Last-click está mentindo: como atribuir valor real a cada canal

Imagine que um cliente viu seu anúncio no Instagram, depois pesquisou no Google, clicou num resultado orgânico, e duas semanas depois digitou o site direto e assinou. Quem recebe o crédito pela venda?

Se você usa Google Analytics no modo padrão, a resposta é: o acesso direto ao site. O último clique antes da conversão leva 100% do crédito. O Instagram que despertou o interesse? Zero. O Google que levou à pesquisa? Zero.

Isso é o modelo last-click — e ele está mentindo para você.

Por que o last-click domina (e por que é um problema)

O last-click é o padrão porque é o mais fácil de implementar. Você só precisa registrar de onde veio o último acesso antes da compra. Mas essa simplicidade tem um custo enorme: ele ignora completamente a jornada do cliente.

Em serviços recorrentes e vendas B2B, a jornada raramente é linear. O cliente interage com vários canais antes de decidir. Quando o last-click atribui tudo ao último toque, ele sistematicamente:

• Supervaloriza canais de fundo de funil — busca direta, busca por marca, remarketing
• Subvaloriza canais de descoberta — redes sociais, conteúdo, indicação informal
• Incentiva cortar o que funciona — se você corta o canal de descoberta porque o last-click diz que ele "não converte", o funil seca em 2-3 meses

O que a pesquisa acadêmica mostra

Shao e Li (2011), em um estudo publicado no ACM SIGKDD, analisaram modelos de atribuição multi-touch usando dados reais de campanhas digitais. A conclusão foi clara: modelos que distribuem crédito entre múltiplos pontos de contato são significativamente mais precisos que o last-click para prever conversões futuras.

O guia publicado pelo IAB em parceria com a MMA (2019) vai além e compara duas abordagens alternativas: Multi-Touch Attribution (MTA) e Marketing Mix Modeling (MMM). Ambas tentam resolver o problema do last-click, mas de formas diferentes.

MTA vs MMM: qual serve para PMEs?

Multi-Touch Attribution (MTA)

Distribui crédito entre todos os pontos de contato do cliente. Precisa de dados de nível individual (cookies, IDs de usuário). É mais granular, mas mais difícil de implementar — especialmente com as restrições crescentes de privacidade (fim dos cookies de terceiros, iOS 14+).

Marketing Mix Modeling (MMM)

Usa dados agregados (gasto semanal por canal vs receita semanal) para estimar a contribuição de cada canal. Não precisa de dados individuais. É mais robusto para PMEs porque funciona com os dados que você já tem.

Um exemplo real de distorção

Em uma análise de empresa de serviços recorrentes, o last-click atribuía 45% das conversões ao "acesso direto ao site". Mas quando rastreamos a jornada completa dos clientes, descobrimos que a maioria havia tido contato prévio com um consultor ou visto uma indicação — e só depois acessou o site diretamente para assinar.

O "acesso direto" não era um canal de aquisição. Era o passo final de uma jornada que começou em outro lugar. Dar crédito ao acesso direto seria como dar o crédito de um gol ao jogador que cruzou a linha — ignorando quem deu o passe, quem roubou a bola e quem armou a jogada.

Como começar a corrigir

Você não precisa de um sistema sofisticado de atribuição para melhorar significativamente:

1. Pergunte ao cliente: no momento da assinatura, inclua a pergunta "como você nos conheceu?" — simples e surpreendentemente eficaz.
2. Cruze CRM com analytics: se o cliente está no CRM e no Google Analytics, você pode reconstruir parte da jornada manualmente para os maiores clientes.
3. Use proxy de primeiro toque: em vez de last-click, registre o primeiro canal de contato. Não é perfeito, mas é menos enviesado para decisões de orçamento.
4. Compare retenção por canal: mesmo sem atribuição perfeita, se clientes de um canal cancelam 2x mais, isso já indica onde o valor real está.

O custo de não fazer nada

Enquanto você usa last-click, suas decisões de orçamento estão sistematicamente erradas. Você está provavelmente investindo demais em canais de último toque (que parecem converter) e de menos em canais de descoberta (que parecem não converter mas alimentam todo o funil).

Corrigir a atribuição não é um luxo analítico. É a diferença entre investir certo e jogar dinheiro fora com convicção.

Para ver um caso concreto de como a atribuição errada distorce o orçamento, leia você está gastando 3x mais em ads do que pensa. Se quiser entender por que canais de relacionamento superam mídia paga, veja o caso contra Google Ads para nicho e por que consultores são o ativo mais valioso.

Dados de uma empresa de serviços recorrentes. A distorção de 45% atribuída a "acesso direto" é desse caso específico; o padrão de supervalorização do last-click é amplamente documentado na literatura acadêmica.

Referências

• Shao, X. & Li, L. (2011). "Data-Driven Multi-Touch Attribution Models." ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. dl.acm.org/doi/10.1145/2020408.2020453
• IAB & MMA (2019). "MTA Guidebook: Methodology, Use Cases & Best Practices." iab.com/wp-content/uploads/2019/11/IAB_MMA_MTA-Guidebook_Nov-2019.pdf

Perguntas frequentes

O que é o modelo de atribuição last-click?

É o modelo em que o último ponto de contato antes da conversão leva 100% do crédito da venda. Todos os canais que contribuíram antes (redes sociais, conteúdo, indicações) recebem zero. É o padrão do Google Analytics, o que torna a distorção quase invisível: a maioria dos gestores nem sabe que está usando um modelo específico, apenas vê o que a ferramenta mostra.

Por que o last-click distorce tanto as decisões de orçamento?

Porque supervaloriza canais de fundo de funil (busca direta, remarketing, marca) e subvaloriza canais de descoberta (redes sociais, conteúdo, indicação). Se o gestor corta o canal de descoberta porque "não converte", o funil seca em 2 a 3 meses. O resultado é investir pesado no que fecha a venda sem perceber que nada estava enchendo o topo do funil.

Qual a diferença entre MTA e MMM para PMEs?

MTA (Multi-Touch Attribution) distribui crédito entre todos os pontos de contato usando dados individuais (cookies, IDs). MMM (Marketing Mix Modeling) usa dados agregados (gasto por canal por semana vs receita por canal por semana). Para PMEs, MMM é quase sempre melhor: funciona com os dados que você já tem e não depende de cookies, que estão desaparecendo com as restrições de privacidade.

Preciso de um sistema sofisticado para melhorar a atribuição?

Não. Quatro ações de baixo custo já entregam muito: perguntar "como você nos conheceu?" no momento da assinatura, cruzar CRM com Analytics para os maiores clientes, registrar o primeiro canal de contato em vez do último e comparar retenção por canal. Nenhuma exige ferramenta paga, e todas são menos enviesadas que o last-click puro para guiar decisões de orçamento.

O "acesso direto" é um canal real de aquisição?

Raramente. Na maioria dos casos, acesso direto é o passo final de uma jornada que começou em outro lugar: o cliente viu algo em redes, conversou com um consultor, recebeu uma indicação, e depois digitou o site para assinar. Dar crédito ao acesso direto é como premiar o atacante pelo gol e ignorar quem deu o passe. No caso analisado, 45% das conversões caíam nesse engano.