversão 70% maior. Com o posicionamento ajustado, a landing page otimizada e o criativo alinhado à nova mensagem, o CPA foi de R$60 para menos de R$10. O case ganhou o prêmio Agile Trends Brazil 2025.

O que o sistema de performance revelou aqui não foi um problema de lance ou de segmentação. Foi um problema de mensagem que só ficou visível quando o rastreamento estava correto e o teste estava estruturado para isolar a variável certa.

Terra Flor: escalar o canal digital quando o físico fechou

A Terra Flor é uma marca de aromaterapia que dependia fortemente de revendedores físicos. Com a pandemia, esses canais fecharam e a marca precisou escalar o digital em tempo real ou parar de operar.

A operação estruturou rastreamento completo da jornada de compra, reorganizou a produção de conteúdo para alimentar o funil de topo, e calibrou a mídia paga para capturar a demanda gerada organicamente. O resultado foi um ROAS de 15x e crescimento de 400% no faturamento digital. O que viabilizou esse número foi a capacidade de enxergar, em tempo real, quais canais estavam contribuindo para a jornada completa, não só para o último clique.

Gois Construtora: da intuição ao sistema

A Gois Construtora chegou com altos investimentos e resultados medianos. O diagnóstico revelou um problema clássico: a operação de mídia estava otimizando para volume de leads, não para qualidade. O custo de conversão declarado era R$26, mas o rastreamento estava quebrado em vários pontos da jornada.

Com o rastreamento corrigido ponta a ponta, os testes de criativo estruturados e a segmentação ajustada para qualidade em vez de volume, o custo de conversão foi a R$9 em três meses. As vendas via marketing digital cresceram 425%. A diferença entre o antes e o depois não foi o budget, que na verdade caiu 60% em relação ao investimento em mídia offline anterior. Foi o sistema.

Rastreamento: o pré-requisito que ninguém quer discutir

Nenhum dos resultados acima seria possível sem rastreamento funcionando. E rastreamento quebrado é mais comum do que parece: estima-se que boa parte das contas de Google Analytics e Meta Business Manager ativas no Brasil tenham algum problema de configuração que distorce os dados de conversão.

Os problemas mais frequentes que a gente encontra em auditoria são: eventos de conversão duplicados (a mesma conversão sendo contada duas vezes), janelas de atribuição inconsistentes entre plataformas, falta de integração entre o CRM e as plataformas de mídia, e ausência de rastreamento de eventos intermediários (não só a conversão final, mas os micro-momentos que indicam intenção ao longo da jornada).

O setup mínimo que qualquer operação de performance precisa ter inclui: GA4 com eventos de conversão validados, GTM configurado com dataLayer estruturado, pixels de Meta e Google com correspondência de conversões offline quando o ciclo de venda passa pelo time comercial, e integração do CRM para fechar o loop entre lead gerado e cliente real.

Sem isso, você está otimizando para dado errado. E dado errado, em escala, destrói budget com eficiência.

A página de serviços de Dados da Storica detalha como estruturamos o setup de rastreamento e atribuição em novos clientes.

Marketing Mix Modeling: quando os cookies acabam e o last-click não funciona mais

Marketing Mix Modeling, ou MMM, é uma abordagem estatística que mede o impacto de cada canal de marketing no resultado de negócio sem depender de cookies ou rastreamento individual. Em vez de seguir o usuário, o MMM analisa séries históricas de dados (investimento por canal, sazonalidade, preço, fatores externos) e estima a contribuição de cada variável para as vendas ou conversões.

Isso importa por dois motivos práticos. Primeiro, a depreciação dos cookies de terceiros está reduzindo progressivamente a capacidade de rastreamento individual cross-site. Segundo, o MMM consegue medir canais que os modelos de atribuição baseados em clique simplesmente não conseguem capturar, como TV, OOH, patrocínio e ações de brand awareness.

O MMM não substitui a atribuição multi-touch no curto prazo. Os dois modelos são complementares: atribuição multi-touch dá granularidade para otimização tática de campanha; MMM dá visão estratégica de alocação de budget entre canais no médio e longo prazo. Empresas com investimento mensal acima de R$50 mil em marketing deveriam estar usando os dois.

Para quem quer entender mais sobre experimentação científica em marketing, o post sobre Framework de Experimentação em Marketing cobre o método de testes que sustenta qualquer operação de performance madura.

Estruturando a operação de performance: o que o time precisa fazer toda semana

Performance marketing não é set-and-forget. É uma rotina. E rotina sem ritual vira caos. Na prática, uma operação saudável tem três ritmos diferentes funcionando em paralelo.

Ritmo diário: monitoramento de anomalias. Não é análise profunda, é verificação de saúde. Alerta automático se o CPL subiu mais de 30% ou se o volume de conversões caiu mais de 20% em relação à média dos últimos sete dias. Se o dashboard está confuso, o problema está no dashboard, não no time.

Ritmo semanal: reunião de performance. Máximo 45 minutos. Pauta fixa: o que testamos essa semana, o que aprendemos, o que vamos testar na próxima. Nenhuma reunião de performance deveria terminar sem uma hipótese nova para testar. Se terminou sem hipótese, foi reunião de status, não de performance.

Ritmo mensal: revisão estratégica. Aqui entra a análise de CAC por canal, LTV por coorte de origem, eficiência de budget entre canais, e ajuste de alocação para o mês seguinte. É o momento de perguntar se os canais que estão recebendo mais budget são os que estão gerando os melhores clientes, não só os melhores leads.

Esse ciclo curto de aprendizado é o que separa operação de performance de operação de mídia. Mídia você sobe e acompanha. Performance você testa, aprende e calibra.

Para quem está estruturando ou revisando a operação de performance, o serviço de Mídia da Storica opera exatamente nesse modelo: planejamento multi-plataforma com ciclo de otimização semanal e revisão estratégica mensal.

E se você quiser entender como a atribuição se conecta com a estratégia de conteúdo no funil completo, o post sobre Customer Journey Mapping B2B com Intent Data detalha como mapear os pontos de contato que os modelos de atribuição precisam capturar.

O que falta na maioria das operações de performance hoje

Depois de analisar dezenas de contas em diagnóstico, o padrão que aparece com mais frequência não é falta de budget, nem falta de criativo. É falta de sistema. Especificamente, três lacunas aparecem quase sempre juntas.

Rastreamento incompleto. Eventos de conversão configurados só para a conversão final, sem rastreamento dos micro-momentos intermediários. Resultado: o algoritmo da plataforma não tem sinal suficiente para otimizar bem, e o gestor não consegue diagnosticar onde a jornada está quebrando.

Atribuição que favorece o canal de fundo de funil. Last-click ou last-interaction como modelo padrão, sem questionar o que isso faz com a decisão de alocação de budget. Resultado: canais de topo de funil são cortados porque “não convertem”, e o funil começa a secar lentamente.

Otimização para volume em vez de qualidade. CPL baixo como métrica principal, sem cruzar com taxa de fechamento e LTV. Resultado: o canal que gera mais leads é premiado com mais budget, mesmo que os leads gerados não virem clientes. O CAC cai no papel, mas a margem cai na vida real.

As três lacunas têm solução. Nenhuma delas é cara ou tecnicamente impossível para uma empresa de médio porte. O que falta, em geral, é clareza de que o problema existe e método para atacá-lo na ordem certa.

O Growth Score da Storica é o diagnóstico que a gente usa em cliente novo para mapear exatamente essas lacunas: rastreamento, atribuição, ciclo de otimização e qualidade de audiência. Em 15 minutos de conversa, dá para saber onde a máquina está saudável e onde está quebrada.

Margem não mente. Se o marketing está gerando resultado no dashboard mas a margem não está crescendo, o problema está entre o dado e a decisão. E esse problema tem jeito.

Perguntas frequentes

O que é performance marketing e como ele difere do marketing tradicional?

Performance marketing é qualquer estratégia de marketing digital estruturada para gerar resultados mensuráveis: leads, vendas, matrículas, cadastros. A diferença do marketing tradicional está no rastreamento ponta a ponta: cada real investido pode ser conectado a um resultado específico. Isso permite otimizar em tempo real e alocar budget com base em dado, não em intuição.

Como calcular o CAC de forma correta?

O CAC completo inclui investimento em mídia paga, fee de agência, custo de ferramentas, produção de criativo e o custo proporcional do time de marketing que opera a aquisição. Tudo isso dividido pelo número de novos clientes no período. A versão simplificada que considera só o gasto em mídia subestima o custo real e cria uma falsa sensação de eficiência.

O que é atribuição multi-touch e por que o last-click é um problema?

Atribuição multi-touch distribui o crédito pela conversão entre todos os pontos de contato da jornada do cliente. O last-click atribui 100% do crédito ao último canal tocado antes da conversão. O problema é que isso penaliza canais de topo de funil que iniciam a jornada, levando gestores a cortá-los e secar a geração de demanda no médio prazo.

Qual é a diferença entre ROAS e True ROAS?

ROAS de plataforma é o retorno reportado pelo canal, que frequentemente conta a mesma conversão que outros canais também estão reivindicando. True ROAS, ou ROAS incremental, mede o quanto a mais você faturou por causa daquela campanha, comparado com o que teria faturado sem ela. É medido por geo-lift tests ou holdout groups, e costuma ser bem menor que o ROAS de dashboard.

O que é Marketing Mix Modeling (MMM) e quando faz sentido usar?

MMM é uma abordagem estatística que mede o impacto de cada canal de marketing no resultado de negócio sem depender de cookies ou rastreamento individual. Analisa séries históricas de dados para estimar a contribuição de cada variável, incluindo canais offline como TV e OOH. Faz sentido para empresas com investimento mensal acima de R$50 mil em marketing, como complemento à atribuição multi-touch.

Qual o volume mínimo de conversões para usar atribuição data-driven?

O modelo de atribuição data-driven, que usa machine learning para calcular a contribuição real de cada canal, geralmente requer pelo menos 400 conversões por mês para produzir resultados confiáveis. Abaixo desse volume, os modelos position-based ou linear são mais adequados e já representam um avanço significativo em relação ao last-click.