Google Analytics 4 para marketing

De sessão para evento: a mudança que muita empresa ainda não entendeu

O Universal Analytics organizava o comportamento do visitante por sessão — um conjunto de interações em uma janela de tempo. O GA4 abandonou esse modelo e passou a organizar tudo como evento: cada interação do visitante (visualizar página, rolar tela, clicar em link, enviar formulário, comprar) é registrada como um evento com parâmetros próprios.

A consequência prática é grande. Métricas conhecidas mudaram de nome ou de fórmula. Taxa de rejeição saiu, "engajamento" entrou. "Conversão" não existe mais como tipo de hit — vira evento marcado como conversão. Funis e segmentos passam a ser construídos sobre eventos, e o "tudo-é-evento" exige plano de nomenclatura e governança que o modelo de sessão não cobrava.

Equipes que migraram do Universal sem repensar o plano de medição costumam ficar presas a uma de duas armadilhas: continuam usando GA4 como se fosse Universal (perdem o que ele oferece de novo) ou despejam dezenas de eventos sem padrão e perdem a capacidade de comparar campanhas e períodos.

Configuração mínima viável

Toda implementação de GA4 deveria começar por um plano de medição — documento curto que lista quais perguntas o time de marketing precisa responder, e quais eventos e parâmetros respondem a cada pergunta. Sem esse passo, a configuração vira coleção aleatória de eventos.

O caminho típico é:

1. Instalação por meio do Google Tag Manager. Embora o GA4 ofereça instalação direta com o gtag, o Tag Manager dá governança (versões, ambientes de teste, controle de acesso) e desacopla mudanças de mensuração do código do site. Para qualquer empresa acima do nano-porte, vale o investimento.

2. Eventos automáticos. O GA4 coleta sozinho eventos como page_view, scroll, click externo, file_download e video_start. Isso já dá uma base mínima de análise sem código adicional.

3. Eventos recomendados. O Google publica uma lista de eventos com nomes e parâmetros padronizados — sign_up, login, search, view_item, add_to_cart, purchase e outros. Usar esses nomes em vez de inventar próprios garante compatibilidade com relatórios prontos, integrações com Google Ads e Looker Studio, e modelos de atribuição mais consistentes.

4. Eventos customizados. Para o que não está nos automáticos nem nos recomendados (clique em WhatsApp, abertura de chat, interação com calculadora), criam-se eventos customizados — mas sob padrão de nomenclatura próprio (minúsculas, separados por underline, verbo no infinitivo).

5. Conversões. Eventos críticos para o negócio são marcados como conversão. Em GA4, conversão é apenas um sinalizador em cima de um evento — não um tipo separado. A regra prática é manter entre cinco e quinze conversões; mais que isso dilui o sinal e atrapalha otimização de campanhas no Google Ads.

Atribuição: o que mudou e o que isso significa

O GA4 trouxe a atribuição orientada por dados (data-driven) como modelo padrão para conversões, baseada em aprendizado de máquina do próprio Google. Em vez de aplicar regra fixa (último clique, primeiro clique), o modelo distribui crédito entre pontos de contato observados na jornada com base em quanto cada ponto historicamente contribui para a conversão.

Isso tem implicações. Primeiro: comparar receita atribuída no GA4 com a do Universal Analytics nunca vai bater — modelos diferentes. Segundo: o modelo orientado por dados pode mudar de mês para mês, porque é recalibrado com dados novos. Terceiro: para conversões com volume muito baixo, o GA4 cai automaticamente para regras fixas (último clique).

O time pode mudar o modelo de atribuição na configuração da propriedade — escolher entre orientado por dados, último clique baseado em anúncio, último clique entre canais ou primeiro clique. Mudar o modelo recalcula histórico, então a decisão deve ser documentada e comunicada.

Para campanhas pagas, o que entra no Google Ads como conversão é diretamente influenciado pelo modelo escolhido no GA4. Inconsistências entre relatórios de marketing, vendas e finanças quase sempre se explicam por modelos de atribuição diferentes — esse é o ponto a checar antes de questionar a coleta.

Relatórios padrão e explorações

O GA4 separa o que é relatório padrão (acessível na barra lateral, voltado a uso recorrente e a executivos) do que é exploração (interface de análise ad hoc, para investigação livre).

Os relatórios padrão úteis no dia a dia incluem aquisição (de onde vem o tráfego), engajamento (o que as pessoas fazem no site), monetização (no caso de comércio eletrônico) e retenção (quanto volta). Eles vêm pré-montados, mas todos podem ser customizados com dimensões e métricas próprias.

As explorações cobrem investigações mais profundas: funis (quais etapas perderam pessoas), caminhos (o que veio antes e depois de um evento), análise por coorte, sobreposição de segmentos. É onde o trabalho de descoberta acontece.

O erro recorrente é tratar exploração como relatório — montar uma análise complexa em exploração e usá-la como dashboard recorrente. Isso costuma falhar porque exploração tem limites de linhas, amostra em volumes altos e não escala para acompanhamento contínuo. Para acompanhamento recorrente, vale exportar dado para o Looker Studio ou para o BigQuery e construir o painel ali.

Integrações que mudam o jogo

Três integrações transformam o GA4 de ferramenta de relatório em parte da operação:

Google Ads. Conectar GA4 ao Google Ads permite importar conversões e segmentos de audiência diretamente. As otimizações automáticas (lances inteligentes) usam o sinal do GA4. Sem essa integração, o Google Ads otimiza só pelo que vê no próprio sistema, perdendo o contexto pós-clique.

BigQuery. A exportação para o BigQuery — gratuita até certo volume, e essencial em volumes maiores — entrega o dado bruto, sem amostragem, com retenção definida pela própria empresa. Permite consulta SQL, junção com outras fontes (CRM, ERP, dados off-line), e alimenta data warehouse próprio. É o caminho para sair da limitação dos relatórios do GA4 e construir modelagem própria.

Looker Studio. Para painéis e relatórios visuais, o Looker Studio (gratuito) é o caminho natural. Conecta direto ao GA4, ao Google Ads, ao Search Console, ao BigQuery e a dezenas de outras fontes. Painéis bem estruturados poupam horas de extração manual mensal.

Consent Mode v2 e LGPD

A Lei Geral de Proteção de Dados (LGPD) exige base legal para coletar e tratar dados pessoais — o que inclui identificadores de cookies e similares. O Consent Mode v2 do Google é o mecanismo técnico que ajusta o comportamento do GA4 e do Google Ads conforme o consentimento do visitante: se o visitante recusa cookies de análise, o GA4 modela parte do comportamento estatisticamente em vez de coletar identificador.

Implementar Consent Mode v2 envolve três peças: uma plataforma de gestão de consentimento (Cookiebot, OneTrust, Iubenda, entre outras), sinalização correta via Google Tag Manager e configuração na conta do GA4 e do Google Ads. Sem isso, o time corre risco regulatório e perde sinal de atribuição em campanhas, porque o Google reduz funcionalidades quando não vê sinais de consentimento.

Privacy Sandbox é o conjunto mais amplo do Google para reduzir dependência de cookies de terceiros; vale acompanhar como referência conceitual, mas a prioridade operacional hoje é Consent Mode v2 corretamente implementado.

Limites que toda equipe precisa conhecer

O GA4 tem limites que afetam a análise e que muitas equipes só descobrem quando o dado começa a ficar estranho:

Cardinalidade. Cada dimensão (campanha, página, parâmetro de evento) suporta um número limitado de valores únicos por dia. Acima disso, valores extras viram "(other)" no relatório. Páginas com parâmetros de URL pouco padronizados, campanhas com nomes inconsistentes ou eventos com parâmetros excessivamente variados estouram cardinalidade rápido.

Amostragem. Em consultas que cruzam grande volume de eventos, o GA4 aplica amostragem (calcula sobre uma fração do dado). Versão gratuita amostra mais cedo que a 360. Para análises críticas, vale exportar para o BigQuery, onde a consulta é sobre o dado completo.

Retenção. A versão gratuita guarda dados de usuário e eventos por até 14 meses. Para histórico mais longo, é preciso exportar para o BigQuery (ou usar a 360, que permite até 50 meses).

Modelagem. Quando o consentimento é negado ou quando faltam dados, o GA4 estima parte das métricas com aprendizado de máquina. Isso aparece marcado nos relatórios. É preciso saber distinguir dado coletado de dado modelado — relatórios executivos costumam misturar os dois sem aviso claro.

Erros que comprometem a operação

Conversões erradas marcadas. Marcar como conversão eventos sem valor de negócio (rolagem de página, clique em link interno) dilui o sinal e atrapalha lances automáticos no Google Ads. Mantenha conversões enxutas e ligadas a momentos de receita ou aproximação clara da venda.

Nomenclatura sem padrão. Eventos chamados "EnvioForm", "envio_form", "form-submit" e "formularioEnviado" coexistindo na mesma conta. Resultado: análise se torna impossível e o time gasta horas conciliando relatórios. Crie e divulgue padrão de nomenclatura antes de criar o primeiro evento customizado.

Migração apressada. Quem migrou do Universal Analytics levando o plano antigo perdeu metade do que o GA4 oferece. Migração é momento de revisar plano de medição, não de copiar configuração.

Conferir só números, não governança. Equipe que olha relatório toda semana mas nunca audita coleta acumula erros silenciosos: tag duplicada, evento que parou de disparar, parâmetro renomeado. Defina checagem trimestral de saúde da implementação (tags ativas, eventos esperados, conversões batendo com CRM).

Confiar 100% em dado modelado. Em relatórios executivos, identifique claramente o que é dado coletado e o que é estimativa. Tomar decisão sobre dado modelado, sem entender as suposições, gera surpresas quando o modelo muda.