Qual modelo de atribuição usar no GA4 é a pergunta que mais aparece nas auditorias que a gente faz. E é a pergunta errada.
Last click, data-driven, linear: tanto faz. Nenhum modelo de atribuição vai te dizer se a campanha dá lucro ou queima caixa. Ele só pega o crédito da venda e redistribui entre os canais que você já usa. Ponto.
A gente já viu cliente com atribuição data-driven “perfeita” perdendo dezenas de milhares por mês, e cliente com last click básico lucrando todo mês sem drama. A diferença nunca foi o modelo. Foi o que eles mediam além da atribuição.
É isso que vale a pena olhar: por que a escolha do modelo é secundária, e o que medir de verdade pra saber se o seu dinheiro está rendendo ou só girando.
O mito do modelo de atribuição perfeito
Você já viu esse roteiro. Contrata a agência, na primeira reunião eles falam em “implementar a atribuição correta” e prometem revelar “os canais que realmente convertem”.
Três meses depois você tem relatório bonito. Google Ads com 40% do crédito, Meta com 35%, orgânico com 25%. E daí?
Seu CAC continua subindo. Margem caindo. E você ainda não sabe quanto pode investir sem quebrar.
O problema é de pergunta. O modelo de atribuição do GA4 responde “qual canal tocou o cliente antes da conversão?”. A pergunta que o CFO faz é outra: “quanto lucro sobra depois de pagar anúncio, produto, operação e imposto?”. São perguntas diferentes, que pedem métricas diferentes.
Por que “qual modelo escolher” é a pergunta errada
Vou ser direto: discutir qual modelo usar é otimizar 20% do problema.
Nas contas que a gente audita, a maioria roda last click puro. Quando trocam pra data-driven, o crédito muda de lugar, mas a lucratividade não melhora. O modelo “mais sofisticado” não paga mais conta que o básico, porque lucro não vem de redistribuir crédito. Vem de medir margem por pedido, tempo de payback e capacidade de escalar sem estourar o CAC.
A escolha do modelo só passa a importar depois que você responde quatro coisas:
- Quanto custa de verdade entregar o produto (custo real, não só o anúncio)
- Quanta margem sobra por venda
- Quanto tempo você leva pra recuperar o investimento
- Qual o CAC máximo que cabe na sua operação
Sem essas respostas, trocar last click por data-driven é enxugar gelo.
O que os modelos do GA4 fazem (e o que não fazem)
Vamos destrinchar. O Google Analytics 4 oferece seis modelos:
- Last Click: 100% do crédito vai pro último canal antes da conversão
- First Click: 100% pro primeiro
- Linear: divide o crédito igual entre todos os pontos de contato
- Time Decay: dá mais peso pras interações recentes
- Position-Based: 40% no primeiro, 40% no último, 20% dividido no meio
- Data-Driven: o algoritmo do Google distribui crédito com base no histórico
Parece poderoso. Mas olha o que nenhum desses modelos faz:
- Não calcula margem de lucro por canal
- Não considera custo de entrega, estoque, time
- Não mostra payback
- Não revela se você pode dobrar o investimento sem quebrar
- Não conecta conversão com fluxo de caixa
Um caso que auditamos deixa isso claro: e-commerce de moda. Com last click, o Google Ads levava 65% das conversões, Meta 25%, orgânico 10%. Trocaram pra data-driven e virou Google 48%, Meta 38%, orgânico 14%.
Legal. E o lucro? Negativo nos dois cenários.
Por quê? Porque o problema era operacional: devolução alta, prazo de entrega longo, CAC alto pra um ticket médio que não pagava a conta. Nenhum modelo de atribuição resolve isso. Você precisa de métrica financeira, não só de marketing.
Os 3 problemas que nenhum modelo de atribuição resolve
Cruzando o que a gente vê em contas de Google Ads e Meta Ads, sempre caem os mesmos três buracos que a atribuição ignora.
1. Conversão não é dinheiro no banco
O GA4 mostra “200 conversões”. Mas quantas pagaram de fato? Quantas não devolveram o produto? Quantas não viraram chargeback? Quantas sobraram como lucro depois do imposto?
Atribuição trabalha com evento de conversão, não com caixa. Num cliente SaaS B2B que auditamos, o GA4 marcava 847 conversões (trials iniciados). Viraram pagantes: 124. Ou seja, a conversão que importava era 14,6%, não os 847 que o painel comemorava.
Se você otimiza campanha por “conversão” do GA4, está otimizando a métrica errada.
2. Estrutura de custo fica de fora
O modelo diz “Meta gerou 40% das vendas”. Não diz que o Meta trouxe cliente de ticket mais baixo, com devolução maior e margem líquida menor que a do Google. Dois canais podem ter o mesmo ROAS e lucro completamente diferente.
Isso não sai em relatório de atribuição. Só aparece quando você cruza o GA4 com o ERP, o gateway de pagamento e a planilha de custo.
3. Jornada real x jornada rastreável
O GA4 rastreia clique. Só que boa parte da jornada acontece fora do radar dele:
- Cliente vê o anúncio no celular e compra no desktop (sessões diferentes)
- Vê o anúncio e vai na loja física
- Salva o produto e volta dias depois digitando o site direto (atribuição = “direto”)
- Usa bloqueador de anúncio, aba anônima, vários aparelhos
A atribuição do Google só enxerga o que consegue rastrear, e isso encolhe a cada ano com iOS, LGPD e o fim do cookie de terceiro. A gente não crava um número, ninguém honesto crava, mas quando você bate o rastreado contra a venda real no ERP, é comum sobrar uma fatia grande que o GA4 simplesmente não explica. Trate a atribuição como estimativa, não como verdade.
O que medir de verdade: o framework CFO
Se o modelo não resolve, o que resolve é sair da métrica de marketing e entrar na métrica financeira. É o framework que a gente usa e comenta com frequência no blog da Nexus Growth, em quatro camadas.
Camada 1: margem de contribuição por canal
Não basta saber que o Google Ads gerou R$100 mil em venda. Você precisa descer até a margem. Um exemplo de como a conta fica:
| Item | Valor |
|---|---|
| Receita do canal | R$100K |
| Custo de anúncio | – R$22K |
| Custo do produto (CMV) | – R$48K |
| Frete e logística | – R$9K |
| Gateway de pagamento | – R$3,2K |
| Devoluções | – R$6K |
| Margem de contribuição | R$11,8K |
Agora você sabe o que importa: cada R$1 investido nesse canal deixou R$0,54 de margem. Faz a mesma conta pros outros canais e o que tiver a maior margem por real investido vira prioridade.
Camada 2: payback por canal
Margem é ótimo, mas quanto tempo você leva pra ter o dinheiro de volta? A conta é simples: investimento dividido pela margem gerada por mês.
Com R$30 mil investidos, se o Google Ads gera R$12 mil de margem por mês, o payback é de 2,5 meses. Se o Meta gera R$8 mil por mês, são 3,75 meses. Caixa apertado? Prioriza o payback mais curto, mesmo que o outro canal tenha ROI maior no longo prazo. Fluxo de caixa não espera o longo prazo.
Camada 3: CAC x LTV por canal e segmento
CAC geral não diz nada. Você tem que segmentar, porque o mesmo canal muda de figura dependendo do segmento:
| Canal | Segmento | CAC | LTV 12m | LTV/CAC |
|---|---|---|---|---|
| Google Ads | Marca própria | R$45 | R$380 | 8,4x |
| Google Ads | Genéricos | R$187 | R$240 | 1,3x |
| Meta Ads | Lookalike | R$92 | R$420 | 4,6x |
| Meta Ads | Interesse frio | R$203 | R$180 | 0,9x |
Repara no interesse frio do Meta: você gasta R$203 pra trazer um cliente que devolve R$180. Se você olha só a atribuição geral, escala o segmento errado e queima caixa achando que está crescendo.
Camada 4: teste de incrementalidade
Esse é o teste que resolve a discussão: desliga o canal por duas a quatro semanas e mede quanto a receita cai de verdade.
Se você corta o Google Ads (que “gerava” 50% das conversões no GA4) e a receita cai bem menos que isso, é porque parte das vendas ia acontecer de qualquer jeito (marca, direto), outros canais compensam e a atribuição estava superestimando o impacto.
Foi o que vimos num cliente de curso online. O GA4 atribuía a maior parte das matrículas ao Meta Ads. Pausamos o Meta por três semanas e as matrículas caíram bem menos do que o painel sugeria: o impacto incremental de verdade era bem menor que o crédito na tela. Religamos investindo 40% menos, focando nos segmentos que davam retorno. A margem subiu e as matrículas quase não sentiram.
Como sair do relatório para o dashboard de lucro
Teoria é bonita. Na prática, como você sai do “relatório de atribuição do GA4” pra um painel que mostra lucro por canal? Esse é o passo a passo que a gente aplica.
Passo 1: mapear o custo real (semana 1)
Monte uma planilha com todo custo por pedido: mídia, CMV, frete e logística, gateway (%), embalagem, imposto (Simples ou Real), devolução média por canal e atendimento rateado por pedido.
Muita gente pula devolução e atendimento, e é justamente aí que o lucro some. Nas contas de e-commerce que operamos, esses dois itens engolem uma fatia do custo por pedido que ninguém tinha colocado na conta.
Passo 2: conectar o GA4 aos dados transacionais (semana 2)
O GA4 sozinho não fecha a conta. Cruze com o ERP ou sistema de vendas (pedido pago de verdade), o gateway (chargeback e estorno) e a logística (devolução).
Em e-commerce Shopify, WooCommerce ou VTEX, dá pra automatizar com Zapier, Make ou Google Sheets com Apps Script. Em SaaS, conecte o GA4 ao CRM (HubSpot, RD Station, Pipedrive) pra seguir o caminho trial, pagante, churn.
Passo 3: montar o dashboard de margem por canal (semana 3)
No Google Sheets, Looker Studio ou Tableau, com as colunas que não podem faltar: canal ou campanha, investimento, receita bruta, receita líquida (depois de devolução e chargeback), custo total (mídia mais produto mais operação), margem de contribuição em R$ e em %, payback e LTV/CAC.
No começo é manual e semanal. Depois você automatiza.
Passo 4: testar incrementalidade (a cada trimestre)
Escolha um canal por trimestre e rode o teste: duas semanas de baseline medindo a performance normal, duas semanas pausando ou cortando 50% do investimento, e depois retoma comparando a receita real com a esperada. Isso mostra o impacto de verdade, não a atribuição do algoritmo.
Passo 5: otimizar por margem, não por ROAS (contínuo)
Aqui muda a regra de decisão. A antiga era “pausa a campanha se o ROAS ficar abaixo de 3x”. A nova é “pausa se a margem ficar abaixo de R$15 por conversão ou o payback passar de 4 meses”.
Um exemplo real: campanha de Google Ads com ROAS de 2,1x estava marcada pra morrer. Fomos ver a margem: positiva, payback curto. Mantivemos, escalamos, virou carro-chefe. Outra campanha tinha ROAS alto e todo mundo feliz, mas a margem era mínima (produto caro, frete alto, devolução alta). Pausamos e realocamos a verba.
Cada mês otimizando o modelo errado custa lucro
Você está otimizando atribuição enquanto o concorrente está otimizando margem. Adivinha quem aguenta quando o mercado aperta.
A parte incômoda: quase toda empresa que auditamos já tinha o modelo de atribuição “certo” no GA4. E mesmo assim tinha canal queimando caixa, porque o relatório de atribuição nunca ia apontar isso. O modelo não era o problema. Nunca foi.
O problema é decidir onde colocar dezenas ou centenas de milhares por mês olhando um dado que mostra “conversão”, não lucro líquido. Enquanto você debate data-driven ou linear, o dinheiro vaza em campanha com ROAS bonito e margem negativa, em segmento que converte mas devolve, e em canal que o GA4 credita mas que não move o ponteiro quando você testa incrementalidade.
Faz a conta com o seu próprio orçamento. Dói, né?
Se você investe de R$20 mil por mês pra cima em mídia e quer ver isso, lucro por canal depois de todos os custos, não só relatório de conversão, é exatamente o trabalho que a Nexus faz como consultoria de mídia paga. Se fizer sentido, chama a gente. Se não fizer, a gente fala na cara.