Todo gestor de marketing já enfrentou a mesma dúvida: como provar que cada real investido em mídia se transformou em receita que não existiria sem aquele investimento?
De um lado, a intuição dizendo que a campanha funciona. Do outro, a necessidade técnica de isolar esse efeito das variáveis que o marketing não controla: sazonalidade, estoque, economia, clima.
Com o custo de aquisição subindo ano após ano, mensuração deixou de ser detalhe operacional. Se transformou em estratégia de sobrevivência. E quem ainda toma decisão de investimento com base no last click está operando com uma lente que distorce mais do que revela.
No EP 265 do Analytics Talks, eu e o Lucian conversamos com o Paulo Shindi, especialista com passagem por Engenharia, Supply Chain e Inovação na Leroy Merlin. O papo foi sobre os limites da atribuição tradicional, o papel da incrementalidade como métrica mestre de negócio e como integrar MMM, atribuição e testes incrementais numa operação que precisa de respostas reais.
Este artigo aprofunda os pontos centrais dessa conversa.
Atribuição e incrementalidade não são rivais, são parceiras
Um dos maiores erros táticos do mercado é acreditar que é preciso escolher entre atribuição e incrementalidade. São conceitos que operam em dimensões diferentes e se complementam.
A atribuição é uma abordagem bottom-up. Ela distribui o crédito da conversão entre os pontos de contato da jornada: blog, YouTube, busca paga, redes sociais, e-mail. Serve para entender o papel tático de cada canal, especialmente em produtos de ticket alto onde a decisão de compra é longa e envolve múltiplas interações.
A incrementalidade é a prova real do impacto. Ela responde uma pergunta que a atribuição não consegue: essa venda teria acontecido mesmo sem o investimento em mídia?
O raciocínio é simples. Imagine que você vende garrafas de água em São Paulo. Divide o público em dois grupos de 50 pessoas. O grupo de controle (sem anúncios) vende 50 garrafas organicamente. O grupo de teste (com anúncios) vende 100. O resultado incremental é 50 unidades. O resto aconteceria sem a mídia.
Enquanto a atribuição calibra o dia a dia e orienta otimizações táticas, a incrementalidade valida se o investimento está gerando comportamento novo ou apenas tomando crédito por vendas orgânicas inevitáveis.
Como o Paulo Shindi colocou durante a conversa: são conceitos complementares. Atribuição não substitui incrementalidade.
Por que o last click é uma armadilha para a decisão de investimento
Basear a estratégia de mídia no último clique é uma armadilha que subestima drasticamente o topo e o meio do funil.
Usando a analogia esportiva que apareceu no episódio: um time de futebol não vence apenas com o atacante. O atacante (o Search de fundo de funil) faz o gol, mas depende do zagueiro que recupera a posse e do goleiro que defende o resultado. Os canais de awareness e consideração são esse zagueiro e esse goleiro. O last click dá crédito total ao atacante e ignora todo o resto.
O cenário técnico agravou o problema. O GA4 limitou os modelos de atribuição nativos, incluindo o fim do modelo baseado em posição. A dependência de plataformas prontas para distribuir crédito entre canais se tornou um risco real.
Para o profissional que precisa de respostas que reflitam a realidade do negócio (e não o que a plataforma quer mostrar), o uso do BigQuery para modelagem customizada de dados deixou de ser opcional. É apenas fora das interfaces padrão que conseguimos criar lógicas de atribuição data-driven que consideram a jornada completa.
Um ponto importante que surgiu na conversa: boa parte da resistência ao fim do last click vem de gestores que tentam proteger os números dos seus próprios canais, ignorando a visão holística do negócio.
Dados primeiro, IA depois
Em um mercado fascinado por inteligência artificial, o Paulo trouxe um lembrete que vale repetir: a IA é consumidora de dados, não criadora.
Antes de rodar modelos preditivos ou alimentar ferramentas de otimização automatizada, existem três pré-requisitos que a maioria das empresas ignora.
O primeiro é volume de dados. Massa crítica suficiente para significância estatística. Sem isso, qualquer modelo vai gerar ruído disfarçado de insight.
O segundo é grupo de controle limpo. Capacidade de isolar públicos sem contaminação entre grupo de teste e grupo de controle. Sem essa separação, medir incrementalidade vira exercício de ficção.
O terceiro é integração de qualidade, o que o Paulo chama de full stack data. Significa unificar plataformas de mídia (Meta, Google, TikTok) com ERP e CRM. Enquanto os dados vivem em silos, nenhum modelo vai produzir respostas confiáveis.
Muitas empresas levam de três meses a dois anos para construir esse alicerce. Como o Paulo colocou: a IA tem que buscar dado de algum lugar. Se esse dado não for confiável, a única coisa que a IA não faz é gerar dados.
O Panorama Digital Analytics 2025, pesquisa conduzida pela Métricas Boss, mostrou que 70% das empresas brasileiras não têm orçamento dedicado à cultura de mensuração. E 89% admitem dificuldade total ou parcial em trabalhar com métricas. Operar nessas condições e esperar que a IA resolva é depositar esperança na ferramenta errada.
O desafio omnichannel e o efeito ROPO na Leroy Merlin
A Leroy Merlin é um exemplo clássico de complexidade na jornada de compra. Para itens de alto valor, como porcelanatos, o site funciona como vitrine. O consumidor pesquisa especificações na segunda-feira, mas só finaliza a compra no sábado, fisicamente, depois de tocar no produto.
Esse comportamento tem nome: efeito ROPO. Research Online, Purchase Offline. Pesquisa online, compra na loja física.
Para operações com esse perfil, o KPI principal do marketing digital muitas vezes não é a venda direta no e-commerce. É o fluxo de loja, o chamado store flow. A pergunta não é "quantas conversões o site gerou?" mas sim "quantas pessoas a campanha digital levou até a loja?"
A identificação via CPF no caixa é o padrão ouro para fechar esse ciclo. Quando o cliente se identifica, é possível conectar a exposição digital com a compra presencial. Quando opta por não se identificar, a alternativa são proxies como contagem de fluxo via câmeras e sensores, correlacionando aumento de investimento em mídia com aumento de visitas presenciais.
Esse tipo de medição só funciona quando existe integração entre dados digitais e dados de loja. E é exatamente aqui que a maioria das operações de varejo trava: os dados existem, mas vivem em sistemas diferentes que não conversam.
Curva de saturação e adstock: os conceitos que a maioria ignora
Dois conceitos técnicos apareceram no episódio que costumam ser negligenciados em análises superficiais de mídia: a curva de saturação e o adstock.
A curva de saturação é o ponto onde investir mais num canal para de gerar retorno proporcional. Nenhum canal tem retorno infinito. Dobrar o orçamento de search não dobra as vendas. Existe um teto. Depois desse teto, cada real adicional gera menos resultado que o anterior. Quem não mede a saturação está jogando dinheiro fora. Em muitos casos, o investimento adicional seria melhor aplicado em infraestrutura de dados do que em mais mídia no mesmo canal saturado.
O adstock (ou carryover) é o efeito residual da mídia ao longo do tempo. O impacto de um anúncio não é um interruptor liga/desliga. Ele tem uma janela de decaimento que varia por canal. O impacto de um anúncio no cinema persiste por mais tempo na memória do que o scroll rápido de um story no Instagram.
É aqui que o Marketing Mix Modeling brilha. Como uma abordagem top-down e econométrica, o MMM consegue enxergar o que a atribuição ignora: fatores externos.
Na construção civil, chuva para obras e derruba a venda de cimento. Se alguém olha apenas para os dados de mídia durante uma semana chuvosa, vai concluir que a campanha falhou. Quando na verdade foi o clima, a logística ou a falta de estoque que barrou a conversão.
O MMM isola esses fatores. Separa o que é efeito da mídia do que é efeito do contexto. E é essa separação que transforma dados em decisão.
A trifecta da mensuração: como integrar atribuição, incrementalidade e MMM
A conclusão do episódio converge para um conceito que o Google também defende em suas diretrizes de mensuração: a trifecta.
São três pilares que operam em frequências e granularidades diferentes, mas que juntos formam o sistema de mensuração mais robusto disponível para operações de marketing.
A atribuição via BigQuery serve para otimização tática, diária e granular. Permite ajustar campanhas em tempo real, testar criativos, otimizar lances. É o instrumento do dia a dia.
A incrementalidade serve para validação periódica dos canais. Testes controlados que respondem se um canal está realmente gerando resultado novo ou apenas capturando demanda que existiria de qualquer forma. É o instrumento da verdade.
O MMM serve para alocação estratégica de orçamento no longo prazo. Considera todas as variáveis (mídia, clima, concorrência, economia, sazonalidade) e projeta cenários de investimento. É o instrumento do planejamento.
Nenhum desses pilares funciona sozinho. A atribuição sem incrementalidade não prova causalidade. A incrementalidade sem MMM não captura efeitos de longo prazo. O MMM sem atribuição não tem granularidade para otimização diária.
A pergunta que todo CMO deveria responder
O Paulo fechou a conversa com uma provocação que vale repetir.
A pergunta para qualquer CMO ou CEO é: seu modelo atual de mensuração está realmente impulsionando o crescimento ou apenas justificando o orçamento de um departamento?
Se a resposta não for clara, o problema não é de ferramenta. É de estrutura.
Mensuração não é mais uma tarefa técnica para o time de TI. É o coração da estratégia de negócio.
O episódio completo do Analytics Talks (EP 265) está disponível no YouTube.
Gustavo Esteves
Gustavo Esteves é fundador e CEO da Métricas Boss, já trabalhou dentro de gigantes como B2W. Autoridade na área de Digital Analytics, com mais de 15 anos de experiência e 3 mil projetos atendidos, incluindo gigantes como PUC, Rede D'Or, Globo, Stanley, Médico Sem Fronteiras, Alura, entre outras.
Publicado em 17 de abril de 2026
