Imagine uma empresa de serviços revendo seu orçamento de marketing. O relatório coloca a busca paga no topo: ela aparece como origem de boa parte dos pedidos de contato. A recomendação parece pronta. Aumentar a verba desse canal e reduzir o investimento nos demais.
Antes da aprovação, alguém abre uma das jornadas. A pessoa conheceu a empresa por indicação, leu um artigo, voltou para consultar condições e, dias depois, pesquisou o nome da marca. Clicou no anúncio e preencheu o formulário. O relatório entregou o crédito ao último clique elegível.
A venda pode ter sido registrada corretamente. A conclusão sobre o que a produziu continua em aberto.
Esse é o ponto da S20: atribuição distribui crédito dentro de uma regra; causalidade pergunta o que mudou por causa de uma ação. Confundir as duas transforma uma descrição do caminho em uma justificativa de investimento que ela talvez não consiga sustentar.
Na semana anterior, discutimos por que um visitante pode deixar uma história antes de se identificar. Preservar essa história permite enxergar mais do percurso. Agora precisamos interpretar o papel dos contatos sem dar ao registro uma autoridade que ele não tem.
O relatório pode estar certo e responder à pergunta errada
Um modelo de último clique pode responder com clareza: qual interação elegível recebeu o crédito pela conversão? Se o canal foi coletado corretamente e a regra foi aplicada como deveria, o número é válido para essa pergunta.
O salto acontece quando a empresa passa a ler “recebeu o crédito” como “produziu uma venda que não existiria sem ele”. O relatório não observou esse segundo cenário. Ele observou uma venda e distribuiu seu valor segundo um critério.
A própria documentação do Google Analytics define atribuição como a distribuição de crédito entre interações. No modelo de último clique em canais pagos e orgânicos, o crédito vai para a última interação elegível, com regras específicas para tráfego direto e outros casos. Portanto, “último clique” também exige conhecer a implementação utilizada.
Uma busca pelo nome da empresa, por exemplo, pode acontecer quando a decisão já está avançada. O anúncio pode facilitar a chegada, reforçar confiança ou apenas oferecer uma entrada conveniente. Não é possível escolher entre essas explicações olhando somente para a posição final do clique.
Isso não torna a busca paga dispensável. Torna insuficiente o argumento que pretende demonstrar seu valor apenas pela proximidade da conversão.
Crédito, participação e efeito são afirmações diferentes
Considere três níveis de leitura. O primeiro é o crédito: a regra atribuiu uma conversão a determinado contato. O segundo é a participação observada: esse contato apareceu na sequência registrada. O terceiro é o efeito causal: a ação alterou a probabilidade, o momento ou o valor do resultado em relação ao que ocorreria sem ela.
Os níveis podem se relacionar, mas não são intercambiáveis. Um canal pode participar sem receber crédito. Pode receber crédito sem ter sido decisivo. E pode influenciar uma escolha por uma interação que a empresa não conseguiu registrar.
Também é preciso cuidado com a palavra “influência”. Dizer que um conteúdo estava no caminho é uma observação. Dizer que ele convenceu a pessoa já é uma interpretação sobre efeito. A segunda frase pede evidência adicional; uma sequência de acessos não revela, por si só, a motivação do leitor.
Para a gestão, essa distinção funciona como um limite de linguagem. “Vendas atribuídas à campanha” descreve uma métrica. “Vendas geradas pela campanha” carrega uma conclusão causal. Trocar uma expressão pela outra não é um detalhe de redação quando ambas orientam orçamento.
A pergunta executiva fica mais precisa: estamos avaliando por onde a venda passou ou quanto a ação acrescentou ao resultado?
O mesmo fechamento pode esconder relações diferentes
Voltemos à empresa de serviços. Imagine três pessoas que fizeram o mesmo pedido de contato após clicar em um anúncio de pesquisa. Para a regra de último clique, os três registros podem ter a mesma origem.
A primeira recebeu uma indicação e já havia decidido conversar com a empresa. Pesquisou a marca para encontrar o site. A segunda conheceu o serviço por uma busca genérica, encontrou o anúncio e iniciou ali sua avaliação. A terceira já era cliente e usou a pesquisa para localizar um canal de atendimento.
Essas histórias são hipotéticas. Servem para expor o que o rótulo final não resolve: demanda anterior, descoberta e continuidade de relacionamento podem chegar pela mesma porta digital.
No primeiro caso, vale investigar quanto o anúncio acrescentou à chegada. No segundo, vale entender se ele abriu uma oportunidade que não surgiria por outro caminho. No terceiro, classificar o pedido como aquisição de cliente novo pode distorcer a avaliação antes mesmo de discutir atribuição.
Um relatório agregado perde parte dessas diferenças. Separar novos contatos de clientes existentes, buscas de marca de buscas genéricas e pedidos comerciais de solicitações de suporte melhora a interpretação. Ainda assim, segmentar o relatório não transforma associação em prova causal.
O ganho é reduzir a ambiguidade que estava escondida dentro de um único número.
A janela de observação também escolhe a história
O modelo de crédito é uma parte da medição. Outra é a janela: até onde a empresa olha para trás ao relacionar interações e conversões. Se um contato fica fora desse período, ele pode desaparecer da leitura atribuída mesmo que tenha participado do percurso.
Há ainda limites de coleta. Uma indicação entre colegas pode não ter registro. Uma pessoa pode pesquisar no celular e contratar em outro dispositivo. Uma conversa presencial pode ser decisiva sem aparecer no histórico digital. A continuidade entre esses sinais depende de evidência e de um tratamento de dados adequado, não da vontade de completar a narrativa.
Por isso, um caminho curto no relatório não comprova uma decisão rápida. Pode representar apenas um trecho curto do que foi possível observar.
Preservar os eventos anteriores à identificação, como discutimos em S19, ajuda a reduzir essa perda de contexto. Mas a empresa deve manter separados o que observou, o que vinculou com segurança e o que continua desconhecido. Unificar registros por suposição pode produzir uma história detalhada e falsa.
Na comparação entre períodos ou ferramentas, confira também se a regra, a janela e a definição de conversão permaneceram iguais. Uma mudança no crédito distribuído pode refletir uma mudança na medição, e não uma mudança no comportamento do cliente.
Um modelo mais sofisticado precisa de uma leitura mais cuidadosa
Trocar o último clique por um modelo com vários pontos de contato pode trazer uma descrição mais ampla do percurso. Em vez de concentrar tudo no final, a empresa passa a distribuir crédito entre interações elegíveis. Isso pode ser útil para investigar jornadas e reduzir a dependência de uma regra única.
O resultado depende do desenho do modelo, dos dados disponíveis e das hipóteses usadas. Dividir crédito igualmente entre contatos não demonstra que todos tiveram o mesmo efeito. Dar mais peso a um contato recente também não prova que ele alterou mais a decisão.
Modelos baseados em dados não devem ser tratados como se fossem todos iguais. A documentação do Google descreve uma abordagem contrafactual para sua atribuição baseada em dados e informa o uso de dados de testes controlados e aleatórios no treinamento de estimativas para exposições de anúncios do Google.
Esse é um contraponto importante: há métodos que incorporam evidência experimental. A pergunta, então, não é se o modelo usa algoritmo. É qual efeito ele estima, com quais dados, em qual contexto e até onde essa estimativa pode orientar a decisão da empresa.
Uma avaliação de toda a política de investimento, envolvendo canais e contatos fora do alcance da ferramenta, não se torna automaticamente resolvida por um relatório de atribuição. Sofisticação metodológica merece atenção; não dispensa conhecer a abrangência da resposta.
O problema aparece quando o crédito decide o orçamento sozinho
Suponha, em um exemplo puramente ilustrativo, que uma campanha tenha R$ 10 mil de custo e receba R$ 50 mil de receita atribuída. O relatório permite calcular uma relação de cinco reais de receita atribuída para cada real investido.
Ele não permite afirmar, só com esses valores, que a empresa ganhou R$ 50 mil adicionais. Parte das compras poderia ocorrer sem a campanha. Também faltam margem, custos de atender a demanda e eventuais efeitos sobre outros canais. Receita atribuída e retorno econômico incremental são leituras diferentes.
Se a empresa aumenta o investimento apenas porque o canal recebeu mais crédito, pode ampliar uma ação útil. Pode também pagar mais para alcançar pessoas que já comprariam. O relatório isolado não decide qual dessas hipóteses descreve a operação.
O risco inverso existe: cortar um canal com pouco crédito pode retirar uma contribuição anterior que o último clique não reconhece. Nenhuma dessas possibilidades justifica manter toda campanha. Elas justificam perguntar o que sustenta a decisão antes de ampliá-la ou interrompê-la.
Em pesquisa publicada em 2019, Gordon e coautores compararam resultados de experimentos publicitários no Facebook com estimativas observacionais. No contexto estudado, esses métodos frequentemente não reproduziram os efeitos encontrados nos experimentos, mesmo com informações demográficas e comportamentais extensas.
O estudo não estabelece o desempenho de um canal na sua empresa. Ele mostra por que riqueza de dados e aparência de precisão não bastam para garantir uma estimativa causal confiável.
Use a atribuição para investigar, sem exigir dela uma prova que não oferece
Atribuição continua sendo útil. Ela organiza a leitura dos contatos, permite acompanhar resultados sob um critério consistente e ajuda a localizar diferenças que merecem investigação. A alternativa ao uso exagerado não precisa ser abandonar o relatório.
Na operação de serviços, a equipe pode perceber que pedidos após busca de marca cresceram enquanto a procura por temas genéricos ficou estável. Esse sinal sugere perguntas sobre demanda anterior, relacionamento e descoberta. Não entrega sozinho a resposta.
Também é possível comparar distribuições de crédito sob regras diferentes. Se a avaliação de um canal muda muito quando muda o modelo, a decisão depende fortemente do critério de atribuição. Isso é informação relevante para a gestão, mas não faz da comparação de modelos um teste causal.
Em paralelo, mantenha uma leitura do negócio: contatos qualificados, contratos efetivamente fechados, receita reconciliada, margem e continuidade do relacionamento. Um formulário enviado pode ser a conversão acompanhada pela campanha e ainda não representar uma venda.
Cada indicador deve ter uma pergunta e um limite. Com isso, marketing, comercial e financeiro conseguem discutir o mesmo resultado sem fingir que todos os números medem a mesma coisa.
Uma aplicação: revise uma decisão antes de revisar o modelo
Escolha uma decisão real que esteja apoiada no relatório de atribuição: aumentar uma campanha, reduzir um canal ou comparar duas fontes de aquisição. Não tente redesenhar toda a medição de uma vez. Faça uma revisão conjunta com quem administra o investimento e quem acompanha o resultado comercial.
1. Registre o que está sendo contado
Escreva a conversão, o período, a regra de crédito, a janela de observação e os canais elegíveis. Confira se o valor representa receita contratada, receita recebida ou outra medida. Identifique se o mesmo contato ou contrato pode aparecer mais de uma vez nas fontes comparadas.
2. Separe o observado da interpretação
Registre o que o relatório demonstra: por exemplo, “esta campanha recebeu crédito por estes pedidos de contato”. Em outra frase, escreva a hipótese usada para justificar a decisão: “mais investimento produzirá mais contratos”. A distância entre as frases é o ponto que precisa de evidência.
3. Procure uma explicação alternativa plausível
Examine uma pequena seleção de jornadas, suficiente para questionar a leitura sem apresentá-la como amostra estatística. Havia relacionamento anterior? Pesquisa pela marca? Um atendimento em andamento? Esses casos não medem o efeito do canal; ajudam a identificar mecanismos que o indicador agregado ocultou.
4. Defina o próximo passo e o limite da decisão
Ao final, escolha o que precisa ser esclarecido antes da mudança de orçamento. Pode ser reconciliar vendas com o financeiro, corrigir uma duplicidade ou desenhar uma comparação capaz de avaliar efeito. Registre um responsável e a evidência esperada. Se ainda for necessário decidir, explicite a incerteza e o alcance da mudança.
O produto dessa revisão é uma decisão documentada, com uma hipótese verificável. Não é uma competição para eleger o modelo de atribuição mais elegante. Uma troca de ferramenta não resolve, por si só, a diferença entre contar crédito e demonstrar contribuição adicional.
A próxima pergunta é sobre o que deixaria de acontecer
Reconhecer esse limite muda a conversa sobre marketing. O canal que aparece no final merece investigação, não condenação nem um cheque em branco. Seu valor depende do papel que cumpre e do efeito que consegue acrescentar nas condições da operação.
S19 trouxe o caminho anterior ao cadastro. S20 pede uma interpretação responsável desse caminho. O próximo avanço é comparar resultados para entender se uma ação mudou comportamento ou apenas encontrou uma demanda que já existia. Esse será o aprofundamento da S21.
Na próxima reunião de orçamento, coloque duas frases lado a lado: “o canal recebeu crédito por essas vendas” e “essas vendas não aconteceriam sem o canal”. Se a decisão depende da segunda, procure a evidência que falta entre elas.