Atribuição em apps mobile

Por que atribuição mobile é universo paralelo

A primeira coisa a entender: atribuição em apps móveis funciona com arquitetura distinta da web. Não é "GA4 com cara de app"; é um ecossistema próprio, com tecnologias específicas e atores especializados.

A razão técnica: apps móveis não compartilham contexto entre si como sites compartilham cookies dentro do navegador. Cada app é uma caixa isolada (sandbox). A conexão entre "vi anúncio no Instagram" e "instalei o app, virei cliente" não acontece automaticamente — precisa de identificadores explícitos compartilhados entre o app de origem (Instagram) e o app de destino (seu app), mediados pelas lojas (App Store, Google Play) ou por parceiros de mensuração móvel (MMPs).

Por anos, o identificador central foi o IDFA (Identifier for Advertisers) no iOS e o GAID (Google Advertising ID) no Android — IDs estáveis por dispositivo, compartilhados entre apps para mensuração. Em 2021, a transparência de rastreamento de aplicativos (ATT) da Apple mudou tudo: passou a exigir que o usuário autorize explicitamente o uso do IDFA. A maioria recusou. Atribuição em iOS, do dia para a noite, tornou-se majoritariamente cega — e SKAdNetwork (modelo agregado da Apple) entrou no centro do palco.

Android ainda mantém GAID em uso mais aberto, mas o Google está implementando Privacy Sandbox for Android, que progressivamente migra para modelos agregados similares ao SKAdNetwork. A direção é a mesma; o ritmo é diferente.

MMP: parceiro de mensuração móvel

MMP (Mobile Measurement Partner, parceiro de mensuração móvel) é o intermediário especializado que consolida atribuição entre múltiplos canais de aquisição em um único painel. Sem MMP, cada plataforma (Meta, Google, TikTok, Apple Search Ads) reporta pelos próprios cookies/IDs internos, gerando dupla contagem massiva. MMP recebe instalações e eventos via SDK no app, conecta com plataformas via integrações certificadas, atribui cada instalação a um único canal de origem e gera leitura consolidada.

Os principais MMPs do mercado:

AppsFlyer. Líder global em volume. Cobertura ampla de integrações (centenas de redes), plataforma robusta, ferramentas de antifraude maduras. Preço por modelo escalonado conforme volume.

Adjust. Forte presença na Europa e Brasil, plataforma clara, foco em precisão e antifraude. Bem integrado com gaming e fintech.

Branch. Diferencial em deep linking (links que abrem direto em conteúdo específico do app), atribuição com fluxo de instalação adiada, integração com web-to-app. Forte em apps de e-commerce e conteúdo.

Singular. Foco em consolidação cross-canal e em analytics avançado de UA, com modelagem de retorno por usuário. Comum em apps de gaming com volume alto.

Kochava. Tradicional em mercado norte-americano, com plataforma flexível e modelo de preços com tier gratuito para volumes menores.

A escolha entre eles depende de volume, geografia, canais críticos, integrações específicas (alguns têm conector único com determinada plataforma) e preço. Decisão típica em projeto de 4 a 8 semanas, com prova de conceito com 2 candidatos.

SKAdNetwork: o modelo da Apple

SKAdNetwork (SKAN, atualmente em versão 4) é o framework da Apple para atribuição agregada em iOS, criado para preservar privacidade do usuário. Funciona assim: quando o usuário vê anúncio em uma rede (Meta, Google, TikTok), a rede registra a impressão no SKAdNetwork; se o usuário instala o app dentro de janela definida, a Apple devolve uma postback agregada à rede informando que houve instalação atribuível, mas com identidade do usuário protegida — apenas dados agregados, com atraso e ruído.

Principais características do SKAN 4:

Atraso programado. Postbacks chegam com atraso aleatorizado (24 a 48 horas após período de mensuração), justamente para inviabilizar reconstrução de identidade individual.

Janelas de medição. SKAN 4 oferece três janelas (0-2 dias, 3-7 dias, 8-35 dias) e múltiplos valores de conversão por janela — permite medir não apenas instalação, mas eventos pós-instalação (primeira compra, cadastro, evento de valor).

Limite de cardinalidade. Valor de conversão é codificado em pequenos números inteiros, com cardinalidade limitada — não é possível enviar dados granulares por usuário.

Atribuição por rede certificada. Apenas redes que implementaram SKAN recebem postback; muitas redes pequenas ficam fora.

Leitura de SKAN é difícil: dados agregados, com atraso, sem identificação individual, requerem ferramentas específicas (todos os MMPs têm leitura de SKAN integrada) e interpretação cuidadosa. Operações maduras leem SKAN combinado com dados próprios (eventos pós-instalação no app) para reconstruir o quadro.

ATT da Apple e o impacto que ainda reverbera

Em 2021, com o lançamento do iOS 14.5, a Apple ativou o framework de transparência de rastreamento de aplicativos (ATT). Cada app, ao tentar usar o IDFA do dispositivo, precisa pedir permissão explícita: "Permitir que [App] rastreie sua atividade em apps e sites de outras empresas?". A maioria dos usuários respondeu não.

Taxas típicas de aceitação (opt-in) variam conforme categoria e mercado: 25% a 45% global; em Brasil tipicamente 30% a 45%; em algumas categorias (jogos casuais) pode chegar a 50%, em outras (utilitários) cai para abaixo de 20%. Para o anunciante, isso significa que a maioria das instalações em iOS é "cega" do ponto de vista de identificação direta — só SKAN ou modelagem.

Implicações práticas:

Atribuição em iOS depende de SKAN ou modelagem. Para usuários que aceitam, o IDFA continua funcionando e atribuição direta segue como antes. Para os que recusam (maioria), só SKAN agregado.

Plataformas implementaram modelagem. Meta e Google modelam conversões quando rastreamento direto falha. Útil para alocação agregada; menos útil para decisão granular.

Estratégia de criativo mudou. Com menos sinal granular, otimização de criativo por meta-evento (compra, cadastro) ficou mais difícil. Algoritmos das plataformas precisam de mais tempo para aprender.

Apple Search Ads ganhou peso. Apple Search Ads opera dentro do walled garden da Apple e tem acesso a dados de instalação sem precisar de ATT — vantagem competitiva real para captura de demanda na App Store.

Comparar números pré e pós-ATT não faz sentido sem ajuste. Operações que tentam ver "queda de instalações" pós-ATT esquecem que a régua mudou — parte da "queda" é mudança de medição, não de comportamento.

Privacy Sandbox para Android

Google está implementando Privacy Sandbox for Android, framework análogo ao SKAdNetwork da Apple — porém mais gradual e mais aberto a debate da indústria. Principais componentes:

Topics API for Android. Categorias de interesse derivadas do uso, sem identificadores únicos. Anúncios são entregues por categoria, não por ID individual.

Attribution Reporting API. Atribuição agregada de conversões, com ruído programado (privacidade diferencial) e atraso, similar ao SKAN.

SDK Runtime. Isolamento de SDKs de terceiros (incluindo MMPs e redes), com objetivo de evitar coleta de dados além do necessário.

O cronograma é gradual; nos próximos trimestres, GAID continua disponível para a maioria dos casos, mas vai sendo restrito. Operações maduras já estão testando Privacy Sandbox em paralelo, comparando atribuição moderada com Attribution Reporting API e atribuição tradicional via GAID.

Fingerprinting e o status atual

Fingerprinting (impressão digital) é a tentativa de reconhecer dispositivo a partir de combinação de sinais não-únicos individualmente (sistema operacional, versão, modelo, idioma, fuso, configurações). Funcionava na ausência de ID estável; foi prática comum em mensuração móvel antes do ATT.

Status atual: contraindicado e em muitos casos proibido. Apple proíbe explicitamente fingerprinting em iOS — apps que sejam descobertos usando podem ser removidos da App Store. LGPD e GDPR tratam fingerprinting como tratamento de dados pessoais que exige consentimento explícito (que naturalmente ninguém dá quando avisado). MMPs reputados pararam de oferecer fingerprinting como solução padrão.

Algumas operações ainda tentam — risco regulatório, risco de loja, e qualidade duvidosa. Não é caminho recomendável.

Deep links e atribuição cross-channel

Deep links são URLs que abrem direto em conteúdo específico do app (não apenas a home). Exemplo: link em e-mail que abre a página de produto X dentro do app, em vez de jogar o usuário na tela inicial. Tipos:

Universal links (iOS) e App links (Android). Links que abrem o app se instalado, ou levam à web se não. Padrão moderno, sem precisar de configuração extra do usuário.

Deferred deep links. Link que, mesmo se o app não está instalado, lembra do destino: depois da instalação, abre direto no conteúdo correto. Necessário para web-to-app, fluxos de campanha que misturam descoberta web com conversão no app.

Por que importa em atribuição: deep links bem implementados permitem rastrear jornadas que começam fora do app (web, e-mail, redes) e terminam dentro dele, atribuindo corretamente a campanha de origem. MMPs (Branch é especialmente forte aqui) facilitam a implementação. Sem deep links, fluxos web-to-app perdem atribuição mesmo quando a tecnologia subjacente permite.

LGPD aplicada a apps móveis

Mensuração móvel envolve dados pessoais — entra no escopo da LGPD (Lei 13.709/2018). Pontos centrais:

Consentimento explícito para rastreamento. Coleta de dados de uso, eventos de comportamento, dados de instalação atribuíveis precisam de base legal, tipicamente consentimento. Em iOS, ATT já implementa esse pedido; em Android, app desenvolvedor precisa pedir explicitamente.

Política de privacidade do app. Listada na ficha da App Store e da Google Play, e dentro do app. Deve explicar quais dados são coletados, com qual finalidade, com quem são compartilhados (Meta, Google, MMP, etc.), por quanto tempo.

Direitos do titular operacionais. Como o usuário acessa, corrige ou exclui dados pessoais coletados no app. Operações maduras têm fluxo dentro do próprio app.

Privacy Manifests da Apple. Recente exigência da Apple: apps e SDKs precisam declarar quais dados coletam e para que. Aplicável a quem submete ao App Store.

Data Safety da Google Play. Equivalente do Google Play: declaração de quais dados o app coleta e compartilha.

Contratos com operadores. MMP, redes de mídia, ferramentas de analytics dentro do app são operadores de tratamento. Contratos precisam estar formalizados.

Erros comuns em atribuição mobile

Comparar números pré e pós-ATT sem ajuste. Painel mostra "queda de 40% nas instalações iOS atribuíveis" após o lançamento do iOS 14.5. Equipe trata como queda real. Não é — é mudança de mensuração. A leitura honesta separa o que é tecnológico do que é comportamental.

Ignorar SKAN. Operação que olha apenas instalações atribuídas via IDFA está vendo só fatia minoritária do iOS. SKAN, mesmo com suas limitações, é leitura complementar essencial.

Sem MMP em operação com investimento sério. Quem investe sério em UA mobile (acima de R$ 10.000-20.000/mês) e não tem MMP integrado está operando com dupla contagem massiva e sem antifraude.

Configuração inadequada de eventos pós-instalação para SKAN. SKAN 4 permite múltiplos valores de conversão por janela. Configuração padrão captura apenas instalação; configuração calibrada (registro, primeira compra, evento de valor) entrega ROI por canal muito mais útil.

Não medir taxa de aceitação de ATT. Empresa não sabe quantos % dos seus usuários iOS aceitam o pedido. Sem essa medição, não consegue avaliar quanto da atribuição direta sobrevive e quanto depende de SKAN/modelagem.

Tentar fingerprinting. Risco regulatório, risco de loja, qualidade duvidosa. Não vale a pena.

Sem deep links em fluxos web-to-app. Campanha web manda usuário para a loja, ele instala, abre, encontra tela genérica. Sem deferred deep link, perde a continuidade do contexto e a atribuição da campanha.