Em 2026, uma empresa de médio porte com 500 mil sessões mensais pode estar tomando decisões de orçamento com base em dados errados para até 35% do seu tráfego. Não por falha técnica grave, não por falta de ferramenta, mas porque existe uma camada inteira da jornada de compra que os softwares de rastreamento simplesmente não conseguem ler, mesmo com um modelo de atribuição ok.
O problema começa antes de o usuário chegar ao seu site: uma pessoa vê um produto sendo comentado num grupo do WhatsApp, salva o link, volta horas depois e acessa. Outra recebe uma indicação por DM no Instagram, pesquisa o nome da marca no Google e converte. Em ambos os casos, o que aparece no relatório é “tráfego direto” ou “busca orgânica”. O canal que realmente originou a venda, a recomendação privada, não existe nos seus dados.
Esse é o ponto cego do modelo de atribuição moderno: ele mede bem o que acontece em canais rastreáveis, e praticamente ignora tudo o que acontece fora deles. Entenda aqui como medir a verdadeira origem da venda! 🙂
O que é modelo de atribuição (e por que ele importa tanto)
O modelo de atribuição é o conjunto de regras que define qual canal, campanha ou ponto de contato recebe o crédito por uma conversão. Em outras palavras, é ele que responde: “o que gerou essa venda?”
Existem vários tipos: o last-click, o mais usado historicamente, dá 100% do crédito ao último canal que o usuário tocou antes de comprar. Já o first-click faz o oposto, ele mostra o primeiro ponto de contato. Por último, os modelos multi-touch distribuem o crédito entre diferentes interações ao longo da jornada, o que representa mais fielmente como as pessoas realmente tomam decisões de compra.
O problema não está no modelo em si, mas no fato de que todos eles dependem de dados que as ferramentas de rastreamento conseguem enxergar – e boa parte do que realmente influencia uma compra acontece em lugares que o Google Analytics simplesmente não vê.
O buraco negro das ferramentas de rastreamento
Esse ponto cego tem nome: Dark Social.
O termo foi cunhado em 2012 pelo jornalista Alexis Madrigal, da The Atlantic, para descrever o tráfego que chega ao seu site sem nenhum dado de origem, porque veio de canais privados: WhatsApp, Telegram, Slack, DMs do Instagram, e-mail, SMS. Quando alguém copia um link e manda para um amigo no WhatsApp, esse clique aparece no seu analytics como “tráfego direto”, sem nenhuma pista de onde veio.
A dimensão do problema é maior do que parece. Uma pesquisa do SparkToro, conduzida com o especialista em analytics Steve Lamar, testou 11 redes sociais e 16 tipos de referência para medir exatamente quanto tráfego chega sem dados de origem. O resultado: 100% das visitas vindas de WhatsApp, TikTok, Slack e Discord foram registradas como tráfego direto, sem nenhuma informação rastreável. Ou seja, qualquer pessoa que chegou ao seu site por um desses canais simplesmente não existe nos seus relatórios.
Na prática: se alguém no seu nicho recomenda sua marca num grupo de WhatsApp com 300 pessoas e 40 delas visitam seu site, seu modelo de atribuição vai creditar tudo como tráfego direto ou orgânico. A indicação, que foi o real gatilho da venda, some do mapa.
O impacto real nas decisões de marketing
Se uma campanha gera milhares de compartilhamentos via WhatsApp mas nenhum via Instagram, seu relatório vai mostrar o esforço no Instagram como de alto desempenho (porque esses cliques são rastreados) e vai jogar as visitas do dark social no balde genérico de “tráfego direto”. As decisões são tomadas com informação incompleta: você corta o que funciona e dobra a aposta no que parece bom no relatório.
Isso distorce completamente qualquer modelo de atribuição. Você pode estar cortando investimento em conteúdo que se espalha organicamente no boca a boca digital, enquanto escala campanhas pagas que têm números bonitos no GA4 mas pouco impacto real na decisão de compra.
Como começar a iluminar o dark social
Nenhuma solução resolve 100% do problema, mas algumas práticas reduzem significativamente o ponto cego do seu modelo de atribuição. Olha só:
- UTMs em todos os links compartilháveis. Qualquer link que vai para materiais de e-mail, PDFs, apresentações ou posts que possam ser copiados e colados deve ter parâmetros UTM. Sem isso, quando esse link for clicado fora do contexto original, vai virar tráfego direto automaticamente.
- Links curtos com rastreamento. Ferramentas como Bitly ou links próprios permitem monitorar quantos cliques um link recebeu, independente de onde ele foi compartilhado. É uma forma simples de ter pelo menos o volume de compartilhamento, mesmo sem saber exatamente de qual canal.
- Pesquisa pós-conversão. Uma pergunta simples, “como você ficou sabendo sobre a gente?”, no momento da compra ou do cadastro, captura informações que nenhum pixel consegue. Pesquisas mostram que 23% dos consumidores reportam honestamente indicações por mensagens privadas que jamais aparecem nos analytics. É pouco, mas é dado qualitativo que nenhuma ferramenta consegue substituir.
- Auditar o tráfego “direto” é o primeiro passo. No GA4, filtre as páginas que têm volume alto de tráfego direto mas são conteúdos longos, artigos ou páginas de produto. Ninguém digita a URL de um blogpost na barra do navegador. Se tem tráfego direto em conteúdo assim, provavelmente é dark social.
Modelo de atribuição sem dado completo é chute
O modelo de atribuição perfeito não existe. Mas existe a diferença entre tomar decisão com dados parciais sabendo que são parciais, e tomar decisão achando que você está vendo a foto toda quando está vendo menos da metade.
A questão não é abandonar o Google Analytics ou o GA4. É entender o que eles não conseguem ver e criar camadas complementares de coleta de dados para compensar essa cegueira. Modelos multi-touch mais avançados, como o modelo de atribuição baseado em dados (data-driven attribution), já tentam fazer isso automaticamente, mas ainda dependem dos dados que chegam até as ferramentas.
Se você quer entender de onde vem a sua venda de verdade, o caminho começa por aceitar que os números do seu analytics não são 100% a verdade, são uma parte dela.
Quer entender de onde vêm suas vendas de verdade? A KARU trabalha com estrutura de dados e rastreamento para que você tome decisões com informação real, não com achismo. Fala com a gente.
Perguntas frequentes
O que é modelo de atribuição no marketing digital? É o sistema que define qual canal ou ponto de contato recebe o crédito por uma conversão. Ele responde à pergunta “o que gerou essa venda?” e é a base para decisões de alocação de orçamento em marketing.
O que é Dark Social? Dark Social é o tráfego que chega ao seu site sem dados de origem porque veio de canais privados: WhatsApp, Telegram, Slack, DMs, e-mail, SMS. Esse tráfego aparece como “direto” no Google Analytics, mesmo que tenha sido gerado por uma indicação ou compartilhamento.
Por que o Google Analytics não consegue rastrear o WhatsApp? Porque aplicativos de mensagem não passam dados de referência (o chamado “referrer”) ao abrir um link. Tecnicamente, o link é aberto sem nenhuma informação de origem, então o analytics registra como acesso direto. A pesquisa do SparkToro confirmou que 100% das visitas originadas pelo WhatsApp chegam sem nenhuma informação rastreável.
Qual é o melhor modelo de atribuição? Não existe um único melhor para todos os casos. Para negócios com ciclo de venda longo e múltiplos pontos de contato, modelos multi-touch ou data-driven attribution costumam ser mais precisos. Para negócios com ciclo curto, o last-click ainda pode ser útil. O importante é combinar o modelo com coleta de dados complementares, como pesquisa pós-conversão, para cobrir o que os pixels não enxergam.
Como reduzir o volume de dark social não rastreado? Usando UTMs em todos os links compartilháveis, links curtos com rastreamento, pesquisas pós-conversão e auditando o tráfego “direto” no GA4 para identificar padrões suspeitos, como páginas de conteúdo com muito acesso direto.
