O que a atribuição autodeclarada enxerga e o dado de clique não

O que é atribuição autodeclarada?

Perguntar a um cliente onde ele ouviu falar de você é atribuição autodeclarada, uma resposta de pesquisa dada no cadastro ou no checkout em vez de um clique registrado por uma tag. O campo costuma dizer "Como você ficou sabendo da gente?" e seu valor cai no registro da conta, não na propriedade de analytics. Ele mede uma memória, e a memória é justamente o ponto: é o único instrumento capaz de enxergar um canal que não deixou referrer, nem string de UTM, nem cookie.

A atribuição baseada em clique mede algo mais estreito e mais confiável, que é o último toque rastreável antes de a sessão começar. São duas perguntas diferentes e elas deveriam mesmo discordar.

	Atribuição autodeclarada	Atribuição baseada em clique
Unidade de medida	Uma resposta por pessoa que converteu	Uma sessão ou um evento
População medida	Só quem converteu	Todo mundo que carregou a página
Enxerga canais offline e privados	Sim	Não
Enxerga a landing page e a campanha reais	Não	Sim
Modo de falha	Erro de memória e desenho da pergunta	Referrer ausente e identificadores perdidos
Consegue produzir uma taxa	Não, não existe denominador	Sim

O que ela mede que o rastreamento de cliques não consegue?

Ela mede influência que nunca virou um clique que sua tag pudesse ler. Quatro famílias de tráfego se comportam assim, e todas as quatro desabam em um único balde no relatório de analytics.

O Google Analytics 4 define seu canal Direct por uma regra exata, publicada na referência do grupo de canais padrão: Source exactly matches "(direct)" e Medium is one of ("(not set)", "(none)"). Isso não é uma categoria de intenção. É a ausência de evidência. O GA4 também documenta um pega-tudo: Unassigned "is the value Analytics uses when there are no other channel rules that match the event data". Entre os dois, uma menção em podcast, um link colado numa mensagem privada do Slack, uma palestra de conferência e a recomendação verbal de um colega aparecem exatamente iguais. O balde (direct) / (none) no GA4 é onde eles caem.

Uma ruga mais recente está documentada e é contraintuitiva. O GA4 acrescentou um canal AI Assistant para chegadas vindas de fontes como ChatGPT, Gemini, Deepseek, Copilot ou Grok, casado quando "the medium exactly matches ai-assistant". A mesma referência afirma que esse canal "excludes Google's AI Overviews and AI Mode", que são contados em Organic Search. Então um cliente que encontrou você por uma resposta de IA pode ser arquivado em três canais diferentes conforme o assistente que usou, e ainda pode aparecer como Direct se digitou o domínio depois. Pergunte a ele e a resposta será "ChatGPT".

A atribuição autodeclarada também é a única medição que sobrevive ao vencimento de uma janela de atribuição. Um cliente que ouviu um anúncio em podcast quatorze meses antes de se cadastrar está fora de qualquer período de lookback que qualquer plataforma ofereça. Ele ainda assim vai dizer "podcast".

Quatro canais privados, uma única categoria

Menção em podcast

Link privado no Slack

Palestra em conferência

Indicação de um colega

(direct) / (none)

Por que as respostas distorcem?

As respostas distorcem porque o campo é uma pesquisa, e a metodologia de pesquisa mede esses efeitos há décadas. A orientação publicada do Pew Research Center sobre como escrever perguntas documenta cada um dos itens a seguir, com números.

Oferecer uma opção infla essa opção. Depois da eleição presidencial dos EUA de 2008, o Pew perguntou qual tema mais pesou no voto, em duas versões. "When explicitly offered the economy as a response, more than half of respondents (58%) chose this answer; only 35% of those who responded to the open-ended version volunteered the economy." Colocar "Google" na sua lista suspensa é o mesmo movimento. Ele vai vencer.

Uma lista fechada esconde tudo o que você esqueceu. No mesmo experimento, entre os respondentes que receberam a lista fechada, "fewer than one-in-ten (8%) provided a response other than the five they were read. By contrast, fully 43% of those asked the open-ended version provided a response not listed in the closed-ended version of the question." Um campo "Outro" com participação de um dígito não é prova de que sua lista está completa.

A posição na lista decide votos. O Pew afirma que "in telephone surveys respondents more frequently choose items heard later in a list (a recency effect), and in self-administered surveys, they tend to choose items at the top of the list (a primacy effect)". Um formulário de cadastro é uma pesquisa autoaplicada. O que estiver em primeiro será supercontado. O próprio remédio do Pew é randomizar: "many sets of response options in Pew Research Center's surveys are programmed to be randomized to ensure that the options are not asked in the same order for each respondent."

Como você recorta as categorias muda o vencedor. Numa pesquisa Pew de janeiro de 2002, perguntar se o presidente deveria focar em política interna ou externa produziu 52 por cento para interna e 34 por cento para externa. Estreitar "política externa" para "a guerra ao terror" inverteu o resultado para 33 por cento em interna e 52 por cento na guerra ao terror. A mesma coisa acontece quando "Redes sociais" vira "Um post no LinkedIn de alguém com quem trabalho".

As pessoas respondem para parecer razoáveis. O Pew chama isso de viés de desejabilidade social: "People have a natural tendency to want to be accepted and liked, and this may lead people to provide inaccurate answers to questions that deal with sensitive subjects." A pesquisa do instituto mostra respondentes exagerando frequência à igreja, doações e probabilidade de votar. Num formulário de cadastro, a resposta lisonjeira é "um amigo me indicou" e a constrangedora é "cliquei num anúncio".

Marcar todas as que se aplicam degrada a qualidade. O Pew observa que "a 2019 Center study found that forced-choice questions tend to yield more accurate responses, especially for sensitive questions", e que por isso o instituto em geral evita listas de múltipla escolha. Um "Como você ficou sabendo da gente" com seleção múltipla produz mais seleções no total e menos sinal por seleção.

Um viés é específico desse campo e não das pesquisas em geral: só quem converte chega a vê-lo. Não existe grupo de controle, então o dado não consegue produzir uma taxa. Você pode dizer que Podcast ficou acima de Reddit entre quem se cadastrou. Não pode dizer que podcast converte melhor, porque ninguém contou os ouvintes de podcast que não se cadastraram.

Como os times conciliam isso com a analytics?

Eles juntam as duas pontas por uma chave compartilhada e leem as discordâncias como um mapa, não como um erro. A conciliação só funciona se a resposta for guardada onde dá para cruzar.

1. Grave a resposta em um campo do registro da conta ou do pedido, junto do identificador pelo qual o lado de analytics ou de CRM já se orienta. Mantenha o texto livre e a categoria normalizada em duas colunas separadas.
2. Capture o canal do lado do clique no mesmo registro e no mesmo momento. Em termos de GA4 isso é session_default_channel_group, que a documentação descreve como avaliado num modelo "Paid and organic channels last click", distinto do modelo data-driven usado pela dimensão Default channel group com escopo de evento.
3. Faça a tabulação cruzada dos dois. Resposta autodeclarada nas linhas, canal de clique nas colunas. Não tire média nem misture os dois num único percentual.
4. Leia três células. Autodeclarado diz Podcast e o canal de clique diz Direct: um canal escuro funcionando, invisível para a tag. Autodeclarado diz Google e o canal de clique diz Direct: uma busca de marca ou um favorito, e o balde de tráfego direto está escondendo demanda conquistada. Autodeclarado diz uma fonte que você não opera: ou um clique errado na lista, ou um afiliado que você não sabia que tinha.
5. Acompanhe o texto livre de "Outro" em separado e releia trimestralmente. Quando uma frase se repete, promova-a a opção da lista e aceite que a participação dela vai saltar por motivos que nada têm a ver com crescimento real.

Duas proteções mantêm os números honestos. Randomize a ordem das opções para que a primazia se espalhe entre elas em vez de se concentrar na primeira, que é a prática do próprio Pew. E mantenha o campo opcional, porque um campo obrigatório converte "não me lembro" em um chute, e um chute entra no seu dado indistinguível de uma memória.

A atribuição autodeclarada não substitui um modelo de atribuição de marketing, e os dois nunca vão concordar. Quando um canal pago parece grande na plataforma e pequeno no campo, a leitura honesta é que o anúncio capturou demanda que outro canal criou. Essa lacuna, e não qualquer um dos números sozinho, é o achado.

Perguntas frequentes

Onde deve ficar o campo "como você ficou sabendo da gente"?

Na etapa de cadastro ou checkout, depois de a conversão já estar garantida, e opcional. Colocá-lo antes custa conclusões; colocá-lo depois do pagamento perde quem sai na hora. A orientação do Pew sobre ordem das perguntas se aplica direto: "earlier questions can unintentionally provide context for the questions that follow", então um campo que vem depois de uma lista de integrações ou de logos vai atrair respostas nomeando essas marcas.

O campo deve ser texto livre ou lista suspensa?

Use os dois, em duas colunas. A lista suspensa dá categorias comparáveis ao longo do tempo; o texto livre é o único jeito de encontrar um canal que você não antecipou. O Pew documenta o trade-off: uma lista fechada atraiu 58 por cento para uma opção que só 35 por cento mencionaram espontaneamente, enquanto 43 por cento das respostas abertas estavam totalmente ausentes da lista fechada.

Por que a atribuição autodeclarada e o Google Analytics discordam?

Porque eles contam populações diferentes com instrumentos diferentes. O GA4 conta sessões e atribui um canal a partir do referrer e dos parâmetros UTM, caindo em Direct quando Source exactly matches "(direct)" e o medium é (none) ou (not set). O campo conta pessoas que converteram e registra uma memória. As razões mais amplas para duas ferramentas reportarem números diferentes estão em por que ferramentas de analytics mostram números diferentes.

Dá para calcular uma taxa de conversão a partir da atribuição autodeclarada?

Não. Só quem converte responde, então o denominador não existe. A saída é uma ordem de classificação entre clientes e uma lista de canais para investigar, não uma taxa. Qualquer percentual que você calcule a partir dela é uma participação entre respondentes, e deveria ser rotulado assim em todo gráfico.

Quantas opções a lista deve ter?

Poucas. O Pew recomenda manter as alternativas de resposta "to a relatively small number, just four or perhaps five at most", observando que as pessoas têm dificuldade de segurar mais do que isso na cabeça ao mesmo tempo, com a exceção de perguntas factuais ou demográficas, em que listas mais longas ajudam. Uma lista de vinte itens mede principalmente quais itens estão no topo.

Randomizar a ordem das opções elimina o viés?

Não, redistribui. O Pew é explícito: "Randomization of response items does not eliminate order effects, but it does ensure that this type of bias is spread randomly." Uma ordem fixa concentra a vantagem de primazia em um canal permanentemente, o que é pior, porque a opção inflada parece uma tendência estável.

Por que alguém que te encontrou pelo ChatGPT pode aparecer como tráfego direto?

O canal AI Assistant do GA4 só é acionado quando a mídia corresponde exatamente a "ai-assistant", e cobre chegadas do ChatGPT, Gemini, Deepseek, Copilot e Grok. Se essa mesma pessoa digitar seu domínio no navegador em vez de clicar num link rastreado, o GA4 registra uma sessão Direct no lugar disso. A atribuição autodeclarada capta essa chegada mesmo assim, porque o cliente simplesmente responde "ChatGPT".

O que é o viés de desejabilidade social num campo "como você ficou sabendo da gente"?

É o termo usado pela Pew para a tendência de dar uma resposta que faça o respondente parecer bem visto, mesmo quando não é precisa. Num formulário de cadastro, "um amigo me indicou" soa melhor do que "eu cliquei num anúncio", então as pessoas tendem para o canal mais favorável. A pesquisa da Pew mostra o mesmo padrão inflando a frequência a igrejas e doações declaradas.

A atribuição autodeclarada consegue captar um cliente que converte mais de um ano depois de ouvir um anúncio?

Consegue, porque uma lembrança não tem janela de retroatividade como um cookie ou uma plataforma de anúncios. Um cliente que ouviu pela primeira vez um anúncio em podcast catorze meses antes de se cadastrar fica fora de qualquer janela de atribuição que uma plataforma ofereça, mas ainda assim vai responder "podcast". A atribuição por cliques não tem nada a mostrar para esse período.

O que é dark social e por que a atribuição autodeclarada consegue captá-lo?

Dark social é o tráfego que não deixa referenciador para uma tag registrar: uma menção em podcast, um link compartilhado numa mensagem privada do Slack, uma palestra em conferência ou a indicação verbal de um colega. A atribuição autodeclarada capta isso porque pergunta diretamente à pessoa que converteu, em vez de ler um parâmetro de URL que nunca foi definido. O rastreamento de cliques agrupa os quatro casos no mesmo bucket (direct)/(none) ou Unassigned do GA4.