Incrementalidade vs atribuição

Por que a confusão entre os dois conceitos é cara

Uma campanha de busca paga sobre o próprio nome da marca apresenta retorno sobre investimento em mídia (ROAS) de dez para um no relatório do Google Ads. O time celebra. Em paralelo, o tráfego orgânico para o site cai exatamente na mesma proporção. O que aconteceu? A campanha está atribuindo para si conversões que viriam pelo orgânico — está canibalizando, não gerando.

Esse padrão é universal e custa muito dinheiro. Estudos repetidos da Google e da Meta sobre lift mostram que parte significativa do crédito atribuído a busca de marca, retargeting e algumas modalidades de mídia programática não é incremental. O cliente já tinha decidido comprar. A campanha apareceu no caminho, levou o crédito, mas não causou a venda.

Quando a operação confunde os dois conceitos, três coisas acontecem. Primeiro: aumenta-se investimento em canais com ROAS atribuído alto mas incremental baixo, e o resultado total da empresa não cresce. Segundo: corta-se investimento em canais com ROAS atribuído baixo mas alto impacto incremental (TV, mídia exterior, conteúdo de topo de funil) — e o crescimento de marca trava. Terceiro: a operação perde credibilidade quando o diretor financeiro nota que o ROAS reportado não bate com o crescimento real da empresa.

Atribuição: o que ela faz e o que ela não faz

Atribuição é uma técnica contábil para distribuir o crédito de uma conversão entre os pontos de contato que precederam a conversão. Os modelos clássicos:

Last-click. Todo o crédito vai para o último clique antes da conversão. É o modelo padrão histórico, fácil de operar, mas favorece canais de fundo de funil (busca de marca, retargeting) e penaliza canais de topo (display, vídeo, conteúdo).

First-click. Todo o crédito vai para o primeiro clique. Favorece canais de descoberta e penaliza canais de fechamento. Pouco usado isoladamente.

Linear. Crédito dividido igualmente entre todos os pontos de contato. Simples, mas trata como iguais um clique fortuito em display e o último clique decisivo em busca.

Decaimento temporal (time decay). Mais peso para cliques próximos da conversão. Razoável, mas ainda favorece fundo de funil.

Baseado em dados (data-driven). Modelo algorítmico que aprende padrões na própria base — abordagem do Google Analytics 4. Mais sofisticado, mas continua sendo modelo de correlação, não de causalidade.

O que a atribuição faz bem: ajuda a entender a jornada típica do cliente, mostra quais canais aparecem em combinações vencedoras, orienta decisões táticas de operação diária. O que a atribuição não faz: prova causalidade. Não responde se um canal específico, removido, faria a venda desaparecer.

Incrementalidade: o teste do contrafactual

Incrementalidade é medida por experimentos que comparam o que aconteceu com o que teria acontecido se a campanha não existisse. Os métodos consolidados:

Lift studies em mídia paga. Meta Conversion Lift e Google Lift Studies separam aleatoriamente parte do público-alvo: metade vê a campanha, metade não vê (ou vê anúncio neutro — PSA, public service announcement). A diferença em conversão é o lift incremental. Exige volume mínimo de investimento (Meta tipicamente pede campanhas de R$ 30.000 ou mais).

Holdout em canais próprios. Separa-se 5-10% da base de email, CRM ou push e não se envia a campanha. Compara-se métricas finais entre quem recebeu e o grupo de controle. Custo marginal zero, evidência causal direta. Aplicável quando há base com volume suficiente.

Geo experiments. Cidades ou regiões são divididas em grupos equivalentes; campanha roda em um grupo e não no outro. Mede o canal inteiro, não apenas uma campanha específica. Aplicável a mídia tradicional (TV, mídia exterior, rádio) e digital. Ferramentas: GeoLift open-source da Meta, Google GeoExperiments, Nielsen.

Modelagem de mix de marketing (MMM). Inferência estatística sobre histórico de investimento e vendas, com controle por sazonalidade e fatores externos. Não é experimento, mas estima contribuição incremental por canal ao longo do tempo. Camada estratégica para grandes operações.

Os quatro métodos diferem em rigor causal e em escala mínima. Lift studies e holdouts são experimentos verdadeiros (alta evidência causal); MMM é inferência estatística (média evidência causal); atribuição não é nem um nem outro (apenas distribuição contábil).

Onde a diferença entre atribuição e incrementalidade é mais dramática

Não é em todos os canais que a discrepância importa. Em canais de topo de funil (display de prospecção, vídeo de marca, conteúdo orgânico, TV), a atribuição geralmente subestima a incrementalidade — pessoas são impactadas, lembram da marca, convertem mais tarde por outro canal que leva o crédito.

Em canais de fundo de funil (busca de marca, retargeting agressivo, email para base muito engajada), a atribuição geralmente superestima a incrementalidade — o cliente já tinha decidido; o canal apenas captou a conversão. Os casos clássicos onde testar incrementalidade gera resultado mais surpreendente:

Busca paga sobre termos de marca. Quando a marca é forte, parte significativa dos cliques pagos é canibalização do orgânico. Lift studies em busca de marca frequentemente mostram incrementalidade entre 20% e 50% — o resto é canibalização.

Retargeting de público quente. Pessoas que adicionaram ao carrinho ou visitaram página de produto recebem anúncio e convertem. Lift study costuma mostrar que parcela relevante teria convertido sem ver o anúncio.

Email para base engajada. Holdout em segmento de clientes que compram todo mês mostra que vários comprariam mesmo sem receber o email — o estímulo foi marginal.

TV e mídia exterior. Atribuição digital ignora ou subestima impacto desses canais. Geo experiments e MMM frequentemente mostram contribuição incremental muito maior do que indicado em painéis digitais.

Integração com MMM e MTA: triangulação

Nenhum método sozinho responde a tudo. Atribuição multi-touch (MTA) opera no nível de usuário, com granularidade alta, mas depende de identificação cookie/dispositivo (cada vez mais frágil) e mede correlação. MMM opera no nível agregado, cobre todos os canais e capta efeitos de longo prazo, mas baixa granularidade e demora a refletir mudanças recentes. Experimentos de lift produzem evidência causal robusta, mas só para o canal e período testados.

A prática de mercado em grandes operações é triangulação: combinar as três lentes para chegar a uma visão consistente. MMM define a alocação estratégica; MTA orienta otimização tática; experimentos validam ou corrigem desvios entre os dois. Quando MTA aponta ROAS muito mais alto que o lift study para o mesmo canal, é sinal de canibalização — ajusta-se MTA ou desconta-se mentalmente. Quando MMM aponta contribuição alta para canal que MTA mal vê, geralmente é canal de topo de funil cujo efeito é capturado em vendas futuras.

LGPD em experimentos com audiência

Experimentos de incrementalidade segmentam pessoas em grupos de tratamento e controle com base em identificadores. Sob a LGPD, é tratamento de dados pessoais e exige base legal documentada — execução de contrato, legítimo interesse com avaliação de impacto, ou consentimento, dependendo do caso.

Cuidados específicos: registrar o desenho do experimento em registro de operações de tratamento (ROT); evitar segmentações que envolvam dados sensíveis (saúde, origem racial, orientação sexual); revisar com encarregado de proteção de dados antes do primeiro experimento; verificar termos de uso de plataformas (Meta, Google) sobre quem responde pelo tratamento. Lift studies nativos operam sob base já acordada com a plataforma; geo experiments e MMM trabalham com dados agregados e têm risco menor.

Erros comuns

Confundir uplift de campanha com atribuição last-click. "A campanha entregou ROAS 8x." Esse 8x é atribuído, não necessariamente incremental. Apresentar como sinônimo de impacto causal engana a decisão.

Tomar decisão de orçamento só com atribuição. Aumentar investimento em canal com ROAS atribuído alto sem testar incrementalidade. Resultado típico: ROAS atribuído continua alto, mas crescimento total estagna.

Não testar busca de marca. Sempre que houver investimento relevante em busca paga sobre o próprio nome da marca, rode lift study ou pausa controlada. É o teste com retorno de aprendizado mais alto.

Amostragem ou contaminação no experimento. Geo experiment com cidades demais ou poucas; holdout onde o grupo de controle vê a campanha por outro canal. Cuidado no desenho e poder estatístico.

Esperar resposta única. Atribuição, incrementalidade e MMM frequentemente apontam números diferentes para o mesmo canal. Não é erro — são lentes diferentes. A resposta correta é triangulação, não uma resposta única.