Como escolher e operar modelos de atribuição multitoque sem cair na ilusão de precisão que a maioria dos fornecedores vende.
Atribuição multitoque é uma das áreas em que mais se vende solução milagrosa e menos se entrega valor real. Este guia explica o que cada modelo realmente mede, em que situação cada um funciona e por que escolher mal pode te levar a decisões piores do que último clique simples.
Último clique premia o canal que fecha (geralmente busca paga de marca) e ignora os canais que iniciaram a jornada (mídia de awareness, conteúdo orgânico, indicação). Times que otimizam só pelo último clique cortam exatamente o que enche o topo do funil — e o funil seca em três a seis meses.
Linear: distribui peso igual entre todos os pontos. Bom para diagnóstico inicial. Decay: peso maior quanto mais perto da conversão. Bom para ciclo curto. Posição (U): valoriza primeiro e último. Bom para B2C com jornada definida. Primeiro toque: valoriza o canal de descoberta. Bom para medir marca. Último toque não-direto: ignora tráfego direto. Bom como benchmark.
Atribuição data-driven usa machine learning para estimar o peso real de cada toque. Funciona bem com mais de mil conversões por mês e jornada estável. Abaixo disso, o modelo aprende ruído. Acima, mudanças de mídia invalidam o aprendizado e o modelo precisa de retreino constante.
Nenhum modelo de atribuição mede causalidade. Eles distribuem crédito assumindo que todos os toques contribuíram. Para medir efeito real, é preciso teste de incrementalidade (geo lift, holdout, switchback). Atribuição responde quem entregou, incrementalidade responde se valeu a pena.
Para cada conversão, quantos toques pré-conversão estão sendo capturados? Se a média for menor que dois, o problema é instrumentação, não modelo.
Documento único com padrão obrigatório. Mídia paga, e-mail, social orgânico, influenciador, parceiro — ninguém envia link sem UTM compatível.
Atribuição em cima de identidade fragmentada multiplica o erro. Garanta primeiro o identity graph básico (e-mail + device) antes de qualquer modelo sofisticado.
Linear é simples, audível e expõe o problema de ignorar canais de descoberta. Use por 60 dias antes de migrar para modelos mais elaborados.
Rode linear, posição e último não-direto simultaneamente. As divergências revelam onde o investimento está mal alocado.
Para o canal de maior investimento, rode pelo menos um teste de holdout ou geo lift por trimestre. Sem isso, atribuição vira ficção bem desenhada.
Em operações maduras, posição (U) e data-driven dividem o espaço. Em operações iniciantes, ainda predomina último clique pela simplicidade — apesar das limitações conhecidas.
Não substitui, contextualiza. As plataformas medem só o que enxergam (clique + view) dentro do próprio ecossistema. Atribuição multitoque agrega esses dados com CRM, e-mail e outros canais, mas exige reconciliação cuidadosa.
Importe a conversão offline no CRM ou na plataforma de atribuição com data e identificador do cliente. Esse identificador precisa casar com algum toque online via identity graph. Sem essa ponte, mídia que gera leads para call center fica invisível.
Em operações com mais de 5 mil conversões mensais e maturidade analítica, valem. Para operações menores, posição (U) entrega 80% do valor com 20% da complexidade — e é auditável.
Afetam diretamente. Sem consentimento explícito para rastreamento entre sessões, a janela de captura encolhe e o modelo perde precisão. O caminho é coletar consentimento granular e usar server-side tracking com PII hasheada.
Conheça a plataforma e veja como aplicamos esses princípios na prática.
Conhecer a Kria