Confiar apenas nos dados das plataformas de mídia é um dos erros mais comuns, pois cada rede tem interesse direto em maximizar sua contribuição
Autor: Guilherme Martins
Se você investe em campanhas para app e sente que os números simplesmente não fecham, o problema provavelmente não está na sua mídia, nem no seu time, nem no produto. Está nos relatórios. A atribuição mobile, do jeito que muita gente ainda acredita que funciona, deixou de existir há alguns anos. O que vemos hoje são aproximações imperfeitas, dados fragmentados e decisões tomadas com base em uma sensação de controle que já não é real.
Os principais canais de aquisição de usuários continuam concentrados em mídia paga, com Meta Ads liderando em volume e capacidade de segmentação, Google Ads com campanhas universais fortemente integradas às lojas, TikTok Ads crescendo de forma acelerada entre públicos mais jovens, Apple Search Ads capturando usuários com alta intenção e redes programáticas especializadas em mobile como ironSource, Unity Ads e AppLovin. Esses esforços convivem com canais orgânicos como ASO, programas de indicação, conteúdo em redes sociais e SEO para landing pages, além de ações complementares com influenciadores, parcerias, retargeting, push notifications e email marketing. O desafio começa quando se tenta transformar esse ecossistema diverso em uma leitura única e confiável de performance.
A primeira grande quebra costuma ocorrer entre o clique e a instalação. O usuário vê um anúncio, clica, é redirecionado para uma loja de aplicativos e só instala horas ou dias depois. Nesse caminho, parâmetros se perdem, janelas de atribuição expiram e a relação direta entre exposição e conversão se enfraquece. Em muitos casos, o anúncio é visto em um dispositivo e a instalação feita em outro, o que elimina qualquer chance de identificação determinística.
No ambiente iOS, a situação se tornou estruturalmente mais complexa com a introdução do App Tracking Transparency. Desde o iOS 14.5, os aplicativos precisam solicitar permissão explícita para rastrear usuários entre apps e sites, e a maioria simplesmente não autoriza. Sem consentimento, o IDFA deixa de existir e o modelo tradicional de atribuição colapsa. Para substituir esse sistema, a Apple introduziu o SKAdNetwork, um framework que opera com lógica completamente diferente. Em vez de identificar usuários individualmente, o SKAN trabalha com atribuição probabilística, dados agregados e atrasados em até 72 horas, além de limitar a mensuração pós-instalação a apenas 64 valores possíveis. A leitura deixa de ser precisa e passa a ser estatística.
Mesmo fora do iOS, as limitações persistem. O Android sofre com fragmentação de sistema, variações entre fabricantes e políticas de privacidade inconsistentes. Adblockers e DNS privados bloqueiam pixels e scripts de tracking. A restrição a cookies de terceiros afeta fluxos web-to-app. Deep links falham em cenários de cold start e integrações entre plataformas raramente funcionam de forma perfeita. Soma-se a isso as discrepâncias naturais entre o que as redes de anúncios reportam e o que plataformas independentes conseguem medir, além dos conflitos quando múltiplos canais reivindicam a mesma conversão.
Diante desse cenário, alguns erros se repetem com frequência. Confiar apenas nos dados das plataformas de mídia é um dos mais comuns, pois cada rede tem interesse direto em maximizar sua contribuição. Tentar construir atribuição internamente costuma gerar soluções frágeis que não escalam. Ignorar as particularidades do SKAN e insistir em modelos determinísticos no iOS leva a decisões equivocadas. Há também o foco excessivo em instalações, tratando CPI como métrica final, sem acompanhar retenção, LTV ou monetização real. Janelas de atribuição mal definidas, confusão entre tráfego orgânico e pago e o desprezo pela atribuição por visualização completam o quadro.
Por isso, o mercado consolidou o uso de Mobile Measurement Partners como fonte neutra de verdade. Essas plataformas funcionam como intermediárias independentes, integrando múltiplos canais, padronizando regras de atribuição, oferecendo deep linking, análise de cohorts, prevenção de fraude e suporte às exigências de privacidade. Elas não eliminam todas as limitações, mas criam uma base consistente para análise. Quando a atribuição granular não é viável, entram métodos complementares como modelagem de marketing mix e testes de incrementalidade, que ajudam a responder se o investimento realmente gerou impacto ou apenas coincidiu com ele.
Nesse contexto, as métricas que importam mudam de prioridade. CPI, IPM e taxas de conversão ajudam a entender eficiência de aquisição, mas não indicam valor. Retenção em D1, D7 e D30, LTV, ROAS, payback e análise de cohorts revelam a qualidade real dos usuários adquiridos. Métricas de engajamento, como frequência e duração de sessões, e eventos-chave dentro do app mostram se o produto entrega valor. Em e-commerce mobile, indicadores como taxa de adição ao carrinho, conversão de compra, ticket médio e recompra são essenciais. A maturidade está em conectar métricas de topo de funil com métricas financeiras de longo prazo.
Quando a atribuição é feita da melhor forma possível, mesmo com todas as restrições, o impacto é direto nas decisões de negócio. O investimento passa a ser direcionado para canais que trazem usuários valiosos, não apenas volume de instalações. A sensação de caixa preta dá lugar a hipóteses testáveis. Criativos e mensagens são otimizados com base no uso real do app, fraudes são identificadas antes de consumir orçamento e a previsibilidade financeira melhora. Tudo isso acontece respeitando as regras de privacidade e alinhando marketing, produto e financeiro em torno de métricas comuns.
A realidade é que a atribuição perfeita não existe mais. No cenário atual, especialmente no iOS, trabalhar com incerteza faz parte do jogo. O objetivo deixou de ser controle absoluto e passou a ser a melhor aproximação possível, combinando dados agregados, modelagem probabilística e testes de incrementalidade. Quem entende isso toma decisões melhores. Quem ignora continua acreditando em relatórios que já não dizem toda a verdade.
Guilherme Martins é cofundador da Eitri.
