# Time Decay Attribution: meça ROI e otimize campanhas sem matar o topo do funil > Time Decay Attribution: meça ROI e otimize campanhas sem matar o topo do funil Time Decay Attribution é um modelo multi-touch que distribui crédito... - Tipo: Artigo - Autor: Dionatha Rodrigues - Publicado em: 2025-03-22 · Atualizado em: 2026-09-14 - URL: https://clubmartech.com.br/blog/time-decay-attribution-roi/ Time Decay Attribution é um modelo multi-touch que distribui crédito entre os pontos de contato de uma jornada, aumentando o peso conforme a interação se aproxima da conversão. A premissa é direta: a influência de um toque "esfria" com o tempo, e o que aconteceu ontem costuma puxar mais a decisão do que o que aconteceu três semanas atrás. Para operações com ciclos médios ou longos, múltiplos canais em sequência e nurturing ativo, esse modelo tende a revelar distorções que last-click esconde. Pense em uma ampulheta com uma curva exponencial desenhada no vidro. A areia que cai mais perto do fim representa interações recentes ganhando mais crédito. Este artigo mostra como sair da teoria e usar Time Decay Attribution para decisões de orçamento, posicionamento e otimização, sem cegar o topo do funil. ## O que é Time Decay Attribution e quando ele vence o last-click Em vez de premiar só o último clique, Time Decay Attribution assume que cada toque contribuiu, mas com peso decrescente conforme o tempo passa. O resultado é uma visão de jornada mais fiel ao comportamento real do comprador. Use Time Decay Attribution quando existir: - Ciclo de decisão médio ou longo (B2B, serviços, tickets altos, assinaturas) - Múltiplos canais atuando em sequência (conteúdo, remarketing, e-mail, search de marca) - Nurturing e retomadas, quando o lead some e volta dias depois Um bom teste mental: se você acredita que o último toque é "só a porta", e não a história inteira, last-click vai distorcer a alocação de budget. **Regra de decisão operacional:** - Mediana de tempo até conversão maior que 7 dias: rode Time Decay Attribution em paralelo ao last-click por pelo menos 2 ciclos - Mediana menor que 3 dias: o ganho pode ser pequeno e o risco de supervalorizar retargeting aumenta **Mudança típica de leitura (antes/depois):** - Antes (last-click): "Search e remarketing são heróis; topo de funil é caro." - Depois (time decay): "Topo de funil aparece com crédito menor, mas consistente; middle e bottom ganham peso proporcional ao timing." Para comparar prós e contras do modelo com outras abordagens, vale consultar as análises da [Triple Whale](https://www.triplewhale.com/blog/time-decay-attribution) e da [RedTrack](https://www.redtrack.io/blog/time-decay-attribution-model/). ## Como funciona o half-life e como escolher a curva de decaimento O coração do Time Decay Attribution é o half-life: depois desse intervalo de tempo, um toque vale metade do crédito de um toque "agora". A modelagem mais comum usa decaimento exponencial, em que o peso diminui continuamente conforme o toque se afasta da conversão. ![Árvore de decisão para ajustar o half-life: aumente quando tudo vira retargeting e reduza quando o modelo fica parecido com o linear.](https://clubmartech.com.br/wp-content/uploads/2026/10/cmt-diagrama-15049-f06cfcae.webp) *A regra de ajuste do half-life depende de como o modelo distribui o crédito.* **Workflow de configuração (30 a 60 minutos):** 1. Meça o tempo até conversão por segmento (novo vs. recorrente, B2B vs. B2C, lead vs. compra) 2. Defina a janela de atribuição (30, 60 ou 90 dias). Evite janelas maiores que seu ciclo para não inflar ruído 3. Escolha o half-life inicial com base no ciclo: - Ciclo de 14 dias: half-life entre 3 e 5 dias - Ciclo de 45 dias: half-life entre 10 e 15 dias - Ciclo de 90 dias: half-life entre 20 e 30 dias 4. Rode o modelo em paralelo por 2 a 4 semanas e compare com linear e last-click **Regra de decisão para ajuste de half-life:** - Se o time reclama que "tudo vira retargeting", aumente o half-life - Se o modelo está parecido com linear, reduza o half-life **Métrica para validar a escolha:** A distribuição de crédito por canal deve ficar estável em nível de categoria (top, middle, bottom) e variar em nível de campanha. Se tudo muda drasticamente, o modelo está sensível demais à janela ou à qualidade do tracking. A [Attribution App](https://www.attributionapp.com/blog/time-decay-attribution/) e a [Statsig](https://www.statsig.com/perspectives/timedecay-attribution-recent-interactions) publicaram discussões detalhadas sobre parametrização e leitura de resultados em ciclos longos. ## Time Decay Attribution para posicionamento estratégico sem cortar awareness Aqui é onde muitas operações erram: adotam Time Decay Attribution, veem o bottom subir e cortam investimento de topo por parecer pouco eficiente. O problema é que o modelo foi feito para dizer "o que empurrou agora", não "o que criou demanda". Tratar o modelo como veredito final é o caminho mais rápido para colapsar o funil em 2 a 3 trimestres. Para transformar Time Decay Attribution em ferramenta de posicionamento, trate-o como um mapa de aceleração. **Decisão estruturada para budget por camada:** **Camada 1: Criação de demanda (topo)** - KPI: alcance qualificado, visitas novas, lift de marca, taxa de engajamento - Atribuição: use time decay como sinal indireto (aparece com crédito menor, mas recorrente) **Camada 2: Educação e consideração (meio)** - KPI: leads qualificados, consumo de conteúdos-chave, retorno ao site - Atribuição: time decay costuma revelar ativos intermediários como webinars, comparativos e e-mail **Camada 3: Fechamento (fundo)** - KPI: conversão, CPA, ROAS, receita incremental - Atribuição: é onde o time decay tende a ser mais acionável **Framework híbrido com posição:** Uma saída robusta é combinar time decay com lógica de posição (primeiro e último toque com pesos mínimos), para não esmagar o topo. Essa abordagem equilibra curto e longo prazo e aparece com frequência em análises de mercado como as da [TrueProfit](https://trueprofit.io/blog/time-decay-attribution). **Checklist de governança para não matar o topo:** - Defina um piso de investimento em criação de demanda por 1 a 2 trimestres - Compare ROI por canal em coortes de aquisição (clientes adquiridos em outubro vs. novembro) - Faça segmentação por intenção: marca vs. genérico, prospecting vs. retargeting ## Implementação no stack: GA4, mídia paga, CRM e naming O modelo só é útil se a coleta for confiável. Confiável significa eventos consistentes, UTMs padronizadas e identificação de usuários dentro do possível. **Workflow mínimo (stack enxuto e funcional):** 1. Padronize UTMs e naming (source, medium, campaign, content) e congele uma convenção 2. Garanta eventos de conversão bem definidos no site e no app 3. Conecte [mídia paga](https://clubmartech.com.br/blog/midia-paga-redes-metricas/) e analytics 4. Integre CRM para fechar o ciclo (lead, oportunidade, receita) **Ferramentas comuns nessa arquitetura:** - Eventos e jornadas: [Google Analytics 4](https://support.google.com/analytics/) com importação de conversões - Ajuste de janelas e conversões: [Google Ads](https://support.google.com/google-ads/) - Padronização de campanhas: [Meta Business Help Center](https://www.facebook.com/business/help) - Pipeline e receita: [Salesforce](https://www.salesforce.com/) ou [HubSpot](https://www.hubspot.com/) **Regra de decisão: o que integrar primeiro** - B2C com compra no site: comece por GA4 + Ads + pixels + CAPI - B2B com venda fechando no CRM: comece por GA4 + CRM + fonte de lead, e só depois refine mídia **Segmentação obrigatória para não se enganar:** - Novo vs. recorrente - Ticket baixo vs. alto - Ciclo curto vs. longo - Dispositivo (mobile vs. desktop) quando relevante Sem essa segmentação, Time Decay Attribution vira média geral. E média geral quase sempre esconde o canal que cria demanda e o canal que fecha. ## O que mudar na prática: playbook de otimização semanal Depois de implementar, a pergunta é como transformar o modelo em ações. O objetivo não é achar o canal campeão, mas realocar orçamento para reduzir CPA e aumentar ROI sem colapsar o funil. **Playbook semanal:** 1. Separe relatórios por prospecting e retargeting 2. Compare três visões lado a lado: last-click, linear e Time Decay Attribution 3. Identifique campanhas que ganham crédito no time decay e perdem no last-click — geralmente são campanhas de consideração 4. Faça realocação incremental: mova 5% a 10% do budget por semana, não 30% de uma vez 5. Reavalie após 7 a 14 dias **Decisão objetiva para cortar ou escalar:** - Escale se o canal melhora CPA e mantém [taxa de conversão](https://clubmartech.com.br/significado/taxa-conversao/) estável - Corte se o canal só sobe por estar mais perto do fim, mas piora eficiência marginal **Exemplo prático (e-commerce):** - Antes: todo ROAS mora em branded search - Depois: time decay mostra que e-mail e remarketing empurram a última semana - Ação: criar grupo de campanha de remarketing por categorias vistas e aumentar cadência de e-mail para carrinho abandonado **Exemplo prático (B2B):** - Antes: LinkedIn parece caro porque raramente é last-click - Depois: time decay mostra LinkedIn como acelerador de reuniões quando acontece 3 a 10 dias antes do lead - Ação: ajustar mensagens e ofertas intermediárias (case, demo, webinar) e medir avanço de estágio no CRM Análises com exemplos e implicações de otimização estão disponíveis na [RedTrack](https://www.redtrack.io/blog/time-decay-attribution-model/) e na [OWOX](https://www.owox.com/blog/articles/marketing-attribution-models). ## Limitações, privacidade e como evitar decisões erradas Time Decay Attribution não é a verdade, é um modelo. Ele funciona melhor quando você aceita suas limitações e cria controles ao redor dele. **Limitações comuns:** - Supervalorização de retargeting em janelas curtas - Dificuldade em medir impacto real de brand e offline - Perda de sinal por restrições de cookies, consentimento e cross-device **Controles operacionais:** - Testes de incrementalidade (holdout, geo, lift) para validar canais de topo - Piso de investimento por objetivo (awareness, consideração, conversão) - Auditoria mensal de tracking (UTMs, eventos, deduplicação, importação de conversões) **Quando não usar sozinho:** - Se o mix tem muita mídia de alcance, complemente com estudos de lift - Se o tracking é frágil, priorize arrumar a coleta antes de discutir modelo O mercado tem caminhado para abordagens privacy-first, com mais dependência de dados próprios e integrações server-side. Panoramas sobre a evolução de atribuição publicados pela [Giant Partners](https://giantpartners.com/marketing-attribution-in-2025/) e pela [Market My Market](https://www.marketmymarket.com/the-complex-reality-of-marketing-attribution-moving-beyond-simple-models/) ajudam a contextualizar essa direção e a calibrar expectativas. Volte à imagem da ampulheta com a curva exponencial. Se você mexe no half-life sem governança, só muda a forma do vidro. Se combina modelo, segmentação e validação, transforma atribuição em decisão. ## Conclusão Time Decay Attribution é uma forma pragmática de aproximar atribuição do comportamento real: o que aconteceu mais perto da conversão tende a pesar mais. Ele é especialmente valioso em ciclos longos, jornadas multicanal e operações com nurturing, onde last-click distorce o ROI. Para aplicar com segurança, foque em três ações: escolher um half-life coerente com o ciclo, implementar segmentação (novo vs. recorrente, ciclo curto vs. longo) e usar o modelo como motor de otimização incremental, não como sentença para cortar topo de funil. Quando você faz isso, o modelo deixa de ser um gráfico no dashboard e vira um método para decidir orçamento, mensagens e cadência de campanhas com confiança.