Atribuição Multi-Touch Data-Driven: Modelagem por Valor de Shapley, Cadeias de Markov e a Tríade de Mensuração

MARKETING · 2026.08.26

Modelos heurísticos de último clique mascaram a real eficiência dos canais de mídia paga.

Agências de alta performance utilizam modelos algorítmicos orientados a dados para calcular a contribuição marginal exata de cada ponto de contato.

Console de análise de ciência de dados de marketing em sala de operações escura com monitores exibindo matrizes de atribuição e luminária acesa sobre a bancada

O que causou o colapso definitivo dos modelos heurísticos de atribuição?

O colapso dos modelos heurísticos decorre da incapacidade de isolar contribuições marginais em jornadas não lineares.

Regras estáticas de atribuição atribuem pesos arbitrários aos canais sem considerar a causalidade econômica ou o comportamento real do consumidor.

Durante décadas, o mercado publicitário dependeu do modelo de Último Clique (Last-Touch Attribution ou LTA). Esse modelo concentra 100% da conversão no canal final antes do checkout. O resultado prático é a hipertrofia de termos de busca de marca e campanhas de retargeting agressivas.

Em 2015, economistas demonstraram no estudo publicado na Econometrica (Tadelis et al.) que anúncios de busca de marca no eBay apresentavam retorno incremental próximo de zero. O Last-Click atribuía receitas massivas a links patrocinados que apenas interceptavam tráfego orgânico espontâneo.

A degradação de cookies de terceiros pelo Safari ITP e pela política de App Tracking Transparency da Apple quebrou o rastreamento determinístico entre domínios.

Em setembro de 2023, o Google Ads descontinuou permanentemente os modelos First-Click, Linear, Time-Decay e Position-Based. A plataforma adotou o algoritmo nativo de Data-Driven Attribution no Google Ads.

Modelo Heurístico	Regra de Distribuição	Limitação Estrutural Crítica
Last-Click	100% no ponto final de contato	Autofagia por retargeting e canibalização de tráfego de marca direto.
First-Click	100% no primeiro ponto de contato	Ignora totalmente a nutrição do lead, objeções e taxa de fechamento.
Linear	`1 ÷ N` para cada um dos `N` toques	Trata impressões acidentais com a mesma relevância de buscas intencionais.
Time-Decay	Meia-vida exponencial de valor	Penaliza ciclos longos B2B e converge para uma aproximação do Last-Click.
Position-Based	40% primeiro, 40% último, 20% meio	Distribuição em U com pesos estáticos desprovidos de base econométrica.

Como o Valor de Shapley modela a contribuição marginal de cada canal?

O Valor de Shapley calcula a contribuição marginal média ponderada de um canal em todas as permutações de coalizões possíveis.

Criado pelo matemático Lloyd Shapley (1953), o conceito resolve a distribuição justa de ganhos em jogos cooperativos onde múltiplos agentes atuam conjuntamente.

No contexto de marketing digital, cada canal de mídia atua como um jogador em uma coalizão S. A função característica v(S) representa o valor total gerado quando apenas o subconjunto S de canais está presente na jornada.

A fórmula canônica do Valor de Shapley para o canal i em um conjunto global de N canais é expressa por:

ϕ_i(v) = ∑_{S ⊆ N \ {i}} [ (|S|! × (|N| - |S| - 1)!) ÷ |N|! ] × (v(S ∪ {i}) - v(S))

A ponderação matemática avalia o canal em coalizões vazias, intermediárias ou completas. O método satisfaz quatro axiomas matemáticos:

Eficiência: A soma dos valores atribuídos a todos os canais iguala o valor total gerado pela coalizão: ∑_{i ∈ N} ϕ_i(v) = v(N).
Simetria: Canais que agregam o mesmo valor incremental a qualquer subconjunto recebem créditos idênticos.
Jogador Nulo (Dummy Player): Se um canal não altera o resultado de nenhuma coalizão (v(S ∪ {i}) = v(S)), seu crédito atribuído é zero.
Aditividade: O crédito de campanhas conjuntas é a soma dos créditos individuais de cada jogo isolado.

Exemplo Prático: 3 Canais (N = 3: Meta Ads, Google Search, Email)
Taxas de Conversão Observadas:
v(∅) = 0%
v({Meta}) = 1.2%              v({Meta, Google}) = 4.0%
v({Google}) = 2.0%            v({Meta, Email}) = 2.8%
v({Email}) = 0.8%             v({Google, Email}) = 3.6%
v({Meta, Google, Email}) = 6.0%

Cálculo Marginal de Meta Ads:
Coalizão ∅:            Peso 1/3 × (1.2% - 0.0%) = +0.40%
Coalizão {Google}:     Peso 1/6 × (4.0% - 2.0%) = +0.33%
Coalizão {Email}:      Peso 1/6 × (2.8% - 0.8%) = +0.33%
Coalizão {Google,Email}: Peso 1/3 × (6.0% - 3.6%) = +0.80%
Crédito Shapley ϕ_Meta = 0.40% + 0.33% + 0.33% + 0.80% = 1.86%

Apesar da elegância axiomática, o modelo de Shapley clássico trata a jornada como um conjunto desordenado de toques. Além disso, sofre com complexidade computacional exponencial de ordem O(2^|N|), exigindo amostragens de Monte Carlo para catálogos com mais de 15 canais.

Por que Cadeias de Markov e Grafos Direcionados superam as limitações de ordem sequencial?

Cadeias de Markov incorporam a ordem cronológica estocástica dos toques e calculam o impacto direto da exclusão de cada nó.

O modelo representa a jornada do consumidor como um processo estocástico com estados transicionais e nós absorventes definitivos.

Na formulação estabelecida por Eva Anderl et al. (2016) no International Journal of Research in Marketing, os pontos de contato atuam como nós em um grafo direcionado ponderado.

A jornada inicia no estado Start e transita entre canais até alcançar o nó absorvente Conversion ou Null (abandono de jornada).

Diagrama técnico de grafo direcionado de transição estocástica de Cadeia de Markov com nós de jornada e rotas de conversão

A probabilidade de transição empírica p_ij do canal i para o canal j é calculada pela contagem de transições observadas na base total de jornadas:

p_ij = C_ij ÷ ∑_k C_ik

A probabilidade global de conversão da rede intacta P(Conversion) é obtida pela soma das probabilidades de todos os caminhos que partem de Start e chegam a Conversion.

Para determinar o peso de cada canal, aplica-se o conceito de Efeito de Remoção (Removal Effect). Ao remover o canal k da matriz de transição, todos os fluxos direcionados a ele são desviados para o nó de abandono Null. A probabilidade de conversão do grafo degradado torna-se P(Conversion \ {k}).

O Efeito de Remoção do canal k é formalizado por:

RE_k = 1 - ( P(Conversion \ {k}) ÷ P(Conversion) )

O crédito normalizado final atribuído a cada canal de mídia corresponde à sua fração sobre a soma de todos os efeitos de remoção:

Atribuicao_k = RE_k ÷ ∑_j RE_j

Implementações de alta escala utilizam pacotes especializados em C++ e R, como o CRAN ChannelAttribution (Altomare & Loris), processando milhões de jornadas com suporte a modelos de Markov de ordem superior.

Como implementar a modelagem estocástica de atribuição em Python?

A modelagem em Python utiliza matrizes esparsas de transição e álgebra linear para extrair os efeitos de remoção em escala.

O script abaixo estrutura as cadeias de eventos em formato de grafo e calcula o crédito relativo de cada canal.

import numpy as np
import pandas as pd
from collections import defaultdict

def calcular_atribuicao_markov(caminhos_df):
    """
    caminhos_df: DataFrame com colunas ['jornada', 'conversoes', 'abandonos']
    Exemplo de jornada: 'Meta > Google > Email'
    """
    transicoes = defaultdict(int)
    totais_origem = defaultdict(int)
    
    for _, linha in caminhos_df.iterrows():
        passos = ['(start)'] + [x.strip() for x in linha['jornada'].split('>')]
        n_conv = int(linha['conversoes'])
        n_drop = int(linha['abandonos'])
        
        for i in range(len(passos) - 1):
            origem, destino = passos[i], passos[i + 1]
            transicoes[(origem, destino)] += (n_conv + n_drop)
            totais_origem[origem] += (n_conv + n_drop)
            
        ultimo = passos[-1]
        if n_conv > 0:
            transicoes[(ultimo, '(conversion)')] += n_conv
            totais_origem[ultimo] += n_conv
        if n_drop > 0:
            transicoes[(ultimo, '(null)')] += n_drop
            totais_origem[ultimo] += n_drop

    canais = sorted(list(set([k[0] for k in transicoes.keys() if k[0] not in ['(start)', '(conversion)', '(null)']])) )
    estados = ['(start)'] + canais + ['(conversion)', '(null)']
    matriz_p = pd.DataFrame(0.0, index=estados, columns=estados)

    for (origem, destino), contagem in transicoes.items():
        matriz_p.loc[origem, destino] = contagem / totais_origem[origem]
    matriz_p.loc['(conversion)', '(conversion)'] = 1.0
    matriz_p.loc['(null)', '(null)'] = 1.0

    def prob_conversao(m):
        q = m.loc[['(start)'] + canais, ['(start)'] + canais].values
        r = m.loc[['(start)'] + canais, ['(conversion)', '(null)']].values
        identidade = np.eye(q.shape[0])
        fundamental = np.linalg.inv(identidade - q)
        absorcao = np.dot(fundamental, r)
        return absorcao[0, 0]

    prob_base = prob_conversao(matriz_p)
    efeitos_remocao = {}

    for c in canais:
        m_mod = matriz_p.copy()
        for idx in estados:
            if m_mod.loc[idx, c] > 0:
                m_mod.loc[idx, '(null)'] += m_mod.loc[idx, c]
                m_mod.loc[idx, c] = 0.0
        m_mod.loc[c, :] = 0.0
        m_mod.loc[c, '(null)'] = 1.0
        p_sem_c = prob_conversao(m_mod)
        efeitos_remocao[c] = max(0.0, 1.0 - (p_sem_c / prob_base))

    soma_re = sum(efeitos_remocao.values())
    resultado = {c: re / soma_re for c, re in efeitos_remocao.items()}
    return pd.Series(resultado).sort_values(ascending=False)

O processamento matricial com a matriz fundamental N = (I - Q)^(-1) garante resolução analítica exata sem a necessidade de simulações iterativas lentas de passos aleatórios.

O que é a Tríade de Mensuração e por que DDA isolado não prova causalidade?

A Tríade de Mensuração unifica DDA, Testes de Incrementalidade e MMM para cobrir execução tática, causalidade e estratégia macro.

Nenhum método isolado é suficiente para responder a todas as perguntas de investimento publicitário em uma operação de escala.

A Atribuição Multi-Touch Data-Driven é um modelo puramente observacional. Ela mede a correlação entre a presença de anúncios e a taxa de conversão final.

No entanto, canais de fundo de funil frequentemente apresentam alta correlação sem gerar incrementalidade real devido ao viés de intenção prévia.

Estação de telemetria de engenharia de performance em ambiente de centro de controle exibindo pipelines de dados de mídia

Para blindar a tomada de decisão contra desperdícios de verba, a governança de agências especializadas estrutura a mensuração em três camadas complementares:

+---------------------------------------------------------------------------------------------------+
|                            A TRÍADE MODERNA DE MENSURAÇÃO DE MÍDIA                                |
+---------------------------------------------------------------------------------------------------+
| PILAR               | ESCOPO TEMPORAL   | OBJETO DE ANÁLISE         | DECISÃO PRINCIPAL               |
+---------------------+-------------------+---------------------------+---------------------------------+
| 1. DDA (Shapley/    | Diário / Semanal  | Cliques, impressões e     | Otimização tática de criativos, |
|    Markov)          | (Granularidade)   | jornadas individuais      | palavras-chave e lances intra.  |
+---------------------+-------------------+---------------------------+---------------------------------+
| 2. Incrementalidade | Mensal / Trimestre| Regiões geográficas e     | Validação causal (iROAS/iCAC),  |
|    (Geo-Lift)       | (Quasi-experim.)  | grupos de controle        | calibração e cortes de canibal. |
+---------------------+-------------------+---------------------------+---------------------------------+
| 3. MMM Bayesiano    | Semanal / Mensal  | Séries temporais macro,   | Alocação orçamentária entre     |
|    (Meridian/Robyn) | (Longo prazo)     | saturação e adstock       | canais e planejamento anual.    |
+---------------------+-------------------+---------------------------+---------------------------------+

Na base da tríade, os testes de Geo-Lift utilizam Métodos de Controle Sintético para medir o iROAS (ROAS Incremental) sem depender de rastreadores individuais.

Os coeficientes de incrementalidade apurados calibram os hiperparâmetros de adstock carryover e saturação de Hill em bibliotecas abertas como Google Meridian e Meta Robyn.

Como agências de performance estruturam a infraestrutura de dados para DDA?

A infraestrutura moderna exige ingestão server-side, unificação de identidades primárias e armazenamento em data warehouses analíticos.

A precisão dos modelos de Shapley e Markov depende diretamente da integridade e da profundidade dos dados de jornada coletados.

O fluxo de engenharia de dados em agências de alta maturidade segue cinco etapas fundamentais:

1. Coleta First-Party via Server-Side: Envio de eventos diretamente do servidor via Meta Conversions API (CAPI) e Google Ads Enhanced Conversions.
2. Identity Resolution Unificada: Construção de um identificador unificado do cliente para unificar sessões pré-clique e pós-cadastro em um grafo proprietário.
3. Armazenamento Centralizado: Exportação diária de dados brutos sem amostragem para ambientes em nuvem como Google BigQuery, Snowflake ou Amazon Redshift.
4. Pipeline de Modelagem Automatizado: Execução programada em Python ou SQL de matrizes de transição de Markov e distribuições de Shapley para pontuar pontos de contato.
5. Ativação Reversa (Reverse ETL): Retorno dos valores de conversão ajustados e pesos incrementais diretamente para as plataformas de mídia via lances baseados em valor.

Quais são as armadilhas comuns na migração para atribuição data-driven?

As principais armadilhas envolvem o uso de janelas de conversão curtas, a exclusão de caminhos não-conversores e a falta de calibração experimental.

Ignorar esses fatores gera matrizes de transição enviesadas que repetem os erros dos modelos heurísticos antigos.

Durante a implantação, três erros críticos devem ser prevenidos pela equipe técnica:

Desconsiderar jornadas de abandono (Drop-offs): Modelar apenas jornadas convertidas impede o cálculo correto da taxa de atrito de cada nó. Um canal com alto tráfego desqualificado parecerá artificialmente eficiente.
Janelas de lookback incompatíveis com o ciclo de vendas: Em vendas complexas B2B com ciclo longo, janelas curtas de 7 ou 30 dias desfavorecem severamente os canais de conscientização inicial.
Confundir DDA com causalidade definitiva: Assumir que o crédito Shapley ou Markov reflete elasticidade pura sem confrontar com testes de holdout geográfico conduz a alocações ineficientes.

Perguntas Frequentes sobre Atribuição Multi-Touch

O Google Analytics 4 usa Valor de Shapley ou Cadeias de Markov?

O modelo de Data-Driven Attribution do GA4 baseia-se no Valor de Shapley modificado com algoritmos de propensão logística. Ele avalia o impacto incremental comparando jornadas convertidas com usuários que não converteram.

Qual a diferença fundamental entre Valor de Shapley e Cadeias de Markov?

O Valor de Shapley trata a jornada como uma coalizão cooperativa sem considerar a ordem temporal. As Cadeias de Markov utilizam grafos direcionados que consideram a sequência cronológica dos toques e a taxa de abandono via Efeito de Remoção.

Como a Atribuição Data-Driven lida com o fim dos cookies de terceiros?

A modelagem orientada a dados moderna depende de dados primários (first-party data), rastreamento server-side via CAPI e identificadores persistentes de CRM, eliminando cookies de terceiros.

Quando uma empresa deve migrar do Last-Click para DDA e MMM?

A transição torna-se indispensável quando a empresa investe em múltiplos canais de mídia paga simultaneamente e o modelo de Last-Click gera canibalização evidente entre prospecção e retargeting.