O modelo de último clique premia quem fecha a venda e esconde quem abre o cliente. Veja como ler o número certo antes de cortar budget.
A atribuição de último clique dá o crédito inteiro da venda para o último canal que o cliente tocou antes de comprar. O problema: o último canal quase nunca é quem gerou a demanda. O topo de funil (descoberta, vídeo, conteúdo) abre o cliente; o fundo de funil (busca pela marca, retargeting) colhe o que já estava quente, e leva o crédito no relatório.
O sinal de quem trouxe o cliente novo se perde no caminho até o painel: é o que chamamos de signal decay. A consequência prática é cara: a empresa corta o canal de “ROAS baixo” achando que está enxugando desperdício, e duas semanas depois vê a demanda inteira cair, não só a daquele canal.
Três correções de leitura evitam isso:
(1) trocar o modelo de decisão do último clique para um modelo baseado na jornada (data-driven),
(2) olhar o caminho de conversão e a primeira interação, não só a conversão final, e
(3) testar incrementalidade antes de cortar — reduzir o canal de forma controlada e medir a demanda total. O objetivo não é defender topo de funil cegamente. É decidir orçamento sabendo qual canal traz cliente que não existiria sem ele.
Introdução
A decisão mais cara do mês de marketing costuma sair de uma frase: “esse canal está com ROAS baixo, vamos cortar”. Quem decide orçamento (Founder, Diretor de Marketing, C-level) toma essa decisão olhando o painel padrão. E o painel padrão tem um viés embutido que ninguém avisou: ele foi construído para mostrar quem deu o último clique, não quem trouxe o cliente.
Isso importa agora porque o custo de aquisição não para de subir e a pressão por cortar desperdício é real. Mas cortar o canal errado não economiza, ele derruba a entrada inteira do funil. Este artigo mostra por que o relatório engana, o que é signal decay e como ler o número certo antes de mexer no budget.
O que é atribuição de último clique e por que ela distorce o budget?
Atribuição de último clique é o modelo padrão da maioria das plataformas de anúncio e analytics: o crédito inteiro da conversão vai para o último canal que o cliente tocou antes de comprar. Parece justo, foi o último passo. Mas o último passo raramente é o que gerou a demanda.
A jornada de compra real tem mais de um toque. Alguém descobre a marca por um anúncio de vídeo (topo de funil), pesquisa depois, volta semanas depois pela busca pelo nome da empresa e converte. No último clique, todo o crédito vai para a busca pela marca. O anúncio de vídeo, que abriu o cliente, aparece com ROAS baixo. A conta que decide budget fica torta: o canal que abre parece fraco, o canal que fecha parece herói.
O que é signal decay no contexto de atribuição?
Signal decay é a perda do sinal de quem realmente gerou a demanda no caminho até o relatório. Quanto mais cedo um canal atua na jornada, mais frágil é o crédito que ele recebe, porque entre o primeiro toque e a conversão acontecem muitos eventos, e o modelo de último clique apaga todos menos o último.
Esse decaimento piora com fatores técnicos atuais: bloqueio de cookies de terceiros, janelas de atribuição curtas e perda de eventos quando o navegador ou o consentimento do usuário corta o rastreamento. Cada um desses fura mais o sinal do topo de funil. O fundo de funil, por estar mais perto da conversão, sofre menos, o que aumenta ainda mais a ilusão de que ele é o melhor canal.
Por que cortar o canal de “pior ROAS” derruba a demanda inteira?
Porque o topo de funil alimenta a entrada do funil. Quando você corta o canal que abre clientes, não cai só a demanda atribuída a ele, cai a demanda que os canais de fundo dependiam para colher. A busca pela marca, o retargeting e o direto só funcionam se algo, antes, apresentou a marca para o cliente.
O efeito tem atraso. Você corta o topo de funil hoje e o painel parece normal por uma ou duas semanas, porque o fundo de funil ainda está colhendo a demanda plantada antes do corte. Quando a demanda plantada acaba, tudo cai junto. Por isso a relação causa-efeito passa despercebida: o corte e a queda não acontecem no mesmo dia.
Como ler o número certo antes de cortar budget?
São três correções de leitura. Nenhuma exige trocar de stack, exige trocar a pergunta que você faz ao relatório.
- Troque o modelo de decisão do último clique para um baseado na jornada. Modelos data-driven distribuem o crédito entre os toques que participaram da conversão, em vez de dar tudo para o último. Não é cosmético: é o que faz o ROAS do topo de funil parar de aparecer artificialmente baixo.
- Olhe o caminho de conversão e a primeira interação, não só a conversão final. A pergunta muda de “qual canal converteu?” para “qual canal abre os clientes que mais valem?”. Os relatórios de caminho de conversão do GA4 e os modelos de atribuição da plataforma mostram isso quando você procura.
- Teste incrementalidade antes de cortar. Reduza o canal de forma controlada e meça o impacto na demanda TOTAL — não só na demanda atribuída a ele. Se a demanda total cai mais do que a atribuída ao canal, você acabou de provar que ele abria clientes que o relatório não creditava.
Último clique vs modelo baseado em jornada: o que muda na decisão
| Critério | Último clique | Baseado na jornada (data-driven) |
| Quem leva o crédito | só o último canal tocado | todos os canais que participaram |
| Como o topo de funil aparece | ROAS subestimado | ROAS mais próximo do real |
| Risco de decisão | cortar o canal que abre clientes | enxergar quem abre antes de cortar |
| Pergunta que responde | “quem fechou?” | “quem trouxe o cliente?” |
FAQ
O que é atribuição de último clique?
É o modelo de atribuição em que o crédito inteiro da conversão vai para o último canal que o usuário tocou antes de comprar. É o padrão na maioria das plataformas, e tende a subestimar canais de topo de funil que abrem a demanda mas não fecham a venda.
O que é signal decay em marketing de performance?
É a perda gradual do sinal de quais canais realmente geraram a demanda, no caminho até o relatório. Quanto mais cedo um canal atua na jornada, mais frágil é o crédito que ele recebe — agravado por bloqueio de cookies, janelas curtas de atribuição e perda de eventos por consentimento.
Devo então parar de usar último clique?
Não necessariamente como métrica de acompanhamento. O ponto é não usar último clique como único critério de DECISÃO de budget. Para cortar ou escalar canal, um modelo baseado na jornada dá uma leitura menos enviesada.
Como sei se um canal abre ou fecha clientes?
Olhe a posição dele na jornada: aparece mais como primeira interação ou como última? Use o relatório de caminho de conversão do GA4. E teste: quando você sobe o investimento nesse canal, os outros sobem junto semanas depois? Isso indica que ele abre demanda.
Modelo data-driven resolve sozinho o signal decay?
Ajuda, mas não resolve tudo. Se os eventos não chegam ao analytics (cookie bloqueado, consentimento negado, tag mal configurada), nenhum modelo conserta um dado que nunca foi coletado. A base é tracking confiável; o modelo de atribuição vem em cima dele.
Qual a diferença entre atribuição e incrementalidade?
Atribuição divide o crédito da demanda que já aconteceu. Incrementalidade mede a demanda que só existe POR CAUSA daquele canal — o que cairia se ele desligasse. Para decidir cortar budget, incrementalidade é o teste mais honesto.
Quer continuar recebendo análises como esta de atribuição, tracking e como ler o número certo antes de decidir budget? Assine a LinkedIn Newsletter da Uaify e receba a edição da semana direto no seu feed.
