Modelos de atribuição no ecommerce: último clique, linear e mais

Um modelo de atribuição é a regra que decide quais toques de marketing recebem o crédito por um pedido. No ecommerce, o último clique dá todo o crédito ao clique final antes da compra, o primeiro clique dá todo o crédito ao primeiro clique, o linear o divide igualmente, e os modelos baseados em dados o dividem com base em estatísticas de muitas jornadas de clientes.

O modelo que você escolhe pode mudar o ROAS de um canal mais do que qualquer mudança de campanha. Este guia percorre uma jornada de cliente em cada modelo comum, com os números. Depois, explica a atribuição baseada em dados no Google Ads, por que cada plataforma de anúncios dá crédito a si mesma, os doze modelos do ROASaurus e qual modelo usar para cada pergunta.

O que é um modelo de atribuição?

Antes da maioria dos pedidos online, um cliente tem mais de um contato com o seu marketing. Cada visita que vem de um anúncio, de um e-mail ou de um link com ID de clique ou parâmetros UTM é um toque. Um modelo de atribuição pega os toques dentro de uma janela de lookback, por exemplo os 7 dias antes do pedido, e divide a receita do pedido entre eles. As partes de um pedido sempre somam o pedido inteiro.

Todos os exemplos deste guia usam a mesma jornada. Um cliente faz um pedido de $120:

Modelos de toque único: último clique e primeiro clique

Último clique

O último clique dá 100% do pedido ao toque mais recente. Na jornada, o e-mail de carrinho abandonado recebe $120 e os três anúncios não recebem nada. O último clique é simples e fácil de conferir, e mostra quais canais fecham vendas. A fraqueza dele é igualmente clara: nunca dá crédito aos anúncios que encontraram o cliente. No último clique, as campanhas de prospecção parecem fracas, e a busca por marca, o retargeting e o e-mail parecem fortes.

Primeiro clique

O primeiro clique dá 100% do pedido ao primeiro toque dentro da janela. Na jornada, o anúncio do TikTok recebe $120. O primeiro clique mostra quais canais trazem gente nova. Ele ignora tudo o que aconteceu depois da primeira visita, inclusive o retargeting e o e-mail que trouxeram o cliente de volta. Ele também depende da janela: com uma janela de 4 dias, o clique do TikTok de cinco dias antes do pedido fica de fora, e o anúncio do Meta passa a ser o primeiro clique.

Modelos multi-touch: linear, declínio de tempo e baseado na posição

Os modelos multi-touch dividem o pedido entre vários toques. Eles diferem na forma de dar peso a cada um.

Linear

O linear divide o pedido igualmente. Com quatro toques, cada um recebe 25%, ou $30. É fácil de explicar e trata todos os canais do mesmo jeito. Mas também dá a um e-mail de lembrete o mesmo crédito do anúncio que encontrou o cliente.

Declínio de tempo

O declínio de tempo dá mais crédito aos toques mais próximos do pedido. Uma versão comum usa uma meia-vida de 7 dias: um clique 7 dias antes do pedido recebe metade do peso de um clique no dia do pedido. Na jornada, os pesos são 0.61 para o TikTok, 0.74 para o Meta, 0.91 para o Google e 1.00 para o e-mail. Divididos pelo total de 3.26, isso dá ao TikTok 18.7%, ao Meta 22.8%, ao Google 27.8% e ao e-mail 30.7% dos $120.

Baseado na posição

O modelo baseado na posição, também chamado de em forma de U, dá 40% ao primeiro toque, 40% ao último toque e divide os 20% restantes entre os toques intermediários. Na jornada, o TikTok e o e-mail recebem $48 cada, e o Meta e o Google recebem $12 cada.

Uma jornada de cliente em cada modelo

Veja o mesmo pedido de $120 em cada modelo, incluindo o Total Impact, que também usa a resposta da pesquisa e é explicado mais adiante.

Ao longo de um mês, essas diferenças se acumulam. Um canal que inicia jornadas pode parecer deficitário no último clique e lucrativo no linear, com os mesmos pedidos e o mesmo investimento.

Atribuição baseada em dados no Google Ads

Um modelo baseado em dados não usa uma regra fixa. Ele aprende a divisão a partir dos seus dados. O Google Ads descreve a sua versão como a distribuição do crédito com base nos seus dados anteriores para cada ação de conversão. Ele compara os caminhos dos clientes que convertem com os dos clientes que não convertem e dá mais crédito às palavras-chave, aos anúncios e às campanhas que tornam uma conversão mais provável.

O modelo baseado em dados agora é o padrão para a maioria das ações de conversão no Google Ads. O Google não oferece mais os modelos de primeiro clique, linear, declínio de tempo e baseado na posição. As ações de conversão que os usavam foram migradas para o modelo baseado em dados, então a escolha no Google Ads é entre baseado em dados e último clique. O modelo funciona com menos dados, mas, para obter os melhores resultados, o Google recomenda pelo menos 200 conversões e 2,000 interações com anúncios em 30 dias.

Dois limites importam para uma loja online. Primeiro, o modelo só enxerga interações com os seus anúncios do Google. Ele divide o crédito entre as suas campanhas do Google, mas não consegue pesar o Google contra o Meta, o TikTok ou o e-mail. Segundo, você vê o resultado, mas não a regra, então não dá para conferir por que uma campanha recebeu mais crédito do que outra.

Autoatribuição das plataformas: por que cada plataforma dá crédito a si mesma

Cada plataforma de anúncios roda a sua própria atribuição, com os seus próprios dados e as suas próprias janelas. A configuração de atribuição padrão do Meta para novos conjuntos de anúncios é clique de 7 dias ou visualização de 1 dia, e a API de relatórios dele também pode retornar clique de 1 dia, clique de 28 dias e visualização engajada de 1 dia. O Google Ads usa o modelo baseado em dados ou o de último clique nas interações do Google. Cada plataforma só enxerga os próprios toques, então cada uma credita a si mesma o pedido inteiro em que tocou.

É por isso que os totais das suas contas de anúncios costumam somar mais do que a receita da sua loja. A conciliação completa está em por que o Ads Manager mostra mais vendas do que o Shopify. Para comparar os canais entre si, você precisa de um modelo que rode sobre os dados dos seus próprios pedidos e credite cada pedido uma única vez.

Modelos de atribuição no ROASaurus

O ROASaurus guarda como toque toda visita que chega com um ID de clique ou parâmetros UTM. Quando chega um pedido, ele credita os toques do visitante associado dentro da sua janela de lookback. Se não houver toque no navegador, por exemplo por causa de um bloqueador de anúncios ou porque o visitante recusou os cookies de marketing, ele recorre aos IDs de clique e às UTMs do endereço da página de destino salvo com o pedido. O Shopify salva esse endereço em cada pedido, e outras lojas online podem enviá-lo pela API de pedidos. O ROASaurus o usa só nos próprios relatórios; ele não é enviado às plataformas de anúncios. Pedidos sem nenhum toque contam como diretos. No relatório de atribuição você pode escolher entre doze modelos. Estes seis funcionam como na jornada acima:

Os outros seis são o último clique não direto, que também conta visitas de busca orgânica, redes sociais e referência; o linear pago, que divide o pedido apenas entre cliques em anúncios pagos; o qualquer clique, que dá o pedido inteiro a cada canal clicado, então as linhas dele somam mais que a sua receita; o Clicks & views, que acrescenta visualizações de anúncios modeladas aos cliques; e dois modelos baseados em dados.

Os modelos baseados em dados do ROASaurus

Os modelos de cadeia de Markov e de valor de Shapley aprendem a divisão a partir das jornadas da sua própria loja. Cada pedido com os seus cliques é um caminho que converteu, e os cliques que não foram seguidos por nenhum pedido dentro da janela de lookback são caminhos que não converteram. O modelo de Markov credita cada canal pela probabilidade de conversão que se perde quando esse canal é removido. O modelo de Shapley credita cada canal pela sua contribuição média entre as combinações de canais nas suas jornadas. Ao contrário do modelo do Google Ads, eles comparam o Google com o Meta, o TikTok e o e-mail. Eles são treinados com pelo menos 90 dias, e, com menos de 30 pedidos com cliques ou com cliques de um único canal, dividem o crédito de forma linear e avisam acima do relatório.

Como o Total Impact usa a pesquisa pós-compra

Os cliques deixam passar parte do que impulsiona uma venda: um podcast, uma indicação de um amigo ou um anúncio em vídeo que alguém viu, mas não clicou. O Total Impact acrescenta o que o cliente diz. No Shopify, o ROASaurus tem um bloco de pesquisa pós-compra para a página de agradecimento que pergunta “Como você ficou sabendo de nós?”. Respostas como Facebook ou Instagram, TikTok, pesquisa no Google, YouTube, um amigo, e-mail ou um podcast são associadas a canais. Outras plataformas podem enviar respostas para a API de pesquisas.

Na jornada, o cliente respondeu TikTok. A parte da pesquisa, de 50%, vai para o TikTok, e os quatro cliques dividem os outros 50%, ou $15 cada. O TikTok fica com $60 + $15 = $75. Se o cliente tivesse respondido “um podcast”, o podcast receberia $60, um canal que nenhum clique mostra. No relatório de campanhas, a parte da pesquisa aparece em uma linha própria sob o canal, porque uma resposta nomeia um canal, não uma campanha. Atribuição por pesquisa pós-compra explica como configurar a pergunta e as respostas dela.

Janela de lookback e limites

Cada loja tem a sua própria janela de lookback, de 1 a 90 dias, com 7 dias como padrão, ou ilimitada. O relatório pode alternar entre 1, 7, 14, 28, 30, 60 e 90 dias, para você ver quanto crédito se move quando a janela aumenta. As conversões view-through só contam no Clicks & views, ou quando você adiciona visualizações modeladas a outro modelo: o ROASaurus aloca as compras view-through que as plataformas de anúncios relatam em pedidos que não tiveram clique daquela plataforma, como uma estimativa marcada como tal. Os detalhes estão em como a atribuição funciona.

Qual modelo de atribuição você deve usar?

Nenhum modelo vale para todas as perguntas. Escolha o modelo que combina com a decisão que você tem diante de si e mantenha a mesma janela ao comparar.

Três hábitos mantêm as comparações de modelos honestas. Mude uma coisa de cada vez: nunca troque o modelo e a janela juntos. Compare canais dentro de um mesmo modelo, não o número de último clique de um canal com o número linear de outro. E avalie o lucro pelo lucro bruto, não pela receita: um canal com ROAS alto em produtos de margem baixa ainda pode perder dinheiro.

Fontes

1. Google Ads Help: About attribution models
2. Google Ads Help: About data-driven attribution
3. Meta for Developers: Ads Insights API Metric Availability Updates
4. Meta Business Help Center: How conversions are attributed in Commerce Manager

No ROASaurus

• Atribuição no ROASaurus
• Ajuda: como a atribuição funciona
• Rastreamento server-side

Continue lendo