Como Medir Marketing em B2B Quando a Atribuição Já Não Serve

A atribuição no marketing B2B já não chega. Se queres medir impacto real, precisas de outro modelo — e outra mentalidade.

Marketing attribution B2B

Table of Contents

Durante anos, a indústria tentou resolver a medição de marketing com modelos de atribuição.
First-touch. Last-touch. Time decay. Data-driven. Cada novo modelo prometia mais precisão, mais clareza, mais controlo.

No marketing B2B, essas promessas não se cumprem.

Ciclos longos, múltiplos decisores, conteúdos que não convertem, mas influenciam. Canais que não rastreiam nada, plataformas que se contradizem.

Atribuição, tal como é usada hoje, não te dá as respostas que precisas.

Na verdade, pode estar a levar-te a tomar decisões erradas, cortar investimento onde devias duplicar, e otimizar para métricas que parecem boas, mas matam o teu pipeline.

Neste artigo explicamos:

  • Porque a atribuição deixou de funcionar em B2B.
  • Como aplicar incrementalidade e Marketing Mix Modeling para medir o que importa.
  • Como validar impacto sem depender de cookies nem plataformas.
  • E como evoluir o teu modelo de medição sem complicar tudo.

É assim que a DGMarks trabalha.

O mito da atribuição no Marketing

A lógica é simples: se conseguires atribuir conversões a canais específicos, consegues otimizar.

Parece racional.

Mas não é.

No B2B:

  • A jornada de compra não cabe numa janela de 7 ou 30 dias.
  • Nem sempre há um clique direto. Nem sempre há um clique, ponto.
  • A influência é dispersa, fragmentada, e raramente rastreável.

As plataformas não se falam.

GA4 não vê impressões da Meta e a Meta não sabe o que fizeste no LinkedIn.

Cada uma vive no seu lugar, a puxar os créditos para si, e tu ficas com um puzzle incompleto, onde cada peça grita que foi a responsável pela venda.

O que vês no dashboard não é o que aconteceu, é o que a plataforma conseguiu detetar.

E isso cria o primeiro grande problema:

Estás a tomar decisões com base em dados parciais.

Pior, estás a atribuir mérito a canais que só apareceram no fim, depois de todo o trabalho já estar feito.

Este tipo de análise leva-te a otimizar o que é fácil de medir, e a cortar o que realmente gera procura.

ROAS não é ROI.

Em B2B, confiar em ROAS para medir sucesso é como avaliar um romance pela última frase do livro.
Pode parecer coerente. Mas não conta a história toda.

ROAS diz-te quanto geraste por cada euro investido, (segundo a plataforma).
Não segundo o CRM, não segundo o negócio, nem a realidade.

E quando tomas decisões com base nisso, é fácil cair na armadilha:

  • Cortas campanhas de topo de funil porque “não convertem”.
  • Otimizas para canais de pesquisa que aparecem no fim da jornada.
  • Reduzes investimento em marca, porque os resultados “não se veem”.

Durante um tempo, parece que está tudo bem. O CAC baixa, o ROAS sobe, os gráficos mostram crescimento.

Mas depois, o pipeline começa a abrandar, as SQLs diminuem e os ciclos alargam-se.
A tua dependência de tráfego cresce e a fonte começa a secar.

E o que fazes?

Investes mais nos canais que “funcionaram”, porque os dashboards assim o mostram.
Mas já não há fundo de funil para captar, porque deixaste de o alimentar.

Este é o problema real:

Atribuição baseada em ROAS incentiva decisões que geram resultados curtos, mas comprometem o negócio.

O que devias estar a perguntar não é:

“Qual foi o canal com melhor ROAS?”

É:

“O que fez esta conta decidir avançar?”

Mais importante ainda:

“Quantas não avançaram, porque nunca chegámos a elas?”

Incrementalidade: a métrica que a atribuição não consegue tocar

Podes ter campanhas que mostram resultados.

Leads atribuídas, ROAS positivo. CPA aceitável.

Mas há uma pergunta que a atribuição não te responde:

Isto teria acontecido mesmo sem a campanha?

A resposta é: incrementalidade.

O que é incrementalidade?

É simples:
Incrementalidade é o impacto real e adicional que uma ação de marketing teve — comparado ao que teria acontecido se não tivesses feito nada.

  • Se alguém viu o teu anúncio, clicou, e comprou porque viu o anúncio, isso é incremental.
  • Se alguém já estava prestes a comprar, viu o anúncio por acaso e clicou só para seguir caminho, não é.

A atribuição regista ambos e a incrementalidade separa-os.

Porque importa tanto em B2B?

No B2B, as decisões não são instantâneas.
Não há cliques por impulso.
Há múltiplas camadas de consideração, influência interna, comparação de alternativas.

Campanhas de awareness, conteúdos educativos, branding consistente — tudo isso influencia silenciosamente.

Mas nada disso aparece como “último clique”.

Se medes apenas cliques e conversões diretas, acabas a cortar o que gera procura, e a investir apenas no que a captura.

Como se mede incrementalidade?

Não com dashboards, nem com UTMs.

Mede-se com testes bem desenhados:

  • Testes geográficos: divide o mercado em regiões comparáveis, expõe uma à campanha e a outra não. Compara o lift real.
  • Testes por audiência: pega na tua lista, divide por indústria ou cargo, mostra a campanha a um grupo, e isola o outro como controlo.
  • Testes de tempo: pausa uma campanha durante um período e observa o impacto no pipeline.

São testes simples na teoria, mas exigem rigor na execução.

Porque o marketing B2B não responde em tempo real.

Incrementalidade não substitui tudo o resto. Mas dá-te aquilo que a atribuição não consegue: confiança de que o teu marketing está realmente a funcionar.

Marketing Mix Modeling: quando queres medir resultados, não cliques

A atribuição falha porque depende de rastrear.
A incrementalidade corrige isso, mas exige testes constantes.

O Marketing Mix Modeling (MMM) resolve o problema de outra forma:

Olha para todos os dados ao longo do tempo.

E pergunta: “O que é que realmente moveu a venda?”

O que é o MMM?

É um modelo estatístico que analisa a relação entre investimento em marketing e resultados de negócio — receita, pipeline, MRR, CAC — ao longo de meses ou anos.

Não depende de cliques, não precisa de cookies e não exige tracking perfeito.

Só precisa que saibas:

  • Quanto investiste por canal por semana
  • O que aconteceu ao teu negócio em cada período
  • Que outras variáveis estavam em jogo (promoções, sazonalidade, tendências de mercado)

O modelo analisa essas variáveis e encontra padrões.
Padrões que te dizem: onde estás a gastar bem, onde estás a desperdiçar, e onde ainda tens margem para escalar.

Porque é que o MMM faz tanto sentido em B2B?

Porque no B2B:

  • As jornadas são longas e fragmentadas
  • O impacto do marketing é cumulativo e difuso
  • A medição exige paciência e contexto

O MMM oferece exatamente isso.
Não captura o clique, captura a relação entre investimento e crescimento.

Como começas?

Não precisas de um PhD em estatística.

  • Podes usar ferramentas como o Meridian (open-source, da Google), que te ajudam a aplicar o modelo com dados reais.
  • Ou podes começar mais simples: cria um ficheiro onde registas gastos por canal e resultados por semana, e analisa com cuidado.
  • Importante: não uses só o modelo. Valida com testes. Se o MMM te diz que LinkedIn está subvalorizado, testa. Se diz que Google está saturado, reduz e observa.

O que o MMM te dá (e o que não te dá)

O MMM não te vai dar o número mágico.
Dá-te um mapa, mostra padrões e expõe desvios.
Se usares bem, dá-te algo raro em marketing: clareza.

Não te diz o que pensar, obriga-te a pensar melhor.

Multi-Touch Attribution: útil em partes, perigoso no todo

A promessa do Multi-Touch Attribution (MTA) é tentadora.

Se cada canal tiver um impacto, e cada toque contar, então é justo distribuir o crédito entre todos os pontos de contacto.

Faz sentido, certo?

Na teoria, sim.
Na prática, raramente funciona bem em B2B.

O problema não é o conceito, é o contexto.

O MTA precisa de:

  • Cookies válidos
  • Consentimento do utilizador
  • Rastreio completo entre dispositivos
  • E jornadas que acontecem num espaço de dias, não meses

Agora imagina aplicar isso a uma empresa que:

  • Tem ciclos de venda de 90 dias ou mais
  • Passa por 6 a 8 decisores
  • Tem interações em eventos, e-mails, vídeos, artigos, reuniões, e referências offline

Boa sorte a unir isso tudo numa linha coerente de atribuição.

O resultado? Um modelo que parece técnico, mas que está a construir em cima de dados falhados — e a gerar decisões baseadas em cliques visíveis, não em impacto real.

Ainda há lugar para o MTA?

Sim, se o usares com moderação.

  • Pode ser útil para campanhas táticas de aquisição direta
  • Pode ajudar a ajustar mensagens com base em canais que empurram leads para o pipeline
  • Pode oferecer visibilidade parcial que, combinada com MMM e testes de lift, ainda serve

Mas nunca o deixes tomar decisões estratégicas sozinho.

O MTA pode sugerir onde as pessoas clicaram.
Só o MMM e a incrementalidade te dizem se o marketing funcionou.

A marca move vendas. Mas não aparece nos relatórios.

Quando alguém te encontra num evento, ouve o teu nome num podcast, vê um post no LinkedIn, guarda o teu artigo, e só dois meses depois clica num anúncio de pesquisa…

O crédito vai para o Google Ads, mas o trabalho todo foi feito antes.

É aqui que a atribuição te trai, e é aqui que a tua marca está a fazer o trabalho pesado, sem reconhecimento.

Se leste este artigo da DGMarks, já sabes o que vem a seguir:

A tua marca é o canal de marketing mais poderoso que tens e também o menos medido.

Na DGMarks, ajudamos empresas B2B a pôr ordem nisto.
Não com promessas mágicas, mas com processos claros, estrutura de medição sólida e decisões que respeitam o tempo e o ciclo dos negócios B2B.

Adoramos um bom desafio!

Agende uma sessão estratégica.