Como ler relatório de receita atribuída sem se enganar

Existe uma diferença simples entre marca que decide bem e marca que decide cego: a forma como cada uma lê o relatório de atribuição.

A marca cega olha "Post X gerou R$ 4.200" e replica o post.

A marca que decide bem olha o mesmo número e pergunta: medindo o quê, em qual janela, com qual modelo, contando bot ou descontando, com cliente novo ou recorrente, dentro ou fora de campanha sazonal, com possível dupla contagem por canal sobreposto. Aí decide.

Esse texto é o passo a passo dessa leitura. Vou começar pela armadilha mais sutil — o gap natural entre receita atribuída e receita total — e descer pra detalhe operacional. No final, monto um exemplo ilustrativo com a Cia do Vinho (claramente hipotético) pra mostrar como leitura disciplinada muda decisão.

Por que receita atribuída ≠ receita total — o gap natural

Receita atribuída é sempre menor que receita total. Sempre.

Isso não é erro técnico — é matemática.

Tem cliente que abre o site direto pelo histórico do Chrome (sem fonte registrada). Tem cliente que recebeu o link do amigo via WhatsApp (parâmetro descartado pelo app). Tem cliente que viu Reels, foi no Google, digitou o nome da loja e comprou (atribuído ao Google direto, não ao Reels). Tem cliente que clicou em mídia paga, fechou o site, voltou 8 dias depois (fora da janela de 7d).

Marca de e-commerce típica atribui entre 40% e 65% da receita total via UTM/canais identificáveis. O gap dos outros 35-60% vai pra "tráfego direto" mais "(other)" do GA4. Esse gap não é falha — é a parte da realidade que escapa do instrumento.

A pergunta certa não é "como atribuir 100%?". É: do que eu consigo atribuir, qual peça gera quanto? Atribuição é sempre comparativa, nunca absoluta.

Os 4 modelos de atribuição — qual escolher

Toda ferramenta moderna te deixa escolher entre quatro modelos principais. Cada um conta uma história diferente da mesma jornada do cliente.

A regra prática: olhar last-click + first-click lado a lado. Se uma peça aparece zerada em last-click mas alta em first-click, ela cria demanda. Se aparece alta em last-click e baixa em first-click, está só capturando demanda criada por outro canal.

Linear faz sentido pra negócio com ciclo longo (B2B, alta consideração, ticket acima de R$ 800). Data-driven só faz sentido com volume — marca que fecha 200 vendas/mês não tem dado suficiente pro algoritmo do GA4 ser confiável.

A janela de atribuição: 24h, 7d, 30d — armadilhas

A janela é o tempo entre o toque e a compra que ainda conta como atribuída. Cada janela tem seu vício característico.

24h: boa pra impulso (ticket R$ 50-150). Subestima quase qualquer outra coisa. Marca premium nunca deveria usar 24h — ciclo de decisão real é múltiplos dias.

7d: padrão da Meta pra Pixel desde iOS 14. Justa pra ticket médio. Mas pra ticket alto (acima de R$ 300), ainda corta jornadas reais — cliente vê Reels segunda, pesquisa quarta, decide domingo, compra na segunda seguinte. Fora.

30d: padrão histórico do GA4. Boa pra ciclo médio-longo. Mas pode inflar se sua marca tem alta recorrência — vai contar reativação como atribuição da peça nova, mesmo que o cliente já estivesse na régua de recompra.

Pra descobrir sua janela ideal: GA4 → Explorações → Caminhos de conversão → tempo até conversão. Olhe a mediana. Use 1,5× esse valor como janela. Não use o padrão de 30 dias do GA4 sem checar o seu próprio dado.

Cruzando atribuição com sazonalidade

Esse é o erro que mais vejo em e-commerce: ler novembro com a régua de junho.

Black Friday infla atribuição de qualquer canal que esteja ativo na semana. Não porque o canal melhorou — porque a demanda subiu. Se você compara "receita por peça em novembro" com "receita por peça em junho", você está medindo Black Friday vs vida normal, não conteúdo bom vs conteúdo ruim.

A leitura correta exige duas dimensões adicionais:

1. Compare YoY (ano contra ano), não MoM (mês contra mês). Novembro 2026 vs novembro 2025, não novembro vs outubro.
2. Indexe contra a média do canal no período. Se o canal Instagram aumentou 80% em receita no Black Friday, peças desse canal só "performaram melhor" se cresceram acima dos 80%.

Cada categoria tem sua sazonalidade própria. No vinho, picos são novembro/dezembro (presente, ceia) e maio/junho (inverno). Na estética, é janeiro (resoluções) e julho (férias). Em B2B SaaS, é setembro (orçamento Q4) e janeiro (planejamento). Atribuição precisa ser lida contra essa curva — não contra média ingênua de calendário.

Natal e Black Friday são casos extremos. Mas existe sazonalidade menor toda semana: fim de mês após pagamento, fim de semestre, virada de mês com promoção concorrente. Atribuição lida fora desse contexto vira armadilha.

Regra prática que funciona pra marca pequena sem time de analytics: anote em um calendário compartilhado tudo que possa influenciar receita — promoção própria, lançamento, frete grátis, ação de mídia paga, feriado prolongado, evento setorial. Quando ler o relatório de atribuição, sobreponha visualmente. Pico isolado em semana sem nenhum desses gatilhos = sinal puro. Pico em semana com 3 gatilhos sobrepostos = ruído provável.

Os 4 erros operacionais

Quase toda marca comete pelo menos dois desses no primeiro trimestre montando atribuição:

Erro 1 · Não filtrar bot

O GA4 já filtra bots conhecidos, mas web scraper de monitoramento de preço, ferramenta de SEO e bot de comparador passam batido. Sintoma: tráfego direto subindo sem proporção em receita. Solução: filtro de IP de provedores de scraping conhecidos (existe lista pública e mantida) + segmento que exclui sessões com 1 página visitada e 0 segundo de duração.

Erro 2 · Mobile redirect comendo UTM

Se sua loja redireciona desktop → m.loja.com.br via 301 mal configurado, parâmetros de URL podem ser descartados. Resultado: clique do Instagram chega no GA4 como "tráfego direto". Teste manual: cole link com UTM no celular, abra, observe a URL final no destino. Se a UTM sumiu, há um redirect comendo. Cloudflare Worker ou correção no .htaccess resolvem.

Erro 3 · Canal sobreposto contado duas vezes

Você roda Meta Ads que aparece tanto no Pixel quanto no GA4 quanto no relatório nativo da Shopify/Magento. Somar os três = você está contando a mesma compra três vezes. Escolha uma fonte de verdade por categoria de canal — geralmente GA4 pra orgânico/conteúdo, plataforma de mídia paga pra paid, e-commerce pra reconciliação financeira. Nunca some.

Erro 4 · UTM com letras maiúsculas misturadas

recto / Instagram-feed e recto / instagram-feed viram duas linhas diferentes no GA4. Aparece como se você tivesse dois canais quando é um só. Padronize tudo minúsculo, sem acento, sem espaço — regra detalhada no guia anterior de UTM.

O primeiro "ah-ha" do cliente

Todo cliente que começa a olhar atribuição direito tem um momento de virada. Acontece tipicamente entre semana 3 e semana 6.

Antes do "ah-ha", o cliente acha que sabe qual peça vende. "Os Reels com história de viticultor sempre rodam." "Os carrosséis do fim de semana são meus campeões." Convicção baseada em likes e na sensação de "essa peça performou bem".

Depois do "ah-ha", o cliente percebe que a peça que ele tinha como medíocre — aquele post simples de quarta-feira sobre acompanhamento de prato — gerou 3× mais receita atribuída que o Reels que ele achava brilhante. E o Reels brilhante? Gerou alcance, gerou comentário, gerou save — mas zero clique pra produto, zero compra atribuída em last-click ou first-click.

O "ah-ha" não é "engajamento ≠ venda". Isso todo mundo já ouviu. O "ah-ha" é sentir isso na própria cara, com o próprio dado, na própria peça que ele criou e amava.

Aí muda tudo. A reunião editorial seguinte deixa de ser sobre estética e passa a ser sobre função. A peça medíocre vira protagonista. O Reels brilhante vira ferramenta de awareness, não de venda — e isso passa a ser ok, porque tem outro post no mesmo calendário fazendo o trabalho de venda.

Existe uma segunda virada que vem 4-6 semanas depois da primeira: o cliente começa a antecipar o número antes de abrir o dashboard. Olha pro calendário da semana seguinte e diz "esse aqui vai vender muito; aquele dali não vai vender, mas precisa estar no calendário pra aquecer o do mês que vem". É a passagem de operação reativa pra direção editorial real.

Esse é o momento que torna atribuição vício, não tarefa.

Exemplo ilustrativo · Cia do Vinho (cenário hipotético)

Os números abaixo são ilustrativos, baseados em padrões típicos de e-commerce de vinho premium. Não são leitura real do dashboard da Cia — servem só pra mostrar como o método funciona.

Imagine este cenário: a Cia publica em uma semana três peças com UTM padronizado:

1. Post Carmenère em carrossel (5 cards) — terça-feira
2. Reels viticultor + harmonização — quinta-feira
3. Story stack lançamento — sábado

Após 14 dias, o relatório last-click hipotético mostraria algo assim:

Decisão "marca cega": replicar o Carmenère, cortar o Reels. Erro.

Agora a leitura "marca honesta", cruzando first-click + segmento novo vs recorrente:

O quadro vira do avesso:

• Carmenère carrossel: 78% recorrente. Está reativando base que ia comprar de qualquer jeito em 2-3 semanas. Está antecipando receita, não criando.
• Reels viticultor: 67% novo cliente. First-click 5× maior que last-click — criou demanda que fechou em outros canais (search, direto). É o principal motor de aquisição da semana, mesmo aparecendo "fraco" no last-click.
• Story lançamento: mix equilibrado, ticket maior, ciclo de 4 dias. Trabalho de meio de funil — ajuda fechar quem viu Reels e ficou pensando.

Leitura correta: o Reels foi o principal motor de aquisição, não o pior. Cortar Reels seria cortar o canal que sustenta o crescimento de 90 dias. O Carmenère é importante como ferramenta de retenção, mas não como adquirente. O Story está fechando o funil que o Reels abriu.

Uma decisão por semana, dado lido direito, três meses de receita salvos. É esse o jogo.

Nota: repito que esses números são ilustrativos. O método — cruzar last-click com first-click e com % de novo cliente — é o que importa. Os números reais da sua marca vão contar uma história diferente, e é exatamente essa história que precisa entrar na decisão da semana seguinte.

A leitura semanal de 30 minutos

Toda sexta às 18h, 30 minutos, com café:

1. Receita total da semana atribuída via UTM, por peça.
2. Para cada peça relevante (acima do mínimo definido — R$ 500 ou similar): % de novo cliente, last-click vs first-click, tempo médio até compra.
3. Marcar 3 peças: a mais alta em aquisição real (novo cliente em first-click), a mais alta em criação de demanda (first-click amplo, mesmo se last-click é zero), a mais alta em captura (last-click puro, mesmo se first-click é zero).
4. Decidir uma ação para a próxima semana baseada nessa leitura. Não cinco. Uma.

Esse hábito, repetido por 8-12 semanas, é o que separa marca que cresce de marca que estagna.

Onde a Recto entra

Toda peça que sai pelo Recto leva UTM padronizado: source, medium, campaign, content. No painel do cliente, você vê lado a lado: receita last-click, receita first-click, % novo cliente, tempo médio até compra, sazonalidade indexada contra mesmo período do ano anterior. Sem inflar. Sem inventar. Sem caixa preta.

Se uma peça gerou receita só em recorrência, você lê o número total e "0% novo cliente". Se criou novos clientes em first-click mas pouco em last-click, lê os dois números separados. Daí decide o que fazer.

É a leitura honesta. É só isso. Mas é o que separa marca de decoração.