Atribuição multicanal: como saber realmente qual canal gera mais vendas

Na InnovaDeluxe levamos mais de quinze anos analisando dados de lojas online, e há uma conversa que se repete com uma frequência surpreendente: um cliente diz-nos que 80% das suas vendas vêm do Google Ads e, quando aprofundamos a forma como está a medir isso, descobrimos que está a tomar decisões de investimento com base num modelo de atribuição que distorce completamente a realidade. Pausou campanhas de email marketing que “não convertiam”, reduziu o orçamento de SEO porque “não aparecia nos relatórios” e está a investir em excesso no último clique antes da compra sem compreender o que aconteceu antes.

Esse erro, multiplicado por milhares de euros de investimento mensal, é exatamente o problema que queremos resolver neste artigo.

O que é a atribuição multicanal e porque é importante

Quando um cliente compra numa loja online, raramente o faz após um único contacto com a marca. O percurso real costuma ser muito mais complexo: descobre o produto ou serviço através de um artigo de blog posicionado no Google, dias depois vê um anúncio no Instagram, mais tarde recebe um email com uma oferta e finalmente converte clicando num resultado de pesquisa de marca.

A quem atribuímos essa venda? Ao SEO que gerou o primeiro contacto? Ao anúncio do Instagram que manteve o interesse? Ao email que criou urgência? Ou ao SEM de marca que fechou a conversão?

A atribuição multicanal é precisamente o conjunto de metodologias que nos permite responder a essa pergunta de forma fundamentada. E a resposta tem consequências diretas na forma como distribuímos o orçamento de marketing.

Os modelos de atribuição existentes e as suas limitações

Antes de falar de soluções, convém compreender o problema em profundidade. Existem vários modelos de atribuição, e cada um conta uma história diferente sobre os mesmos dados.

Último clique. É o modelo padrão na maioria das plataformas e o mais enganador. Atribui 100% do mérito da conversão ao último canal que o utilizador tocou antes de comprar. Favorece sistematicamente os canais de fecho e invisibiliza completamente os canais de descoberta e consideração. Na nossa experiência, é o modelo que mais decisões erradas gera.

Primeiro clique. O extremo oposto. Atribui todo o valor ao primeiro touchpoint. Útil para compreender que canais geram descoberta, mas igualmente parcial porque ignora tudo o que acontece depois.

Linear. Distribui o crédito de forma equitativa entre todos os pontos de contacto do percurso. É mais justo conceptualmente, mas assume que todos os canais contribuem da mesma forma, o que também não é real.

Decaimento temporal. Atribui mais peso aos touchpoints mais próximos da conversão. Tem alguma lógica comercial, mas continua a penalizar os canais de awareness que são fundamentais para alimentar o funil.

Baseado na posição. Dá mais peso ao primeiro e ao último contacto, distribuindo o restante entre os intermédios. É um dos modelos mais equilibrados entre os tradicionais.

Baseado em dados. É o modelo mais sofisticado e o que recomendamos sempre que o volume de conversões o permite. Utiliza algoritmos de machine learning para analisar todos os caminhos reais de conversão e atribuir o peso de cada canal em função da sua contribuição estatística real. O Google Analytics 4 implementa-o de forma nativa e é, atualmente, o ponto de partida mais acessível para a maioria das lojas.

Como funciona a atribuição no GA4 e o que devemos configurar

O Google Analytics 4 representou uma mudança de paradigma em relação ao Universal Analytics precisamente neste aspeto. O modelo padrão no GA4 é o baseado em dados, embora exija um mínimo de conversões mensais para ser ativado. Para lojas com menor volume, utiliza o modelo de último clique não direto como alternativa.

A primeira coisa que devemos fazer no GA4 é verificar se temos corretamente configuradas todas as fontes de tráfego. Isto significa etiquetar de forma consistente todas as nossas campanhas com parâmetros UTM: fonte, meio, campanha, conteúdo e termo. Se não etiquetarmos os nossos emails, publicações em redes sociais ou campanhas com influencers, esse tráfego aparecerá como direto ou referral sem classificação, e o modelo de atribuição trabalhará com dados incompletos.

Também devemos configurar corretamente as conversões que queremos medir. Não apenas a transação final, mas também as microconversões que nos ajudam a compreender o funil: registo na newsletter, adicionar ao carrinho, início do checkout. Quanto mais eventos tivermos corretamente configurados, mais rica será a informação que o modelo de atribuição poderá processar.

O relatório de percursos de conversão no GA4 é uma das ferramentas mais poderosas e menos visitadas pelos nossos clientes. Mostra-nos exatamente que combinações de canais aparecem com maior frequência nos percursos que terminam em compra, quantos touchpoints têm em média esses percursos e quanto tempo decorre entre o primeiro contacto e a conversão.

O problema do tráfego direto e como interpretá-lo

Uma das maiores dores de cabeça em qualquer análise de atribuição é o tráfego direto. Em teoria, representa utilizadores que escrevem diretamente o URL da nossa loja no navegador. Na prática, é também a categoria onde acabam todas as visitas que não conseguimos etiquetar corretamente.

Emails sem UTM, links em aplicações de mensagens, tráfego proveniente de PDFs descarregados, alguns cliques em redes sociais a partir de apps móveis: tudo isso pode acabar classificado como direto. Se a nossa loja tiver uma percentagem de tráfego direto superior a 20-25%, convém fazer uma auditoria de etiquetagem antes de tirar conclusões sobre o desempenho dos canais.

Como integrar dados de plataformas externas

O grande limite do GA4 é que só vê o que acontece dentro do ecossistema da nossa loja. As plataformas publicitárias têm os seus próprios modelos de atribuição, que quase sempre são mais favoráveis para elas próprias. É habitual que a soma das conversões reportadas por todas as plataformas supere largamente as vendas reais da loja. A isto chamamos sobreposição de atribuição, e é completamente normal.

Para ter uma visão mais honesta, recomendamos trabalhar com dados de três fontes em paralelo: o GA4 como referência central, os dados nativos de cada plataforma como indicador de desempenho relativo dentro dessa plataforma e os dados reais da loja como verdade absoluta de referência.

Ferramentas de atribuição independentes como Northbeam, Triple Whale ou Rockerbox permitem agregar dados de todas as fontes e aplicar modelos de atribuição próprios. São um investimento que começa a fazer sentido a partir de determinados volumes de investimento publicitário, geralmente acima dos cinco mil euros mensais em investimento combinado.

Que decisões concretas nos permite tomar uma boa atribuição

Todo este trabalho técnico tem um único objetivo: tomar melhores decisões de investimento. Quando temos uma visão honesta da contribuição de cada canal, conseguimos identificar canais de descoberta que estávamos a subvalorizar, detetar campanhas de remarketing que pensávamos converter muito mas que, na realidade, apenas fechavam compras que teriam acontecido de qualquer forma, compreender quanto tempo os nossos clientes precisam para decidir e adaptar a frequência de impactos em conformidade, além de justificar investimento em SEO ou conteúdo cujos resultados são difíceis de atribuir no curto prazo, mas que alimentam todo o funil.

A atribuição perfeita não existe. Haverá sempre conversas offline, recomendações entre amigos ou impactos publicitários que nunca conseguiremos rastrear. O objetivo não é a precisão absoluta, mas sim ter um modelo suficientemente bom para tomar decisões melhores do que aquelas que tomaríamos com o último clique.

Na InnovaDeluxe dizemos sempre o mesmo aos nossos clientes: não se trata de encontrar o canal que vende, mas de compreender como os canais trabalham em conjunto. Porque num ecommerce maduro, nenhum canal vende sozinho. Todos se precisam mutuamente. Se quiser que o ajudemos com uma estratégia de marketing digital que o ajude a vender mais, entre em contacto connosco.

Related Posts