Atribuição de marketing explicada: os modelos comparados, o que o GA4 ainda oferece, por que os cliques não veem toda a jornada e como atribuir o tráfego de IA.

Em resumo
a atribuição de marketing é o método que dá a cada ponto de contato (um anúncio, um artigo, um email, uma resposta de IA) a sua parte do crédito numa conversão. Os modelos baseados em regras, como último clique, primeiro clique, linear ou baseado na posição, dividem esse crédito com uma fórmula fixa; os modelos baseados em dados calculam-no a partir dos seus próprios caminhos de conversão. Desde novembro de 2023, o Google Analytics 4 só oferece modelos baseados em dados e de último clique, e nenhum modelo baseado em cliques vê a influência das respostas de IA e das pesquisas sem clique: a atribuição deve ser completada com dados declarados, monitoramento de menções nas IA e testes de incrementalidade.
Quer ir mais longe? Pergunte ao
A atribuição de marketing responde à pergunta de cada reunião de orçamento: que canais geram clientes de verdade? O artigo da Wikipedia sobre atribuição em marketing define-a como a identificação das ações do utilizador que contribuem para um resultado, com um valor atribuído a cada uma. Este guia compara os modelos, explica o que eles não veem e mostra como considerar os visitantes que descobrem a sua marca no ChatGPT, Gemini ou Perplexity.
Um cliente raramente converte após uma única interação. Uma jornada B2B típica pode ser assim: um anúncio no LinkedIn, uma pesquisa no Google que leva a um artigo do blog, uma newsletter, uma comparação pedida ao ChatGPT e, depois, uma pesquisa pelo nome da marca e um pedido de demonstração. Cada etapa é um ponto de contato; o pedido de demonstração é a conversão. A atribuição decide que parte dessa conversão cabe a cada ponto de contato.
A resposta muda orçamentos. No último clique, a pesquisa pela marca fica com 100% do crédito e o artigo parece inútil; no primeiro clique, o anúncio do LinkedIn leva tudo. A atribuição está no centro da análise de marketing e deve ser lida etapa por etapa no seu funil de marketing, porque os canais do topo do funil são sistematicamente subvalorizados pelos modelos que favorecem a última etapa.
Os modelos dividem-se em duas famílias: de toque único (um ponto de contato leva todo o crédito) e multitoque (o crédito é partilhado).
A primeira interação registada recebe 100%. Útil para ver que canais trazem pessoas novas para a jornada, cego a tudo o que fecha a venda.
A última interação antes da conversão recebe 100%. O último clique não direto ignora as visitas diretas e credita o último canal identificável. Simples e estável, sobrevaloriza a pesquisa pela marca, o remarketing e o email, que muitas vezes colhem uma procura criada noutro lugar.
Cada ponto de contato recebe uma parte igual. Parece justo, mas dá a uma newsletter aberta por hábito o mesmo peso do artigo que desencadeou a compra.
Os pontos de contato mais próximos da conversão recebem mais crédito. Adequado a ciclos de venda curtos e promoções; penaliza o conteúdo que iniciou uma longa reflexão.
O primeiro e o último ponto de contato recebem 40% cada, e os 20% restantes dividem-se pelo meio. Valoriza a descoberta e o fecho, com pesos fixos que são arbitrários por definição.
Um algoritmo compara os caminhos que convertem com os que não convertem e estima a contribuição adicional de cada ponto de contato. Adapta-se ao seu negócio, mas exige conversões suficientes e continua a ser uma caixa-preta.
| Modelo | Divisão do crédito | Ideal para | Principal viés |
|---|---|---|---|
| Primeiro clique | 100% ao primeiro contato | Medir canais de descoberta | Ignora o fecho |
| Último clique | 100% ao último contato | Jornadas curtas e simples | Sobrevaloriza marca e remarketing |
| Linear | Partes iguais | Uma primeira visão multitoque | Trata todas as etapas por igual |
| Decaimento temporal | Mais crédito perto da conversão | Promoções, ciclos curtos | Subvaloriza o conteúdo inicial |
| Baseado na posição | 40% primeiro, 40% último, 20% meio | Equilibrar descoberta e fecho | Pesos arbitrários |
| Baseado em dados | Calculado nos seus caminhos de conversão | Sites com volume de conversões estável | Opaco, só vê cliques registados |
A Google simplificou a escolha. Segundo a central de ajuda do Google Analytics, os modelos de primeiro clique, linear, decaimento temporal e baseado na posição deixaram de estar disponíveis em novembro de 2023. O Google Analytics 4 oferece agora três opções:
Para manter uma visão de primeiro contato, use as dimensões de origem e mídia do primeiro utilizador nos relatórios de aquisição do GA4, ou guarde a primeira origem de cada lead no seu CRM. Para comparar canais, crie um relatório próprio: o nosso guia do painel do Google Analytics explica como.
Todos os modelos baseados em cliques partilham os mesmos pontos cegos, seja qual for a fórmula:
O artigo da Wikipedia nota que os modelos multitoque e baseados em regras divergem com frequência do impacto medido em experiências controladas. A atribuição dá uma direção, não uma contabilidade exata.
É o ponto cego mais recente. Uma parte crescente da pesquisa acontece no ChatGPT, Gemini, Perplexity, Claude ou nos AI Overviews da Google, e grande parte não gera nenhum clique.
O tráfego referido por IA é visível quando o assistente transmite um referenciador ou um parâmetro. A OpenAI indica nas perguntas frequentes para editores que o ChatGPT acrescenta utm_source=chatgpt.com aos links que cita. Os outros assistentes aparecem como referenciadores, por exemplo perplexity.ai, gemini.google.com ou copilot.microsoft.com. Crie no GA4 um grupo de canais personalizado que reúna essas origens; o nosso tutorial para medir citações de IA com o Google Analytics dá a expressão regular a usar.
Parte do tráfego gerado pelas IA chega sem referenciador: links copiados para o navegador, aplicações móveis ou um utilizador que lê a resposta e depois escreve o nome da sua marca. Este tráfego oculto de IA infla as visitas diretas e as pesquisas pela marca. Acompanhe a tendência destas duas linhas em paralelo com a sua visibilidade nas IA.
A atribuição zero clique apoia-se em sinais anteriores: a frequência com que os assistentes de IA citam a sua marca nas perguntas dos seus compradores e a sua share of voice nas IA face aos concorrentes. O monitoramento de menções em IA da Sorank acompanha de 25 a 150 prompts no ChatGPT, Claude e Gemini (mais Perplexity e Grok a partir do plano Pro) e mostra quem é citado no seu lugar. O nosso estudo de citações do ChatGPT detalha as fontes que o assistente prefere.
As equipes maduras cruzam três métodos em vez de confiar num único modelo:
| Método | O que mede | Ponto forte | Limite |
|---|---|---|---|
| Atribuição multitoque | Cliques registados por conversão | Diária, detalhada, por campanha | Cega a visualizações, respostas de IA e offline |
| Marketing mix modeling | Relação estatística entre investimento e vendas ao longo do tempo | Cobre todos os canais, sem cookies | Exige dois a três anos de dados, visão mensal |
| Testes de incrementalidade | Vendas com e sem campanha (grupo de controle, testes geográficos) | Mede o impacto causal real | Uma pergunta por teste, exige volume |
| Atribuição declarada | O campo "Como nos conheceu?" | Capta podcasts, boca a boca, IA | Viés de memória, texto livre a limpar |
O marketing mix modeling tornou-se acessível: a Google publica o Meridian, um modelo open source. Para empresas menores, o campo declarado é o ganho mais rápido: acrescente "ChatGPT ou outro assistente de IA" como resposta explícita e verá um canal que os dados de cliques escondem.
O conteúdo orgânico é o que mais perde com a atribuição de último clique: artigos e guias abrem jornadas que terminam numa pesquisa pela marca ou num email. O mesmo acontece com o GEO, em que uma citação de IA influencia um comprador que nunca vai clicar. Meça em conjunto a pesquisa orgânica e a visibilidade nas IA num painel de GEO e SEO, e avalie o conteúdo por conversões de primeiro contato, conversões assistidas e citações, não apenas pela receita de último clique.
O modelo de atribuição certo é aquele que mantém estável, cruza com outros métodos e estende às respostas das IA. Para ver com que frequência o ChatGPT, o Claude e o Gemini citam a sua marca e que concorrentes ocupam o seu lugar, comece com a Sorank, o software de SEO e GEO no autopilot, com 3 dias de teste grátis.
Nenhum modelo é o melhor para todas as empresas. A atribuição baseada em dados é a mais precisa quando há conversões suficientes, porque aprende com os seus próprios caminhos. Com pouco volume, o último clique não direto é mais estável, desde que consulte também os relatórios de primeiro contato para não subvalorizar os canais que iniciam as jornadas.
A atribuição segue cliques individuais registados e divide entre eles o crédito de cada conversão. O marketing mix modeling trabalha com dados agregados e relaciona estatisticamente o investimento por canal com as vendas ao longo do tempo. A atribuição é detalhada e rápida, mas cega às influências não registadas; o mix modeling cobre todos os canais, mas exige anos de dados e dá uma visão mensal.
As visitas do ChatGPT trazem a origem chatgpt.com, e os outros assistentes aparecem como referenciadores, por exemplo perplexity.ai ou gemini.google.com. Crie no GA4 um grupo de canais personalizado com uma expressão regular que cubra esses domínios e coloque-o acima do canal Referral. Acompanhe também o tráfego direto e as pesquisas pela marca, porque parte do tráfego vindo das IA chega sem referenciador.
ELES EXPERIMENTARAM O SORANK ANTES DE VOCÊ
