Como um modelo de atribuição de marketing divide o crédito entre pontos de contato

O que é um modelo de atribuição de marketing?

Equipes de analytics escolhem um modelo de atribuição de marketing para decidir como o crédito de uma conversão é dividido entre os pontos de contato que vieram antes dela. O modelo não observa nada de novo: ele aplica uma regra fixa a dados que o seu analytics já coletou e depois escreve uma porcentagem ao lado de cada canal. Escolha o modelo antes de comparar canais, porque dois modelos lendo o mesmo log de sessões vão apontar dois vencedores diferentes.

Uma compra de $1,200 pode vir depois de um post de blog encontrado na busca, um anúncio no LinkedIn clicado cinco dias mais tarde e uma newsletter aberta na manhã do checkout. O pagamento é um número só, e o modelo transforma ele em três. A Flowsery lê o próprio evento de pagamento por meio da atribuição de receita de Stripe, Paddle, Polar, Lemon Squeezy e Shopify, então o valor que está sendo dividido é o valor que foi liquidado.

Qual é a diferença entre atribuição de contato único e multicontato?

A atribuição de contato único dá 100 por cento do crédito a um ponto de contato e zero a todos os outros. A atribuição multicontato espalha a mesma conversão por dois ou mais pontos de contato usando pesos que somam 100 por cento. Contato único não custa nada para operar e ninguém discute a aritmética; a atribuição multicontato justifica sua complexidade assim que o ciclo de compra passa de uma sessão.

Primeiro contato e último contato são os dois modelos de contato único, e eles respondem perguntas opostas. Comparar primeiro contato com último contato coloca o crédito da descoberta contra o crédito do fechamento, e é por isso que aquisição e geração de demanda brigam em torno de um mesmo painel.

Como cada modelo de atribuição divide a mesma jornada?

Passe uma jornada idêntica pelos sete modelos nomeados e o mesmo ponto de contato oscila de 100 por cento até zero. A jornada: dia 1, busca orgânica para um post de blog; dia 4, um anúncio no LinkedIn; dia 9, um clique na newsletter; dia 12, uma visita direta que converte.

As seis primeiras linhas são aritmética e se reproduzem exatamente nos seus dados. A linha baseada em dados é a saída calculada de uma conta, não uma regra fixa, então os seus números vão ser diferentes. Leia a coluna orgânica de cima para baixo: aquele post de blog vale 100 por cento da compra, 40 por cento, 13.3 por cento ou nada, e nenhum byte dos dados de sessão mudou.

Como os modelos de decaimento temporal e baseado em posição calculam seus pesos?

O decaimento temporal dá a cada ponto de contato um peso bruto que cai pela metade a cada meia-vida e depois normaliza os pesos para somarem 100 por cento.

weight = 0.5 ^ (days before conversion / half-life)

Com meia-vida de sete dias e a conversão no dia 12, o contato orgânico fica 11 dias atrás, então o peso bruto dele é 0.5 ^ (11 / 7) = 0.336. O anúncio do LinkedIn marca 0.453, a newsletter 0.743, a visita direta 1.000. Isso soma 2.532, então o orgânico fica com 0.336 / 2.532 = 13.3 por cento. Encurte a meia-vida para três dias e o orgânico cai para 4.5 por cento sem nenhuma mudança na campanha.

Baseado em posição não precisa de ajuste. Ele entrega 40 por cento ao primeiro contato, 40 por cento ao último e divide os 20 por cento restantes entre os contatos do meio: 10 por cento para cada um quando são dois, 6.7 por cento para cada um quando são três. O linear é ainda mais simples: 100 dividido pelo número de pontos de contato.

O que é uma janela de atribuição e como ela muda a resposta?

Uma janela de atribuição é a idade máxima que um ponto de contato pode ter e ainda ser elegível ao crédito, e ela apaga linhas antes de o modelo rodar. Reduza a janela de atribuição da jornada acima para sete dias e o contato orgânico do dia 1 e o contato do LinkedIn do dia 4 deixam de existir: a newsletter e a visita direta redividem os 100 por cento completos, então no linear a newsletter salta de 25 por cento para 50 por cento e o orgânico cai para zero.

A janela pesa tanto quanto o modelo, e é a configuração que as equipes copiam do padrão de uma plataforma sem conferir. Meça a sua mediana de dias do primeiro contato até a compra e depois defina a janela acima dela.

Por que todo modelo de atribuição é uma estimativa?

Todo modelo é uma estimativa porque a lista de pontos de contato já está incompleta antes de a regra ser aplicada. Limites do navegador cortam o histórico antigo: o Intelligent Tracking Prevention da Apple limita a sete dias os cookies próprios escritos por script no Safari, e o Total Cookie Protection da Mozilla bloqueia cookies de terceiros por padrão no Firefox, então um navegador pode esquecer a primeira metade de uma jornada de 30 dias. As lacunas entre dispositivos cortam mais fundo: um celular que viu o anúncio e um notebook que rodou o checkout são dois visitantes anônimos até a pessoa entrar na conta nos dois.

Bloqueadores de anúncio, janelas privadas, navegadores dentro de apps e links compartilhados sem parâmetros UTM removem mais linhas, e links colados em chat chegam como tráfego direto. A Flowsery é livre de cookies e hospedada na UE por projeto, o que tira o banner de consentimento do caminho da medição, e mesmo assim ela não consegue ver uma compra em um dispositivo que nunca cruzou com o anúncio. Leia a saída do modelo como um ranking para agir, não como um livro contábil para auditar.

O que é atribuição autodeclarada e por que as equipes rodam ela em paralelo?

Atribuição autodeclarada é uma pergunta no formulário de cadastro ou de checkout perguntando ao comprador onde ele ouviu falar de você, guardada no registro do cliente. Ela existe porque dados de clique são precisos sobre o que capturaram e cegos para todo o resto: uma menção em podcast, uma comunidade no Slack, uma palestra em conferência, a recomendação de um colega. Nenhum script enxerga isso.

As equipes rodam os dois porque os perfis de erro se anulam. Dados de clique são granulares e truncados; a resposta do formulário é imprecisa, carrega viés de memória e cobre os canais escuros. Compare os dois todo mês, e quando o formulário insistir em nomear um canal que a sua atribuição baseada em dados pontua perto de zero, você achou um ponto cego, não um comprador confuso.

Qual modelo de atribuição de marketing você deve escolher?

Escolha o modelo que combina com a duração do seu ciclo de vendas. Ciclos abaixo de uma semana com um ou dois pontos de contato perdem quase nada no último clique indireto, e ele não custa nada para operar. Ciclos acima de 30 dias com quatro ou mais pontos de contato pedem baseado em posição, ou baseado em dados quando você tiver caminhos suficientes para os pesos pararem de se mexer entre as atualizações.

Publique um modelo como o número oficial da casa para que as discussões de orçamento tenham uma referência comum, e mantenha primeiro contato e último contato ao lado dele como os limites da faixa honesta. Um canal que vence nos três merece mais orçamento. Um canal que vence em um está falando sobre o modelo, não sobre o canal.

Perguntas frequentes

Qual é a diferença entre um modelo de atribuição e uma janela de atribuição?

O modelo decide como o crédito é dividido entre os pontos de contato elegíveis. A janela decide quais pontos de contato são elegíveis, limitando o quanto um contato pode estar no passado e ainda contar. A janela roda primeiro, então uma janela curta zera canais que o modelo teria pago bem.

Qual modelo de atribuição é o mais preciso?

Nenhum deles é preciso, porque nenhum observa causalidade. Cada um aplica uma suposição a uma lista incompleta de pontos de contato, então a pergunta real é qual suposição combina com o seu ciclo de compra. Baseado em dados combina quando você tem volume de caminhos; baseado em posição é o padrão mais forte quando você não tem.

Por que minha plataforma de anúncios e minha ferramenta de analytics reportam números diferentes?

Plataformas de anúncios atribuem contra o próprio grafo de identidade de usuários logados e contam conversões por visualização dentro das próprias configurações de lookback. Ferramentas de analytics atribuem por sessão, usam último clique indireto por padrão e nunca veem uma impressão que não gerou clique. A mesma compra é reivindicada duas vezes, e é por isso que as conversões reportadas pelas plataformas somam mais do que a sua contagem real de pedidos.

De quantos pontos de contato um modelo baseado em dados precisa?

Caminhos com e sem conversão em quantidade suficiente para os pesos calculados pararem de se mexer entre as atualizações. Observe dois ou três recálculos seguidos: se a fatia de um canal oscila vários pontos sem mudança de campanha, o modelo está ajustando ruído. Volte para baseado em posição até o volume alcançar.

A atribuição de último clique indireto ignora o tráfego direto por completo?

O último clique indireto pula o contato direto e paga o canal identificável anterior. Ele existe porque boa parte do que o analytics rotula como direto é tráfego mal atribuído: um referrer removido, um link de app de chat, uma URL salva nos favoritos. O custo é que visitas diretas genuínas nunca aparecem como canal creditado.

Posso usar mais de um modelo de atribuição ao mesmo tempo?

Rodar vários modelos sobre os mesmos dados de conversão é justamente o ponto da tabela acima. Nomeie um deles como o número reportado para as decisões de orçamento terem uma referência única, e mantenha primeiro contato e último contato ao lado como a faixa. Um canal no top três em todos os modelos é um lugar seguro para gastar mais.

Trocar de modelo de atribuição exige uma nova configuração de rastreamento?

Não. Um modelo é uma regra aplicada a dados que a sua analítica já coletou, não uma nova medição, então trocar de primeiro clique para baseado em posição gera um novo conjunto de porcentagens a partir do mesmo registro de touchpoints. Nada muda nas suas tags ou pixels.

Como a Flowsery calcula a receita por trás de cada touchpoint?

A Flowsery lê o próprio evento de pagamento por meio de integrações de atribuição de receita com Stripe, Paddle, Polar, Lemon Squeezy e Shopify. O valor dividido entre os touchpoints é o valor que realmente foi liquidado, não um número estimado a partir do log de cliques de uma plataforma de anúncios.

Quanto tempo deve durar uma janela de atribuição?

Defina-a além da mediana de dias entre o primeiro toque e a compra, não o padrão que uma plataforma já traz pronto. Uma janela mais curta que essa mediana apaga touchpoints reais antes de o modelo rodar, do mesmo jeito que uma janela de sete dias apaga um toque orgânico do dia 1 numa jornada de 12 dias.

Como o modelo baseado em posição divide os 20% do meio com três touchpoints em vez de dois?

O modelo baseado em posição sempre dá 40% ao primeiro toque e 40% ao último, deixando 20% para o que fica no meio. Com dois touchpoints intermediários cada um recebe 10%; some um terceiro e cada fatia cai para 6,7%.