O que é modelo de atribuição

Modelo de atribuição é o critério que uma plataforma de anúncios usa pra decidir qual ponto de contato (clique, visualização, canal) recebe o crédito por uma conversão, quando o caminho até ela passou por mais de uma interação. O mais comum no Meta Ads é o modelo de último clique: toda a conversão é creditada ao clique mais recente antes do evento, mesmo que a pessoa tenha visto outros anúncios no caminho.

Por que isso importa pra quem roda tráfego

Escolher (ou aceitar sem perceber) um modelo de atribuição muda qual campanha parece estar performando bem. Num funil de Telegram com vários anúncios ativos ao mesmo tempo, é comum que uma campanha de topo de funil “alimente” o interesse e uma segunda campanha, rodando em paralelo, acabe levando o clique final e todo o crédito da conversão — mesmo sem ter feito o trabalho de atrair a pessoa. Sem entender o modelo em uso, dá pra concluir errado que a segunda campanha é a que funciona, e cortar verba justamente da que trouxe o lead.

Atribuição não é a mesma coisa que janela de atribuição

É fácil confundir os dois termos. Modelo de atribuição é o critério de qual toque recebe o crédito (último clique, primeiro clique, linear). Janela de atribuição é por quanto tempo depois do toque uma conversão ainda conta pra ele. Ver o guia de janela de atribuição do Meta Ads pra entender essa segunda parte — os dois conceitos se combinam, mas resolvem problemas diferentes.

Por que o rastreamento server-side reduz a dependência do modelo

O modelo de atribuição escolhido na plataforma de anúncios só importa porque, sem outra fonte de dado, é o único jeito de saber de onde veio uma conversão. Quando o evento chega via postback associado a um click_id específico — como no rastreamento de FTD no Telegram —, a origem real de cada depósito já está registrada campanha a campanha, independente de qual modelo de atribuição o Meta está usando pra distribuir crédito no relatório dele. Isso não elimina a discussão (o gerenciador de anúncios continua otimizando com base no próprio modelo), mas dá uma segunda fonte de verdade pra conferir se o crédito que o relatório mostra bate com a origem real do lead.

Um exemplo prático

Um canal VIP de iGaming roda duas campanhas: uma de conteúdo (vídeos educativos, enter_channel como objetivo) e uma de retargeting focada em quem já entrou. No modelo de último clique padrão, boa parte dos FTDs aparece creditada à campanha de retargeting — mesmo que a decisão de confiar no canal tenha vindo da campanha de conteúdo, semanas antes. Olhar só o relatório levaria a escalar a de retargeting e cortar a de conteúdo, que é exatamente a que constrói a base de quem converte depois.

Ver o guia de CPL de assinante no Telegram e o guia de ROAS pra outras métricas que também distorcem quando lidas sem considerar de onde vem o crédito da conversão.