Modelos de atribuição: tipos, exemplos e como escolher o certo

Modelos de atribuição são regras que distribuem o crédito de uma venda entre os canais que participaram dela, e é deles que depende uma das conversas mais tensas entre marketing e diretoria: qual canal merece o próximo real do orçamento. A resposta raramente é simples.

Em vendas complexas, a decisão passa por vários pontos de contato e por mais de um decisor, como mostramos ao analisar o comportamento do comprador B2B. O anúncio que gerou o primeiro clique, o artigo que educou o lead e o e-mail que reabriu a conversa disputam o mesmo crédito.

Neste guia, vocês vão ver como cada modelo funciona, aplicado a uma jornada real com números. Também mostramos o que o GA4 oferece hoje e quais critérios usar para escolher o modelo certo para a operação de vocês.

O que são modelos de atribuição

Modelos de atribuição são regras que definem quanto crédito cada ponto de contato da jornada recebe por uma conversão. Eles mostram se a venda veio do anúncio que gerou o primeiro clique, do e-mail que trouxe o lead de volta ou da soma de todos os canais do caminho.

Na prática, o modelo funciona como um critério de divisão. Imagine um contrato fechado depois de quatro interações com a marca. Um modelo entrega todo o mérito à primeira interação. Outro divide o crédito em partes iguais. Um terceiro calcula o peso de cada canal com base no histórico de conversões.

Os modelos são a peça central de um conceito mais amplo, a atribuição de mídia, que envolve também coleta de dados, parametrização e integração entre ferramentas. Aqui, o foco está na regra de crédito e no impacto que ela tem sobre as decisões.

Por que os modelos de atribuição definem o orçamento de marketing

O modelo escolhido decide para onde o orçamento vai no próximo ciclo. Quando todo o crédito fica com um único canal, os canais que abrem a jornada parecem caros e acabam cortados, mesmo sendo eles que sustentam a demanda.

Pensem em uma empresa que mede tudo pelo último clique. Nesse cenário, a busca paga pela marca aparece como campeã de conversões. Só que essa busca só existe porque alguém conheceu a marca antes, num anúncio, num artigo ou num evento. Cortar esses canais iniciais reduz a busca de marca semanas depois, e a queda costuma ser atribuída ao canal errado.

O relatório resultante parece eficiente, com muitas conversões concentradas em poucos canais. Na leitura da diretoria, porém, esses números viram métricas de vaidade quando não se sustentam na receita, porque mostram quem fechou a venda e escondem quem a tornou possível.

O problema também é de credibilidade. Segundo a pesquisa The True Cost of Trust in Marketing Measurement, da EMARKETER com a TransUnion, 60% dos profissionais de marketing dizem que as áreas internas questionam a validade das suas métricas pelo menos às vezes.

Além disso, quase 29% tiveram até 20% do orçamento realocado ou ameaçado por dúvidas sobre a precisão da mensuração.

Ou seja, a escolha do modelo pesa diretamente na defesa do orçamento de marketing diante do board. Um modelo coerente com a jornada real dá argumentos para manter o investimento nos canais que constroem demanda.

Tipos de modelos de atribuição e como cada um distribui o crédito

Os modelos se dividem em dois grupos: os de toque único, que dão 100% do crédito a uma interação, e os multitoque, que dividem o crédito entre várias. Os principais são primeiro clique, último clique, linear, decaimento de tempo, baseado em posição, em W e baseado em dados.

Os modelos de toque único são simples de entender e de configurar. Por outro lado, ignoram boa parte da jornada. Já os modelos multitoque exigem dados mais organizados e entregam uma leitura mais próxima do processo de decisão real. Para aprofundar esse segundo grupo, vale ler nosso guia sobre atribuição multi-touch.

Atribuição de primeiro clique

O modelo de primeiro clique atribui 100% do crédito ao primeiro ponto de contato da jornada. Ele responde a uma pergunta específica: quais canais apresentam a marca a quem ainda não a conhecia. Por isso, é o modelo que mais valoriza os canais de descoberta.

• Como distribui o crédito: todo o mérito fica com a interação que abriu a jornada
• Onde funciona bem: campanhas de lançamento, entrada em mercado novo e ações de reconhecimento de marca
• Onde falha: desconsidera tudo o que aconteceu entre o primeiro contato e a conversão
• Risco de leitura: inflar canais de alcance e esconder o papel do conteúdo e da nutrição

Atribuição de último clique

O modelo de último clique atribui 100% do crédito à interação imediatamente anterior à conversão. Por ser o mais simples de implementar, virou o padrão de muitas ferramentas durante anos. O problema aparece quando a jornada é longa e o último clique representa só o fim da decisão.

• Como distribui o crédito: todo o mérito fica com o canal que levou à conversão
• Onde funciona bem: compras rápidas e por impulso, em que a decisão acontece em minutos
• Onde falha: superestima canais de fundo, como busca de marca e remarketing
• Risco de leitura: cortar os canais que geram demanda, porque eles quase nunca fecham a venda sozinhos

Atribuição linear

O modelo linear distribui o crédito em partes iguais entre todos os pontos de contato. Se a jornada teve cinco interações, cada uma recebe 20%. É o caminho mais comum para quem quer sair do toque único sem montar uma lógica complexa.

• Como distribui o crédito: divisão igual entre todas as interações registradas
• Onde funciona bem: primeiras análises multitoque e jornadas em que os canais têm peso parecido
• Onde falha: trata um clique casual num post com o mesmo peso de uma demonstração do produto
• Risco de leitura: diluir os momentos decisivos da jornada no meio de interações de baixo impacto

Atribuição com decaimento de tempo

O modelo de decaimento de tempo atribui mais crédito às interações mais próximas da conversão. O peso cai conforme a interação fica mais distante no tempo, geralmente pela metade a cada sete dias. A lógica parte da ideia de que o estímulo mais recente tem mais influência na decisão.

• Como distribui o crédito: peso crescente para as interações mais próximas do fechamento
• Onde funciona bem: ciclos curtos, campanhas promocionais e ofertas com prazo definido
• Onde falha: em vendas consultivas, subvaloriza o conteúdo que educou o lead meses antes
• Risco de leitura: premiar a urgência e ignorar quem construiu a confiança na marca

Atribuição baseada em posição (U-shaped)

O modelo baseado em posição atribui 40% do crédito ao primeiro contato, 40% ao último e divide os 20% restantes entre as interações do meio. O formato de U vem justamente desse desenho. A lógica reconhece dois momentos críticos da jornada: a descoberta e a decisão.

• Como distribui o crédito: 40% para a abertura, 40% para o fechamento e 20% para o meio
• Onde funciona bem: times que precisam equilibrar geração de demanda e conversão
• Onde falha: os percentuais são fixos e definidos por convenção, sem base nos dados da empresa
• Risco de leitura: subestimar a nutrição em jornadas longas, que concentram muitas interações no meio

Atribuição em W (W-shaped)

O modelo em W atribui 30% do crédito ao primeiro contato, 30% ao momento em que o visitante vira lead e 30% à criação da oportunidade. Os 10% restantes ficam com as demais interações. Ele foi pensado para vendas B2B, em que a passagem para o time comercial é um marco tão relevante quanto a descoberta.

• Como distribui o crédito: três marcos com 30% cada e 10% para as interações intermediárias
• Onde funciona bem: operações B2B com etapas de qualificação bem definidas
• Onde falha: depende de um CRM configurado para registrar quando cada lead mudou de etapa
• Risco de leitura: distorcer o resultado quando os critérios de lead e oportunidade não são padronizados

Atribuição baseada em dados

O modelo baseado em dados distribui o crédito com base no comportamento real dos usuários, usando aprendizado de máquina. O algoritmo compara jornadas que converteram com jornadas que não converteram e estima o peso de cada interação.

Segundo a documentação do Google Analytics, ele considera o tempo até a conversão, o tipo de dispositivo, o número de interações, a ordem de exposição e o formato do criativo.

• Como distribui o crédito: pesos calculados para cada conta e para cada evento de conversão
• Onde funciona bem: contas com volume consistente de conversões e jornadas com muitos canais
• Onde falha: a lógica é pouco transparente, o que dificulta explicar o resultado para a diretoria
• Risco de leitura: estimativas instáveis quando o volume de conversões é baixo

A mesma jornada vista por cada modelo de atribuição

O mesmo ponto de contato pode valer de 0% a 100% de uma venda, dependendo apenas do modelo escolhido. Para enxergar essa diferença na prática, considere um lead que passou por quatro pontos de contato antes de fechar um contrato.

A jornada aconteceu assim:

• Dia 1: o decisor clica em um anúncio no LinkedIn
• Dia 10: lê um artigo do blog e baixa um material, virando lead
• Dia 20: abre um e-mail de nutrição com um estudo de caso
• Dia 28: busca a marca no Google, clica no anúncio pago e pede uma proposta, o que gera a oportunidade

Vejam como cada modelo divide o crédito dessa mesma conversão:

No decaimento de tempo, o cálculo considera um peso que cai pela metade a cada sete dias antes da conversão.

Na tabela, o anúncio no LinkedIn vai de 0% no último clique a 100% no primeiro clique. Da mesma forma, o artigo do blog some no último clique e ganha 30% no modelo em W, porque foi ali que o visitante virou lead.

O modelo baseado em dados ficou fora da tabela por um motivo simples. Ele não segue percentuais fixos, já que o peso de cada canal depende do histórico de conversões da conta.

Quais modelos de atribuição o GA4 oferece hoje

Hoje o GA4 oferece apenas modelos baseados em dados e de último clique. Primeiro clique, linear, decaimento de tempo e baseado em posição foram descontinuados no Google Analytics e no Google Ads em novembro de 2023.

Essa mudança ainda pega muita gente de surpresa. Boa parte dos conteúdos sobre o tema continua recomendando configurar esses modelos no GA4, o que não é mais possível. Atualmente, as opções disponíveis no Google Analytics 4 são:

• Baseado em dados: o modelo recomendado pelo Google, que usa aprendizado de máquina
• Último clique em canais pagos e orgânicos: considera todos os canais e ignora o tráfego direto
• Último clique nos canais pagos do Google: dá o crédito ao último anúncio do Google clicado, quando houver

Na prática, quem quiser aplicar modelos como o linear ou o em W precisa calcular fora do GA4. Isso pode ser feito em planilhas, em ferramentas de BI ou em plataformas de atribuição de terceiros.

Como comparar modelos no relatório de atribuição do GA4

A comparação entre modelos continua disponível no GA4, dentro da seção de publicidade. Ela mostra como o crédito de cada canal muda ao trocar o modelo de leitura, sem alterar a configuração da propriedade.

Para tirar proveito desse relatório, sigam esta sequência:

• Acessem Publicidade > Atribuição > Comparação de modelos
• Selecionem o evento principal que importa para o negócio, como geração de lead
• Comparem o modelo baseado em dados com o último clique
• Observem os canais com maior diferença de crédito entre os dois

Os canais que ganham muito crédito no modelo baseado em dados e pouco no último clique costumam ser os que geram demanda sem fechar a venda. São justamente esses que correm o risco de corte quando a empresa olha só para o último clique.

O que a janela de conversão muda no resultado

A janela de conversão, chamada no GA4 de janela de lookback, define até quantos dias antes da conversão uma interação ainda pode receber crédito. Por padrão, o GA4 considera 30 dias para eventos de aquisição e 90 dias para os demais eventos principais.

Esse ajuste muda bastante a leitura. Uma janela curta demais apaga interações iniciais de ciclos longos. Por isso, vale alinhar a janela à duração média do ciclo de vendas da empresa.

Como escolher o modelo de atribuição para a sua empresa

A escolha depende de três fatores: a duração do ciclo de vendas, o objetivo da campanha e o volume de conversões disponível. Ciclos curtos funcionam bem com o último clique. Ciclos longos, comuns no B2B, pedem leitura multitoque ou baseada em dados.

O modelo certo é aquele que conversa com a jornada real dos clientes de vocês. Os critérios abaixo ajudam a fazer essa escolha com método.

Duração do ciclo de vendas

O tempo entre o primeiro contato e a compra é o critério mais importante. Quanto mais longo o ciclo, maior o número de interações que influenciam a decisão.

Usem esta referência como ponto de partida:

• Ciclo de horas ou poucos dias: último clique ou decaimento de tempo
• Ciclo de semanas: baseado em posição ou baseado em dados
• Ciclo de meses, com vários decisores: modelo em W ou baseado em dados, cruzado com o CRM

Objetivo da campanha: gerar demanda ou converter

O objetivo da campanha define qual modelo conta a história mais justa sobre o resultado dela. Campanhas de geração de demanda devem ser avaliadas pela capacidade de iniciar jornadas. Já campanhas de conversão devem ser avaliadas pela capacidade de fechá-las.

Vejam como essa diferença se traduz na escolha do modelo:

• Gerar demanda: campanhas de alcance, conteúdo e mídia em canais de descoberta. O primeiro clique e o baseado em posição mostram melhor o papel delas, porque registram quem abriu a jornada.
• Converter: remarketing, busca de marca e ofertas com prazo. O último clique e o decaimento de tempo funcionam melhor, porque valorizam a interação que levou à decisão.
• Campanhas mistas: quando a mesma verba cobre as duas frentes, o modelo baseado em dados ou o em W evita que uma frente ofusque a outra.

Por isso, avaliar uma campanha de alcance pelo último clique é um erro comum. Ela quase nunca vai aparecer bem nesse modelo, mesmo quando alimenta toda a jornada seguinte.

Volume de conversões disponível

O modelo baseado em dados depende de volume para aprender. Contas com poucas conversões por mês geram estimativas instáveis, que oscilam de um período para outro.

Quando o volume é baixo, uma alternativa é usar eventos intermediários como conversão de análise, por exemplo o pedido de proposta ou o download de um material. Isso aumenta a base de dados e torna o cálculo mais confiável.

Pontos de contato offline e time comercial

Em vendas B2B, parte decisiva da jornada acontece longe do site. Reuniões, ligações, eventos e conversas no WhatsApp influenciam a decisão e não aparecem no GA4.

Para que essas interações entrem na conta, o CRM precisa conversar com as plataformas de mídia. A integração entre CRM e Google Ads permite devolver às campanhas a informação de quais leads viraram oportunidade e venda. Com isso, a atribuição chega até a receita gerada por cada canal.

O que os modelos de atribuição não conseguem medir

Todo modelo de atribuição depende de interações rastreáveis. Por isso, fica cego para a pesquisa que começa numa IA generativa sem clique e para o efeito de canais sem rastro direto, como mídia offline e construção de marca. É nesse ponto que o marketing mix modeling entra como complemento.

Jornadas que começam em IA generativa e não geram clique

Cada vez mais decisores iniciam a pesquisa no ChatGPT, no Gemini ou nos AI Overviews do Google. Nesses ambientes, a marca pode ser recomendada sem que ninguém clique em um link.

Esse movimento, que discutimos no conteúdo sobre zero-click search, cria um ponto cego para qualquer modelo. O lead chega mais tarde, por busca de marca ou acesso direto, e o crédito vai para o canal errado. Algumas práticas ajudam a reduzir essa distorção:

• Incluir no formulário um campo aberto perguntando onde a pessoa conheceu a empresa
• Acompanhar a evolução das buscas pela marca ao longo do tempo
• Registrar no CRM as menções a ferramentas de IA nas conversas comerciais

Marketing mix modeling como complemento à atribuição

O marketing mix modeling é uma análise estatística que mede o impacto de cada canal sobre as vendas a partir de dados agregados. Ele não depende de cookies nem de rastrear cada usuário individualmente.

Por isso, consegue estimar o efeito de mídia offline, de campanhas de marca e de fatores externos, como sazonalidade. O mercado vem caminhando nessa direção.

Na mesma pesquisa da EMARKETER com a TransUnion, 47% dos profissionais pretendem aumentar o investimento em marketing mix modeling, contra 35% que planejam ampliar a atribuição multitoque.

A combinação mais madura usa as duas abordagens juntas. A atribuição orienta ajustes táticos de campanha no dia a dia, e o marketing mix modeling orienta a divisão estratégica do orçamento entre canais.

Modelos de atribuição lidos até a receita com a Layer Up

Um modelo de atribuição só orienta orçamento quando mídia, site e CRM contam a mesma história. Na Layer Up, nós estruturamos essa leitura em painéis de BI que acompanham o lead até a receita, conectando Growth e Mídia e Performance.

Nosso trabalho começa pela organização dos dados que alimentam o modelo. Depois, ajudamos a definir qual leitura faz sentido para o ciclo de vendas e para o momento de cada empresa. O objetivo é que a diretoria enxergue o papel de cada canal com clareza, e que as decisões de investimento tenham base sólida.

Se vocês querem transformar a atribuição em critério real de investimento, conheçam como atuamos em métricas e BI e vamos conversar sobre o próximo passo da operação de vocês.

FAQ – Perguntas Frequentes Sobre Modelos de Atribuição

Qual é o melhor modelo de atribuição?

Não existe um modelo universalmente melhor. A escolha depende da duração do ciclo de vendas, do objetivo da campanha e do volume de conversões. Para jornadas longas e com volume suficiente de dados, o modelo baseado em dados costuma entregar a leitura mais próxima da realidade.

Qual é o modelo de atribuição padrão do GA4?

O GA4 recomenda e usa como referência o modelo baseado em dados, que distribui o crédito com aprendizado de máquina. A outra opção disponível é o último clique, em duas versões: considerando canais pagos e orgânicos ou apenas os canais pagos do Google.

Ainda dá para usar o modelo linear ou de primeiro clique?

Sim, mas não dentro do GA4 ou do Google Ads, que descontinuaram esses modelos em 2023. Hoje, eles podem ser calculados em planilhas, em ferramentas de BI ou em plataformas de atribuição de terceiros, a partir dos dados exportados.

É possível usar mais de um modelo de atribuição ao mesmo tempo?

Sim, e essa costuma ser uma boa prática. Comparar dois modelos, como o baseado em dados e o último clique, revela quais canais geram demanda e quais fecham vendas. A decisão de orçamento fica mais segura quando considera as duas leituras.