Modelo de atribuição: os que o GA4 aposentou e o que sobrou para decidir verba

Quem pesquisa modelo de atribuição ainda encontra o cardápio clássico: primeiro clique, último clique, linear, decaimento temporal e baseado na posição, com o conselho de escolher o que combina com o seu negócio. O problema é que, para quem mede pelo Google Analytics 4 e anuncia no Google Ads, quatro desses pratos saíram do cardápio em 2023.

Este texto mostra o que sobrou de fato nas duas ferramentas, como o modelo baseado em dados reparte o crédito, por que o número de conversões de um canal muda de um dia para o outro e qual leitura serve para decidir verba sem pedir ao relatório uma resposta que ele não tem.

O que é modelo de atribuição?

Uma jornada de compra raramente tem uma visita só. A pessoa vê um anúncio, volta dias depois pela busca, recebe um e-mail e finalmente compra. Modelo de atribuição é a regra que decide como repartir o crédito dessa compra entre os pontos de contato do caminho. Pode ser uma regra fixa (“tudo para o último clique”) ou um algoritmo que aprende os pesos com os dados da conta.

Na prática, o modelo responde a uma pergunta de dinheiro: qual canal aparece como responsável pela venda no relatório que vai para a reunião de verba. Troque o modelo e a mesma venda muda de dono, sem que nada tenha mudado no mundo real. Por isso a escolha não é detalhe técnico de configuração.

Vale separar três ajustes que costumam se misturar. O modelo decide como repartir o crédito. A janela de lookback, chamada de janela de conversão no Google Ads, decide até quando um ponto de contato ainda pode receber crédito. E a lista de canais qualificados decide quem entra na disputa. No GA4, os três ficam na mesma tela de configurações de atribuição.

Quais modelos de atribuição o GA4 aposentou, e quando?

Os quatro modelos baseados em regra fixa saíram ao longo de 2023, primeiro no Google Ads e depois no GA4. A documentação atual do Google é direta sobre o resultado.

O anúncio feito na Ajuda do Google Ads detalha o calendário. A partir de junho de 2023, deixou de ser possível escolher os quatro modelos em ações de conversão que ainda não os usavam. A partir de setembro de 2023, as ações que ainda usavam algum deles foram migradas para a atribuição baseada em dados, e os modelos de regra foram retirados também dos relatórios, inclusive da comparação de modelos.

Isso explica a confusão das buscas. Boa parte do material que ranqueia para o termo ainda apresenta os modelos aposentados como opções de escolha, e quem segue o conselho abre o GA4 e não encontra o modelo linear em lugar nenhum. Os modelos continuam existindo como conceito, e algumas ferramentas fora do ecossistema do Google trabalham com regras próprias, mas no GA4 e no Google Ads a escolha hoje é outra.

Quais modelos de atribuição sobraram no GA4 e no Google Ads?

No GA4 sobraram três, e dois deles são variações do último clique. A diferença entre eles está em quem pode receber o crédito.

• Atribuição baseada em dados. Reparte o crédito em frações, calculadas a partir dos dados da própria conta. Cada modelo é específico para o anunciante e para o evento principal.
• Último clique em canais pagos e orgânicos. Dá 100% do crédito ao último canal clicado antes da conversão e ignora o tráfego direto. Na sequência display, redes sociais, pesquisa paga e direto, quem leva tudo é a pesquisa paga. É o mesmo modelo que o Google também chama de último clique não direto.
• Último clique nos canais pagos do Google. Dá 100% ao último clique em um anúncio do Google Ads. Se não houver clique de Google Ads no caminho, o modelo usa o último clique em canais pagos e orgânicos como substituto.

No Google Ads sobraram dois: último clique e baseada em dados, que é o padrão para a maioria das ações de conversão. Uma regra vale para todos os modelos do GA4: o tráfego direto só recebe crédito quando o caminho inteiro até o evento principal é feito de visitas diretas. Explicamos o que isso faz com o relatório no artigo sobre por que o tráfego direto fica sem crédito no GA4.

Elaborado pela Alliance Comunicação a partir da Ajuda do Google Analytics e da Ajuda do Google Ads (consultadas em 12/10/2026).

Como o modelo linear e os outros aposentados calculavam o crédito?

Mesmo fora do GA4, a pergunta continua aparecendo no autocompletar, e entender a lógica ajuda a ler relatórios antigos e ferramentas de terceiros. Todos os quatro tinham uma coisa em comum: os pesos eram definidos antes de olhar os dados.

Primeiro clique

Todo o crédito ia para o primeiro ponto de contato do caminho. Valorizava quem trazia a pessoa pela primeira vez e zerava todo o resto, inclusive o canal que de fato convenceu a comprar.

Linear

O crédito era dividido em partes iguais entre todos os pontos de contato. Num caminho com quatro interações, cada uma ficava com 25% da conversão. É simples de explicar, mas trata da mesma forma o clique decisivo e a visita distraída.

Redução de tempo (iminência da conversão)

Os pontos de contato mais próximos da conversão recebiam mais crédito, e os mais antigos, menos. A ideia era premiar o que estava perto da decisão, o que tende a desfavorecer canais de descoberta em ciclos de venda longos.

Baseado na posição

Também chamado de modelo em U, privilegiava o primeiro e o último ponto de contato e dividia o restante entre os do meio. Na versão mais difundida, 40% iam para o primeiro, 40% para o último e 20% eram repartidos entre os intermediários.

O defeito comum aos quatro é que a regra vinha de fora: alguém decidia que o primeiro clique valia 40% sem saber se, naquela conta, ele valia 10% ou 70%. A atribuição baseada em dados troca essa decisão arbitrária por uma estimativa feita sobre o histórico, com as limitações que veremos adiante.

Como a atribuição baseada em dados funciona?

Em vez de uma regra, o modelo baseado em dados aprende com os caminhos que a conta já registrou, incluindo os de quem não converteu. A comparação entre os dois grupos é o que permite estimar o peso de cada ponto de contato.

A própria documentação traz um exemplo do raciocínio. Um caminho com pesquisa paga, anúncio social, afiliado e uma segunda pesquisa tem probabilidade de conversão de 3%. Quando a última exposição é retirada, a probabilidade cai para 2%. Logo, aquela exposição aumenta a chance de conversão em mais de 50%, e essa contribuição vira peso na hora de repartir o crédito. O cálculo se repete para cada interação do caminho.

Duas consequências aparecem no relatório. A primeira é o crédito parcial: ao mudar para o modelo baseado em dados, a coluna de eventos principais passa a mostrar decimais, porque uma conversão foi dividida entre vários canais e a soma das frações dá 1. A segunda é a dependência de volume: na Ajuda do Google Ads, o Google recomenda pelo menos 200 conversões e 2.000 interações com anúncios em 30 dias para o modelo trabalhar bem, embora ele funcione com menos, e avisa que, com poucos dados, o resultado pode coincidir com o do último clique.

E um limite que não aparece na tela: o modelo só reparte crédito entre os pontos de contato que conseguiu observar. A indicação de um amigo, a conversa com o vendedor e o anúncio visto sem clique ou engajamento não estão no caminho e, portanto, não entram na divisão.

Por que o relatório de ontem muda hoje?

Quem acompanha o GA4 todo dia já viu: as conversões de um canal na segunda-feira não são as mesmas quando o relatório é reaberto na sexta. Há três motivos documentados, e nenhum deles é erro.

1. Reatribuição de até sete dias. No modelo baseado em dados, uma conversão já registrada pode ter o crédito redistribuído por até sete dias. A semana que acabou de fechar ainda está se assentando.
2. Troca do modelo reescreve o passado. No GA4, a mudança no modelo de atribuição de relatórios vale para os dados históricos e futuros. Ela afeta as dimensões de tráfego no escopo do evento, como origem, mídia, campanha e grupo de canais padrão, mas não as dimensões de sessão e de primeiro usuário, como origem da sessão.
3. A janela de lookback só vale daqui para frente. Para os eventos de aquisição (first_open e first_visit), a janela padrão é de 30 dias, com opção de 7; para os demais eventos principais, é de 90 dias, com opção de 30 ou 60. A mudança na janela só se aplica a partir do momento em que é salva.

No Google Ads a lógica é outra: mudar o modelo de uma ação de conversão altera as colunas de conversões só dali para a frente. Para ver como o histórico ficaria com o modelo novo, existem colunas com o sufixo “(modelo atual)”. Os detalhes estão na página do Google sobre configurações de atribuição do GA4.

A regra prática que sai disso é simples: só apresente como fechada uma semana que já passou de sete dias, e registre com data qualquer mudança de modelo ou de janela. Mostramos como montar essa disciplina no artigo sobre por que Google Ads, GA4 e CRM não batem no dashboard.

Qual a diferença entre o modelo de atribuição do Google Analytics e do Google Ads?

Os nomes se parecem, mas as duas ferramentas aplicam o modelo em lugares diferentes e com consequências diferentes. O GA4 escolhe um modelo para todos os relatórios da propriedade; o Google Ads escolhe por ação de conversão, e essa escolha alimenta os lances.

Elaborado pela Alliance Comunicação a partir da Ajuda do Google Analytics (configurações de atribuição) e da Ajuda do Google Ads (sobre modelos de atribuição), consultadas em 12/10/2026.

Um aviso da documentação do relatório de comparação de modelos do GA4 resolve muita discussão de reunião: para comparar as conversões de um modelo no Google Ads com um modelo no GA4, o Google indica selecionar no GA4 o último clique em canais pagos e orgânicos. Comparar o baseado em dados de uma ferramenta com o da outra é comparar dois cálculos feitos sobre dados diferentes.

Qual modelo de atribuição usar no Google Ads?

Para a maioria das contas, a resposta é manter a atribuição baseada em dados, que já é o padrão. Ela enxerga as interações com anúncios de pesquisa (incluindo Shopping), YouTube, display e Geração de demanda, e entrega aos lances automáticos uma estimativa do valor de cada clique ao longo do caminho, não só do último.

Há três cuidados. O primeiro: o modelo escolhido muda o número que as estratégias de lances automáticos perseguem, e o próprio Google recomenda testar e analisar o efeito no retorno ao trocar para um modelo que não seja o último clique. O segundo: com pouco volume de conversões, o baseado em dados pode dar o mesmo resultado do último clique, e a troca não traz informação nova. O terceiro: se a venda acontece fora do site, no comercial ou no balcão, nenhum modelo vai creditar o que o Google Ads não recebe; aí o trabalho é devolver a venda à plataforma, como explicamos no artigo sobre conversões offline no Google Ads.

O modelo não escolhe o canal certo. Ele escolhe qual pergunta o relatório vai responder.

Como comparar baseado em dados e último clique para decidir verba?

Escolher um modelo só e tratar o número como verdade é o caminho mais curto para cortar o canal errado. A leitura que serve para verba compara os dois que sobraram: o último clique mostra quem fecha; o baseado em dados mostra quem também participou antes do fechamento.

1. Abra o relatório de comparação

No GA4, vá em Publicidade > Atribuição e abra a comparação de modelos (dependendo da versão da interface, o item aparece como Modelos de atribuição). Mantenha a dimensão Grupo de canais padrão para a primeira leitura.

2. Escolha um evento que valha dinheiro

Por padrão, o relatório soma todos os eventos de conversão. Selecione só o que importa para a verba, como compra ou lead qualificado. Misturar clique em WhatsApp com compra dilui exatamente a diferença que você quer ver.

3. Compare os dois modelos e leia a variação

Coloque a atribuição baseada em dados de um lado e o último clique em canais pagos e orgânicos do outro. As colunas de % de variação mostram, por canal, quanto as conversões e a receita sobem ou descem de um modelo para o outro.

4. Classifique cada canal

Canal que ganha crédito no baseado em dados está aparecendo antes do fechamento: abre ou alimenta a jornada. Canal que perde crédito está concentrado no fim: fecha o que outros começaram. Canal que fica estável faz um papel só, do começo ao fim.

5. Leve a classificação para a decisão, não o número

Um canal que abre jornadas não deve ser cortado porque o último clique o mostra fraco. Mas também não merece verba nova só porque ganhou uma fração no outro modelo. A classificação diz onde vale fazer um teste controlado antes de mexer no orçamento. No Google Ads, o mesmo exercício existe em Metas > Atribuição > Comparação de modelos, onde as colunas de custo por conversão e de valor da conversão por custo mostram o CPA e o ROAS de cada campanha nos dois modelos.

O que nenhum modelo de atribuição consegue provar?

Atribuição reparte crédito; não mede causa. Mesmo o modelo baseado em dados, com toda a comparação entre caminhos, responde “quem esteve no caminho de quem comprou”, e não “quem compraria mesmo sem esse anúncio”. A pessoa que já ia comprar e clicou no anúncio da marca no caminho aparece no relatório exatamente como a pessoa convencida pelo anúncio.

Há também o que fica fora da conta. O direto quase nunca recebe crédito, o offline só entra se for importado, e o que outra plataforma vê, como a Meta, não aparece no caminho do GA4 se o link chegou sem marcação. Campanha com UTM fora do padrão vira Não atribuído e entra mal na disputa, como mostramos no artigo sobre o UTM que vira Não atribuído.

Para saber se um canal causa vendas, a ferramenta é outra: um experimento com grupo de controle, em que uma parte do público ou da região deixa de ver a campanha e o resultado das duas partes é comparado. A atribuição serve para escolher onde vale rodar esse teste, não para dispensá-lo.

Quais os erros mais comuns na leitura da atribuição?

• Procurar o modelo linear no GA4. Ele não existe desde novembro de 2023; planilha que compara meses antigos com o modelo atual compara regras diferentes.
• Fechar a semana cedo demais. Com reatribuição de até sete dias, o número de ontem ainda vai mudar.
• Trocar o modelo do GA4 sem avisar ninguém. A troca reescreve o histórico, e o relatório do mês passado deixa de bater com a apresentação feita no mês passado.
• Somar as conversões do Google Ads com as do GA4 ou da Meta. Cada ferramenta reivindica a venda pelo seu modelo; a soma passa do total real.
• Comparar o baseado em dados do GA4 com o do Google Ads. Para comparar as duas ferramentas, a orientação do Google é usar o último clique em canais pagos e orgânicos no GA4.
• Ler crédito como causa. Fração de crédito alta não prova que o canal gera venda nova; prova que ele aparece no caminho de quem compra.
• Avaliar todos os eventos juntos. Clique em botão e compra no mesmo relatório escondem qual canal traz receita.

Por onde começar hoje

1. Abra as configurações de atribuição do GA4 e anote o modelo, os canais qualificados e as duas janelas de lookback em uso.
2. Confira no Google Ads qual modelo cada ação de conversão principal usa e se a estratégia de lances depende dela.
3. Rode a comparação entre baseada em dados e último clique para o seu evento de receita e classifique os canais em quem abre e quem fecha.
4. Combine com a equipe que a semana só é apresentada depois de sete dias e que toda mudança de modelo ou janela fica registrada com data.
5. Para o canal mais disputado, planeje um teste com grupo de controle antes de cortar ou dobrar a verba.

Se a configuração de mensuração ainda está incompleta, com eventos mal definidos, UTMs soltas e vendas que não voltam do CRM, a atribuição vai repartir crédito sobre uma base torta. É o tipo de arrumação que fazemos no serviço de Web Analytics da Alliance. E, para ver onde a sua mensuração está no conjunto do marketing, o diagnóstico de marketing gratuito avalia dados e mensuração junto com as outras dimensões e aponta o que priorizar.