O relatório da plataforma diz que o Meta gerou 120 vendas. O Google Ads reivindica outras 90. Some tudo e dá 210. Só que o seu checkout, o número que de verdade entrou no caixa, mostra 150 pedidos. Faltam 60 vendas no mundo real, mas sobram nos relatórios. Esse abismo entre o que o anúncio reivindica e o que a loja fatura é o sintoma mais comum de um problema mal resolvido: os modelos de atribuição de cada ferramenta não combinam entre si, e nenhum deles enxerga a jornada inteira do cliente.
Não é falha sua nem bug da plataforma. É matemática. E é mais comum do que parece: segundo pesquisa da NP Digital, perto de 47% dos profissionais de marketing não confiam no próprio modelo de atribuição. Neste post você vai entender por que os números nunca batem, o que cada modelo assume por baixo dos panos, e como escolher um para parar de brigar com planilha toda segunda-feira.
O que é um modelo de atribuição (e por que todo relatório depende dele)
Um modelo de atribuição é simplesmente a regra que decide qual ponto de contato leva o crédito por uma venda. Pense num cliente que viu seu anúncio no Instagram na segunda, clicou num email na quarta, pesquisou seu nome no Google na sexta e só comprou no domingo. Foram quatro contatos. A venda foi uma só. Quem fica com o mérito? A resposta muda conforme o modelo que você usar, e é por isso que o mesmo pedido pode aparecer creditado ao Meta num painel e ao Google em outro.
O detalhe que quase ninguém percebe é que você sempre está usando um modelo de atribuição, mesmo sem escolher. Toda plataforma vem com um padrão de fábrica. O Meta credita a venda a quem clicou nos últimos 7 dias ou viu o anúncio no último dia. O Google Ads hoje usa um modelo chamado data-driven por padrão. Como os padrões são diferentes, os relatórios partem de premissas diferentes antes mesmo de você abrir a tela. Entender atribuição é entender a lente pela qual cada número foi calculado.
Por que a plataforma de anúncios e o checkout nunca batem
O primeiro motivo é o viés de autodeclaração. Cada plataforma só enxerga os cliques e visualizações que aconteceram dentro dela, e cada uma puxa a brasa para a própria sardinha. Se o cliente viu um anúncio no Meta e depois clicou num anúncio de busca no Google antes de comprar, os dois sistemas marcam a mesma venda como sua. Ninguém está mentindo. Os dois contribuíram. Só que, se você somar os dois relatórios, conta a mesma venda duas vezes.
O segundo motivo são as janelas de atribuição, o prazo que cada ferramenta usa para reivindicar o crédito. O padrão do Meta é 7 dias de clique e 1 dia de visualização, ou seja, ele pode creditar uma venda a alguém que apenas viu o anúncio e nem clicou. O Google trabalha com outra lógica e outro prazo. Janelas diferentes capturam contatos diferentes, então as contagens divergem naturalmente.
O terceiro motivo é o mais simples e o mais ignorado: a plataforma de anúncios mede cliques e eventos de pixel, enquanto o checkout mede dinheiro que caiu. Reembolsos, pagamentos recusados, pedidos cancelados e compras feitas por quem nunca tocou num anúncio existem no caixa, mas não no painel de mídia. Por isso o caixa é sempre a referência final, e qualquer plataforma que afirme ter gerado mais vendas do que o seu faturamento comporta está, por definição, superestimando.
O que cada modelo de atribuição assume
Todo modelo de atribuição é uma aposta sobre o que importa mais na jornada. O último clique dá 100% do crédito ao contato que veio logo antes da compra. É simples e é o padrão histórico, mas assume que só o empurrão final conta e ignora tudo que aqueceu o cliente antes. O primeiro clique faz o oposto: entrega todo o mérito ao contato que iniciou a jornada, valorizando descoberta e topo de funil, mas fingindo que a nutrição e o fechamento não existiram.
No meio do caminho estão os modelos de múltiplos contatos. O linear divide o crédito igualmente entre todos os pontos de contato, assumindo que todos pesam o mesmo. O decaimento temporal dá mais crédito aos contatos mais próximos da compra, por supor que o que aconteceu perto da decisão importou mais. O baseado em posição concentra o crédito nas pontas, normalmente 40% no primeiro contato, 40% no último e 20% distribuído no meio.
Por fim, o data-driven usa machine learning para distribuir o crédito com base em como as conversões realmente acontecem na sua conta, em vez de uma regra fixa. Vale saber de um detalhe prático: em 2023 o Google aposentou os modelos de primeiro clique, linear, decaimento temporal e baseado em posição dentro do Google Ads e do GA4, deixando basicamente o último clique e o data-driven disponíveis. Ou seja, mesmo que você queira um modelo específico, a ferramenta pode não te oferecer mais. Para entender como atribuição conversa com as outras contas da loja, vale ver o guia de métricas de e-commerce, o nosso pilar sobre quais números olhar e em que ordem.
O impacto financeiro de escolher o modelo errado
Isso parece papo de analista, mas decide onde o seu dinheiro vai. Imagine que você só olha o último clique. Nesse mundo, o anúncio de topo de funil do Instagram que apresenta a marca para gente nova quase nunca aparece como a última etapa antes da compra, porque o cliente ainda vai pesquisar e voltar depois. Resultado: ele parece um canal que gasta e não vende. Você corta a verba, o topo do funil seca, e duas semanas depois as vendas de todos os canais caem, inclusive as do Google que pareciam ser as campeãs.
O caminho inverso também queima caixa. Se você soma o que cada plataforma reivindica sem descontar a duplicação, acha que está com um retorno excelente e escala o investimento. Só que parte daquele retorno é a mesma venda contada duas vezes. O ROAS da tela mente, e o caixa não acompanha. Esse descompasso entre retorno declarado e lucro real é exatamente o que explicamos no post sobre ROAS alto e caixa vazio: o número pode estar lindo no painel e, mesmo assim, você estar perdendo dinheiro.
O custo de não decidir também é alto. Quando a equipe toda discute qual número é o verdadeiro, ninguém age. A reunião vira um tribunal de planilhas, a verba fica parada no que já parecia seguro, e os testes que fariam a loja crescer não acontecem. Atribuição mal resolvida não é só um erro de medição, é paralisia de decisão.
Como escolher um modelo de atribuição e parar de discutir número
O primeiro passo é eleger uma fonte da verdade para faturamento, e ela é sempre o checkout. O número de pedidos e a receita que entraram no caixa são inegociáveis. As plataformas de anúncio servem para decidir como distribuir verba entre canais, não para dizer quanto a loja vendeu. Separe essas duas perguntas e metade das discussões acaba na hora.
O segundo passo é fixar um único modelo por objetivo e não ficar trocando. Se o seu problema é entender o que puxa vendas no fim do funil, o último clique ou o data-driven resolvem. Se você quer saber o que traz gente nova para dentro, um olhar de primeiro contato (onde ainda estiver disponível, ou via UTM no seu próprio analytics) é mais honesto. Escolha conforme a pergunta que você precisa responder, escreva a regra e se comprometa com ela por pelo menos um ciclo inteiro de compra.
O terceiro passo muda tudo: compare direção, não valor absoluto. Nenhum modelo acerta o número exato, e perseguir o número perfeito é o que trava todo mundo. O que importa é se o canal subiu ou caiu em relação a ele mesmo na semana passada, no mesmo modelo. Se o seu faturamento de checkout crescer quando você escala um canal, esse canal está funcionando, independentemente de qual painel reivindica a venda. Padronize UTMs em todas as campanhas para que o seu próprio analytics consiga remontar a jornada, e use o painel de cada plataforma só para otimizar dentro dela.
Desenhe sua atribuição antes de abrir o relatório
Boa parte da confusão some quando você para de olhar números soltos e desenha a jornada inteira antes. Quando você vê no papel que o cliente passa por Instagram, email e busca antes de comprar, fica óbvio por que dois painéis reivindicam a mesma venda, e fica fácil decidir qual contato você quer medir em cada etapa. É exatamente para isso que serve um canvas de funil: mapear os pontos de contato, marcar onde cada pixel dispara e definir qual modelo responde qual pergunta.
No Flownel você monta esse mapa de forma visual, arrastando origens de tráfego, páginas e eventos de conversão, e enxerga a sobreposição entre canais antes dela virar discussão. Dá para começar no plano gratuito e, quando a operação crescer, os planos do Flownel partem de R$ 49,90 por mês. Desenhe a jornada primeiro, escolha o modelo depois, e deixe o checkout ter a palavra final. É assim que você para de brigar com relatório e volta a decidir onde investir.