Atribuição Multi-Touch no B2B: como unificar GA4, RD Station CRM e Power BI para medir o ROI real de canais
Aprenda a construir atribuição multi-touch no B2B: conecte GA4, RD Station CRM e Power BI e meça o ROI real por canal com modelos linear e em U.
Num ciclo de vendas B2B de semanas ou meses, o cliente passa por busca orgânica, e-mail, LinkedIn, um webinar e, no fim, volta pelo tráfego direto para pedir uma reunião. Se o seu relatório dá todo o crédito ao último clique, ele conclui que o canal "direto" é o grande vencedor, e a diretoria corta justamente o que gerou a demanda. A atribuição multi-touch existe para corrigir essa distorção.
Este guia mostra como unir três fontes: o GA4, que enxerga os toques no site, o RD Station CRM, que sabe quais negócios foram ganhos e por quanto, e o Power BI, que cruza as duas bases e aplica as regras de crédito. Na rotina de estruturação de Data Warehouse e dashboards em Power BI sobre o ecossistema RD Station, a parte técnica dá menos trabalho do que parece. O difícil é garantir que os dados se encontrem. Para a visão geral da integração, veja também o artigo sobre integração entre RD Station, GA4 e Power BI.
1. O que o GA4 entrega e onde ele para
O GA4 deixou de oferecer, nos relatórios padrão, os modelos baseados em regras, como linear, em posição e de decaimento no tempo. Restaram o último clique e a atribuição orientada por dados, que usa aprendizado de máquina para distribuir o crédito. Esse segundo modelo é útil, mas tem limites para quem trabalha com B2B:
Não é auditável
Você recebe o resultado, mas não consegue inspecionar a regra por trás de cada linha nem reproduzi-la fora do GA4.
Depende de volume
Propriedades com poucas conversões por mês têm pouco dado para o modelo aprender, o que é comum em B2B de ticket alto.
Conversão não é receita
O GA4 mede o evento de formulário. Ele não sabe qual lead virou contrato nem por quantos reais. Essa informação está no CRM.
A saída é tirar a atribuição da interface do GA4 e calculá-la sobre dados brutos, juntando toques e receita.
2. Arquitetura: como as três fontes se conectam
O desenho mínimo tem quatro blocos:
- GA4 para BigQuery: ative a exportação de dados brutos do GA4 para o BigQuery. Ela entrega eventos em nível de usuário, com carimbo de data e origem, que são a matéria-prima da jornada.
- CRM para tabela de vendas: extraia do RD Station CRM os negócios ganhos, com valor, data de fechamento e o contato associado.
- Chave de identidade: guarde o identificador do cliente do GA4 em um campo oculto do formulário e envie-o ao RD Station junto com o e-mail. É essa ponte que liga o toque anônimo ao negócio ganho.
- Power BI: consome as tabelas, aplica as regras de crédito e entrega o painel por canal.
Os canais que não passam por formulário, como o WhatsApp, precisam do mesmo cuidado. Veja como capturar a origem nesses casos no guia de rastreamento de WhatsApp no GA4 e CRM.
3. Modelo de dados no Power BI
Um modelo enxuto em estrela resolve a maior parte dos casos:
Fato_Toques
Uma linha por interação: id do lead, data e hora, canal, campanha e etapa da jornada.
Fato_Vendas
Uma linha por negócio ganho: id do lead, valor em R$, data de fechamento e responsável.
D_Canais
Agrupamento padronizado de origem e mídia, para que "google / organic" e "Google Orgânico" não virem dois canais.
D_Calendario
Dimensão de datas para análise por mês, trimestre e janela de conversão.
4. Calculando os modelos linear e em U
Com as duas tabelas prontas, o cálculo cabe em uma consulta. O exemplo abaixo, em SQL, distribui o valor de cada venda entre os toques anteriores ao fechamento, em dois modelos ao mesmo tempo:
-- toques(id_lead, ts, canal) | vendas(id_lead, valor, data_ganho)
WITH jornada AS (
SELECT
t.id_lead, t.canal, t.ts,
ROW_NUMBER() OVER (PARTITION BY t.id_lead ORDER BY t.ts) AS posicao,
COUNT(*) OVER (PARTITION BY t.id_lead) AS total
FROM toques t
JOIN vendas v ON v.id_lead = t.id_lead AND t.ts <= v.data_ganho
),
pesos AS (
SELECT *,
1.0 / total AS peso_linear,
CASE
WHEN total = 1 THEN 1.0
WHEN total = 2 THEN 0.5
WHEN posicao = 1 OR posicao = total THEN 0.4
ELSE 0.2 / (total - 2)
END AS peso_u
FROM jornada
)
SELECT
p.canal,
SUM(v.valor * p.peso_linear) AS receita_linear,
SUM(v.valor * p.peso_u) AS receita_em_u
FROM pesos p
JOIN vendas v ON v.id_lead = p.id_lead
GROUP BY p.canal
ORDER BY receita_em_u DESC;
No modelo linear, cada toque recebe a mesma fatia. No modelo em U, o primeiro toque, que gerou o lead, e o último, que fechou, ficam com 40% cada, e o restante é dividido entre os toques do meio. Um exemplo ilustrativo ajuda a ver a diferença:
Exemplo ilustrativo (valores hipotéticos)
Contrato fechado de R$ 10.000, com 4 toques: Orgânico, E-mail, LinkedIn e Direto.
Último clique: Direto = R$ 10.000; os demais = R$ 0.
Linear: cada canal = R$ 2.500.
Em U: Orgânico = R$ 4.000; E-mail = R$ 1.000; LinkedIn = R$ 1.000; Direto = R$ 4.000.
Repare no que muda: o orgânico, invisível no último clique, passa a aparecer com peso relevante. É essa leitura que sustenta decisões de orçamento.
5. Armadilhas que distorcem o resultado
- Janela de atribuição: defina até quantos dias antes do fechamento um toque conta. Em ciclos longos, janelas curtas cortam o início da jornada.
- Multidispositivo: a mesma pessoa pode aparecer como dois usuários se trocar de aparelho antes de se identificar. A ponte pelo e-mail reduz o problema, mas não o elimina.
- Leads duplicados: contatos criados em duplicidade no CRM dividem a jornada em duas. Padronize e deduplique pelo e-mail.
- Canais sem rastreio: indicações, eventos presenciais e contatos por telefone ficam de fora se não forem registrados no CRM como origem.
- Tráfego direto inflado: parte do direto é perda de origem. Padronize as UTMs e revise redirecionamentos que apagam parâmetros.
6. Como usar o resultado sem se enganar
Evite eleger um modelo como verdade. Em vez disso, olhe os três lado a lado, último clique, linear e em U, e leia o papel de cada canal:
- Canal forte no primeiro toque e fraco no último: gera demanda. Cuidado ao cortá-lo.
- Canal forte no último toque e fraco no primeiro: captura demanda que já existia, como busca de marca.
- Canal presente no meio de muitas jornadas: nutre. É onde entram as réguas de nutrição e o Lead Scoring.
Atribuição também não substitui teste. Quando a decisão for grande, como cortar um canal, valide com um experimento controlado.
7. Roteiro de implantação em 4 semanas
- Semana 1: ativar a exportação do GA4 para o BigQuery e padronizar as UTMs.
- Semana 2: criar o campo oculto de identificador no formulário e enviá-lo ao RD Station junto com o e-mail, com o consentimento tratado.
- Semana 3: extrair os negócios ganhos do CRM, montar as tabelas de toques e vendas e validar uma amostra de 20 jornadas na mão.
- Semana 4: construir o painel no Power BI com os três modelos lado a lado e definir a rotina de revisão mensal.
Medir o ROI real por canal é o que separa um orçamento defendido com opinião de um orçamento defendido com dados. Se quiser estruturar essa integração no seu negócio, conheça os serviços de Marketing Science, CRO e BI.
Perguntas Frequentes (FAQ)
Q. Por que o modelo de último clique distorce o resultado no B2B?
Porque o ciclo de compra B2B é longo e envolve vários toques e várias pessoas. O último clique dá todo o crédito ao canal que apareceu antes do formulário, normalmente busca de marca, tráfego direto ou e-mail, e apaga o papel do conteúdo orgânico, da mídia paga e dos eventos que geraram a demanda semanas antes.
Q. O GA4 ainda oferece os modelos linear, em posição e de decaimento no tempo?
Não nos relatórios padrão. O Google descontinuou os modelos baseados em regras, e a interface passou a trabalhar com o último clique e a atribuição orientada por dados. Quem precisa dos modelos clássicos reconstrói a lógica com a exportação de dados brutos para o BigQuery e calcula o crédito em SQL ou no Power BI.
Q. Como ligar um toque anônimo do GA4 a um negócio ganho no RD Station CRM?
Capturando um identificador no momento da conversão. A prática mais comum é guardar o identificador do cliente do GA4 em um campo oculto do formulário e enviá-lo junto com o e-mail ao RD Station. Depois, esse identificador e o e-mail ligam as sessões do GA4 ao contato e ao negócio ganho no CRM, respeitando o consentimento do usuário.
Q. Preciso de Data Warehouse para fazer atribuição multi-touch?
Para começar, não necessariamente: com a exportação do GA4 para o BigQuery e a extração dos negócios ganhos do CRM já é possível montar as duas tabelas centrais e calcular os modelos. Um Data Warehouse passa a valer a pena quando entram mais fontes, como mídia paga, e-mail e eventos, e quando o time precisa de histórico e governança.
Lucas Antignani Rizzieri
Especialista em SEO e GrowthGraduado pela FIAP em Marketing Digital & Data Science (GPA 8.88/10). Especialista em SEO Programático, CRO com significância estatística, CRM e Engenharia de Demanda Orgânica.
Deseja implementar essa estratégia na sua empresa?
Realizamos diagnósticos profundos de SEO Técnico, CRO, arquitetura de dados e esteiras de conversão para acelerar sua geração de demanda.
Artigos Relacionados
Ver todosEngenharia de CRM no RD Station: como estruturar réguas de nutrição e Lead Scoring que aceleram vendas B2B
Descubra como estruturar Lead Scoring e réguas de nutrição no RD Station Marketing e CRM: matriz Perfil x Interesse e qualificação de leads B2B.
Da busca orgânica à venda: conectando RD Station, GA4 e Power BI
Como criar uma camada de dados limpa (Data Warehouse) e réguas no RD Station para calcular o verdadeiro CAC e ROI gerados pelo SEO.
CRO para Pipeline B2B: Como Otimizar as Taxas de Conversão de Visitante a MQL e SQL no Brasil
Guia prático de CRO para vendas B2B no Brasil: otimize a passagem de visitante a MQL e SQL, reduza o CAC e aumente o ROI com menos fricção no funil.