Categoria: SEO

Uma taxa de cliques de 3,2% no relatório de desempenho do Search Console parece ruim ou boa? A resposta honesta é: depende de uma pergunta que o relatório não responde, que é em qual posição, para qual tipo de consulta e em qual formato de resultado essa taxa foi medida.

A CTR orgânica é uma das métricas mais citadas e uma das mais mal interpretadas em SEO. Este texto destrincha como ela é calculada, onde engana e o que fazer com ela sem tirar conclusões erradas.

Como a métrica é calculada

A taxa de cliques é a divisão entre cliques e impressões. Se uma página aparece 10.000 vezes e recebe 320 cliques, a taxa é 3,2%. A conta é simples. O que a complica é a definição de “impressão”: no Search Console, a impressão conta quando o resultado entrou na página de resultados, mesmo que o usuário não tenha rolado até ele, e as regras de contagem variam conforme o tipo de resultado. Por isso, a mesma taxa pode esconder públicos que nunca viram o seu link.

Por que a média global é a pior leitura possível

A média do site mistura consultas de marca, que costumam ter CTR muito alta, com consultas genéricas em posições baixas, que têm CTR muito baixa. Quando você publica muito conteúdo novo que ainda aparece em posição 15 ou 20, a média cai, e isso é um efeito de composição, não de queda de qualidade dos títulos. O oposto também acontece: uma boa campanha de marca eleva a média e esconde um problema real nas páginas de conteúdo.

Por isso, o primeiro corte obrigatório é separar consultas de marca e de não marca. Sem isso, qualquer conversa sobre CTR do site inteiro tende a ser ruído.

O segundo corte: posição

Em geral, a CTR cai de forma acentuada da primeira para a terceira posição e continua caindo depois. Existem estudos de mercado que publicam curvas médias, mas elas variam por setor, por dispositivo, por idioma e por presença de elementos como resumos em destaque, mapas e respostas geradas por IA. Use esses números como ordem de grandeza, nunca como meta.

Mais útil que uma curva do mercado é a sua própria curva: agrupe suas consultas por posição média (1, 2–3, 4–5, 6–10) e calcule a CTR de cada faixa. Isso mostra o seu padrão e permite comparar páginas dentro do mesmo grupo.

O terceiro corte: intenção da consulta

Consultas informacionais, como “o que é churn”, frequentemente geram menos cliques porque o resultado responde direto na página. Consultas transacionais ou de comparação tendem a gerar mais clique, porque o usuário precisa visitar o site para agir. Comparar CTR de uma página informacional com a de uma página comercial é comparar categorias diferentes.

Agrupe por intenção antes de comparar. Se não tiver ferramenta de classificação, um agrupamento manual por padrão de palavra (como, o que é, melhor, preço) já resolve a maior parte do caso.

Exemplo de leitura com números fictícios

Suponha um blog com três páginas de conteúdo, todas na posição média 4. A página A tem 8.000 impressões e 240 cliques (3,0%). A página B tem 6.000 impressões e 108 cliques (1,8%). A página C tem 500 impressões e 4 cliques (0,8%). A leitura apressada diz que C é a pior. Mas com 500 impressões, quatro cliques contra seis podem ser acaso. A página B, com volume relevante e CTR bem abaixo de A na mesma posição, é o candidato real a investigação: título genérico, descrição que repete o título ou intenção desalinhada.

Esse tipo de leitura evita gastar semanas ajustando páginas em que a diferença é só ruído estatístico. Os números acima são ilustrativos e não representam nenhum site real.

Um processo em cinco passos para usar a CTR

1. Exporte consultas e páginas de um período de pelo menos 28 dias, evitando semanas atípicas.
2. Separe marca de não marca e analise cada grupo em separado.
3. Agrupe por faixa de posição e calcule a CTR de cada faixa.
4. Identifique as páginas abaixo da própria curva, aquelas cuja CTR está bem abaixo da média da sua faixa de posição, com volume de impressões relevante.
5. Teste uma mudança por vez em título ou descrição e compare o antes e o depois no mesmo intervalo de tempo.

O passo 4 é onde o ganho aparece. Uma página na posição 3 com CTR abaixo de outras páginas na posição 3 tem um problema de título, de snippet ou de alinhamento com a intenção, e é candidata natural a ajuste.

O que muda com resultados enriquecidos e respostas automáticas

Hoje a página de resultados traz resumos, caixas de perguntas relacionadas, mapas, vídeos e, em muitas consultas, respostas geradas por IA acima dos links tradicionais. Cada um desses elementos empurra o primeiro resultado orgânico para baixo e desvia atenção. Na prática, a mesma posição 1 pode entregar CTR muito diferente de um ano para outro, sem que a página tenha mudado.

Por isso, a série histórica precisa ser lida com cuidado. Se a CTR de um grupo de consultas cai enquanto a posição e as impressões se mantêm, uma explicação provável é a presença de novos elementos na página de resultados. A forma de confirmar é pesquisar manualmente as consultas mais importantes, no mesmo dispositivo, e observar o que aparece acima do seu resultado. Documente isso com capturas datadas, porque a página muda.

Também vale separar dispositivos. No celular, os elementos adicionais ocupam proporcionalmente mais tela e a CTR tende a se comportar de forma diferente do computador. Um relatório que mistura os dois pode esconder mudanças relevantes.

Onde a análise costuma falhar

O primeiro erro é o volume pequeno. Com poucas centenas de impressões, a CTR oscila muito por acaso, e qualquer mudança parece efeito. Uma regra prática é definir um mínimo de impressões por página antes de olhar para a taxa, e esse mínimo depende do seu site. Não existe um número universal, mas abaixo de algumas centenas de impressões a leitura é frágil.

O segundo erro é atribuir toda variação ao título. Mudança de posição, sazonalidade, atualização do Google e novos recursos na página de resultados afetam a taxa sem que você tenha mexido em nada. Por isso, o teste ideal compara páginas semelhantes, uma alterada e outra não, no mesmo período.

O terceiro é ignorar a perda de cliques causada pelo próprio resultado: quando a resposta aparece no topo da página, a CTR cai mesmo com a posição estável. Nesse caso, o problema não é o título, é o formato do resultado, e a decisão pode ser mudar o ângulo do conteúdo.

Como documentar a análise para repetir depois

Um relatório de CTR que só vive na cabeça de quem fez é inútil seis meses depois. Registre sempre o período analisado, o filtro de marca e não marca, a definição das faixas de posição, o mínimo de impressões usado e as mudanças externas conhecidas. Guarde a exportação bruta junto ao relatório, para que outra pessoa consiga reproduzir os números.

Defina também uma rotina de revisão. Uma checagem mensal das páginas abaixo da própria curva, com uma ou duas ações por ciclo, entrega mais resultado do que uma grande auditoria feita uma vez por ano. O motivo é a medição: com mudanças pequenas e datadas, você consegue atribuir efeito. Com dez mudanças ao mesmo tempo, você nunca vai saber o que funcionou.

Por fim, relacione CTR a resultado de negócio. Um aumento de cliques em uma página sem potencial de conversão tem pouco valor. Cruze com conversões ou com engajamento para priorizar páginas em que mais cliques significam mais retorno.

Quando a CTR não é a métrica certa

Há situações em que olhar CTR atrapalha. Em páginas que respondem a uma pergunta curta, como uma definição ou um número, um usuário satisfeito pode nem clicar, e uma CTR baixa não significa fracasso. Nesses casos, a métrica relevante pode ser a presença do seu conteúdo como fonte da resposta, ou o efeito indireto em buscas de marca. Avalie o objetivo da página antes de impor uma meta de cliques.

Da mesma forma, uma CTR alta pode mascarar um problema: se o título promete mais do que o conteúdo entrega, você ganha o clique e perde o usuário logo em seguida. Cruze a taxa com tempo de permanência e com conversões para entender se o clique foi bem aproveitado. A CTR mede a promessa do resultado, não a qualidade da entrega.

Por isso, trate a taxa de cliques como uma das peças de um conjunto, ao lado de posição, impressões, engajamento e conversão. Isoladamente, ela conta uma história pela metade.

O que levar para dentro da empresa

Se você precisa defender um argumento, apresente a CTR por grupo, nunca a média do site. Mostre a faixa de posição, o volume de impressões e o período. Diga também quando o número é estimativa, quando o intervalo é curto e quando houve mudança externa no período. Um relatório que admite os limites é mais convincente que um que apresenta um número solto.

Perguntas frequentes

Qual é uma boa CTR orgânica?

Não há número único. Depende de posição, intenção e tipo de resultado. Compare suas páginas com as suas próprias, no mesmo grupo.

Mudar o título sempre aumenta a CTR?

Não. Títulos mais específicos e alinhados à intenção costumam ajudar, mas é preciso testar e medir. Há casos em que a mudança piora o resultado.

A CTR de respostas geradas por IA aparece no Search Console?

As regras de relatório mudam com frequência. Consulte a documentação oficial atual para saber como esses formatos são contados.

Quanto tempo esperar depois de mudar um título?

Em geral, algumas semanas, para acumular impressões suficientes e atravessar a variação semanal. Evite concluir em poucos dias.

Em uma conta de Search Console, as impressões ficaram estáveis, mas os cliques caíram 18% em três meses. A primeira reação do time foi culpar a posição. A pergunta de medição correta, porém, é outra: a queda veio do CTR, das impressões ou da composição das consultas? Cada resposta pede uma ação diferente, e confundir uma com a outra faz o time gastar um trimestre consertando o problema errado.

Este artigo propõe um método em etapas para isolar a causa de uma queda de cliques orgânicos. Os números que aparecem nos exemplos são ilustrativos e servem para mostrar o raciocínio; não são de nenhuma pesquisa específica.

Etapa 1: decomponha cliques em impressões e CTR

Exporte os dados do Search Console para dois períodos comparáveis: o recente e o anterior, com o mesmo número de dias e, de preferência, o mesmo número de cada dia da semana. Comparar quatro semanas com quatro semanas evita o viés de feriados e de sazonalidade semanal. Depois, calcule a variação percentual de impressões e de CTR separadamente.

Essa tabela é um ponto de partida, não um diagnóstico. Cada linha é uma hipótese a testar nas etapas seguintes.

Etapa 2: separe marca de não marca

Consultas de marca (as que contêm o nome da empresa) têm CTR muito alto e comportam-se diferente do restante. Uma campanha de mídia, um evento ou uma notícia mexe nelas sem ter relação com SEO. Filtre as consultas que contêm o nome da marca e analise as duas fatias separadamente.

Um erro comum é concluir que “o SEO piorou” quando o que caiu foi a busca de marca depois do fim de uma campanha. A decisão correta passa a ser outra: ou reforçar a mídia, ou aceitar a queda como efeito sazonal.

Etapa 3: olhe a posição média com desconfiança

A posição média no Search Console é ponderada por impressões. Isso cria um paradoxo conhecido: quando a página começa a aparecer para muitas consultas de cauda longa, em posições baixas, a posição média piora, mesmo que as posições das consultas principais não tenham mudado. O contrário também ocorre.

Por isso, a posição média agregada não deve ser usada como diagnóstico isolado. Compare as posições por consulta nas 20 ou 50 consultas com mais cliques no período anterior. Se elas continuam nas mesmas faixas, o problema não é de ranking.

Etapa 4: verifique mudanças na página de resultados

Nos últimos meses, a página de resultados de muitas consultas informativas passou a exibir respostas geradas por IA, caixas de resposta direta e blocos de perguntas relacionadas. Esses elementos podem reduzir o CTR de uma posição sem que a posição mude. O cenário B da tabela costuma ter essa origem.

Como testar: pesquise manualmente as 10 consultas que mais perderam cliques, em janela anônima e no mesmo país, e registre o que aparece acima do seu resultado. Se há um bloco de resposta no topo, o CTR esperado para a sua posição é menor do que o de períodos anteriores. A ação, nesse caso, não é “melhorar o título”, e sim decidir se vale disputar a consulta ou migrar esforço para consultas com intenção transacional.

Etapa 5: segmente por dispositivo, país e tipo de página

Uma queda agregada pode esconder um problema localizado. Cruze a variação de cliques por dispositivo (celular versus desktop), por país e por grupo de páginas (blog, produto, categoria). Se a queda se concentra em um único grupo de páginas, a investigação deve ir para lá: um template alterado, uma regra de canonical mal aplicada, um bloqueio de rastreamento.

1. Exporte os dados por página e por consulta para os dois períodos.
2. Agrupe as páginas por tipo e calcule a variação de cliques de cada grupo.
3. Ordene pelos grupos que mais explicam a perda absoluta, não a percentual.
4. Abra o grupo líder e repita a decomposição de impressões e CTR.

A perda absoluta importa mais do que a percentual: uma página que caiu 60% mas tinha 20 cliques explica menos do que um grupo que caiu 10% e tinha 8 mil.

Estudo de caso ilustrativo: três leituras para a mesma queda

Considere um site de conteúdo com 400 mil impressões e 12 mil cliques em um mês (CTR de 3,0%). No mês seguinte, as impressões sobem para 460 mil e os cliques caem para 11,5 mil (CTR de 2,5%). À primeira vista, o time diria que “o tráfego está estável”. A decomposição mostra outra história: as impressões cresceram 15%, e o CTR caiu cerca de 17%.

O que explica essa combinação? Três hipóteses plausíveis, e cada uma pede um teste diferente. Primeira: o site passou a aparecer para mais consultas informativas de baixa intenção, o que aumenta impressões e dilui o CTR. O teste é filtrar as consultas novas e calcular o CTR delas separadamente. Segunda: um bloco de resposta direta ou de IA entrou nas consultas principais. O teste é a verificação manual descrita na etapa 4. Terceira: a posição média das consultas principais caiu uma ou duas posições, o suficiente para reduzir o CTR sem alterar muito as impressões. O teste é comparar as posições por consulta.

Repare que a ação muda conforme a hipótese. Na primeira, o problema é de mensuração: o tráfego novo é de qualidade diferente e deve ser avaliado por conversão, não por cliques. Na segunda, a decisão é editorial e estratégica. Na terceira, é trabalho técnico e de conteúdo para recuperar posição. Sem a decomposição, o time tenderia a tratar tudo como a terceira.

Armadilhas de medição que distorcem a leitura

Algumas fontes de erro aparecem com frequência. A primeira é comparar períodos de tamanhos diferentes ou que contêm eventos distintos, como Black Friday ou férias escolares. A segunda é ignorar o atraso de dados do Search Console, que consolida as informações dos últimos dias de forma incompleta; evite incluir os dois ou três dias mais recentes na análise. A terceira é misturar propriedades: uma propriedade de domínio e uma de prefixo de URL podem mostrar números diferentes para o mesmo site.

Outra armadilha é a mudança de configuração do próprio site. Uma migração de domínio, a troca de URLs, a alteração de templates e a inclusão de parâmetros podem redistribuir cliques entre páginas e dar a impressão de queda, quando o total se manteve. Antes de concluir que perdeu tráfego, verifique se houve alguma mudança técnica no período.

Como transformar o diagnóstico em decisão

Com a causa provável identificada, o passo seguinte é ligar a conclusão a uma ação com critério de sucesso mensurável. Se a hipótese é de perda de CTR por mudança na página de resultados, defina qual será o indicador de sucesso (por exemplo, o CTR das 20 consultas principais) e por quanto tempo você acompanhará, em geral entre quatro e oito semanas. Se a ação é reescrever títulos e descrições, teste em um grupo de páginas e use outro grupo parecido como controle, e não altere tudo ao mesmo tempo.

O argumento que sobe para a diretoria deve conter três coisas: o que aconteceu, medido com números do período; a causa mais provável, com o grau de incerteza explicitado; e o que será feito, com prazo e métrica. Quem leva um relatório assim costuma ganhar credibilidade, porque separa o que se sabe do que se supõe.

Quando a queda é real e quando é ruído

Nem toda oscilação merece investigação. Sites pequenos têm variação natural grande, e uma semana com 20% a menos pode ser apenas ruído estatístico. Uma regra prática é calcular a variação semana a semana dos últimos três ou quatro meses e usar o intervalo observado como faixa de normalidade. Uma queda que ultrapassa essa faixa em duas ou mais semanas seguidas já justifica a análise completa. Uma queda isolada, sem repetição, geralmente não justifica.

Vale também registrar, em uma planilha de eventos, tudo que mudou no site e no mercado: lançamentos de páginas, alterações técnicas, campanhas, atualizações de algoritmo anunciadas pelos buscadores. Quando a queda aparecer, a planilha encurta a investigação de dias para horas.

O que concluir, e o que não concluir

Com as cinco etapas, o time passa a ter uma hipótese ordenada por evidência, não uma opinião. O ponto de atenção é que o Search Console tem limitações: ele agrupa consultas raras e não mostra todas elas, e os dados de CTR dependem da posição em que o resultado foi exibido. Por isso, trate as conclusões como indícios e confirme com uma segunda fonte, como o analytics do site, o log do servidor ou uma ferramenta de monitoramento de posições.

Se a ideia é levar o argumento para a diretoria, o formato que costuma funcionar é uma tabela com a decomposição de cliques, o cenário identificado e a ação proposta. Evite apresentar uma única causa quando as evidências apontam para mais de uma.

Perguntas frequentes

Uma queda de 10% em cliques já é um problema?

Depende da variação histórica do site. Calcule a oscilação normal entre períodos equivalentes dos últimos meses; só vale investigar o que sai desse intervalo.

Posso confiar no CTR médio de mercado?

Como referência geral, sim, mas o CTR varia muito por tipo de consulta, dispositivo e elementos da página de resultados. Compare o seu site com ele mesmo ao longo do tempo antes de comparar com benchmarks.

Preciso de ferramentas pagas para isso?

Não para o diagnóstico inicial. O Search Console, uma planilha e um período de comparação bem definido já permitem isolar a causa na maior parte dos casos.

Numa operação com busca orgânica relevante, a diferença entre o que o relatório de última interação mostra e o que uma análise de caminho completo devolve ao canal costuma ser grande o bastante para mudar decisão de orçamento. Não é um erro de implementação: é o modelo funcionando exatamente como foi desenhado. A pergunta que este texto responde é outra — como estimar o tamanho dessa diferença na sua base, sem trocar de ferramenta e sem esperar seis meses.

O que o modelo de última interação realmente mede

Última interação (ou last click) atribui 100% da conversão ao último canal não direto antes do fechamento. É um modelo de registro, não de causalidade: ele responde “por onde a pessoa entrou desta vez”, e essa é uma pergunta legítima. O problema começa quando a resposta é usada para decidir onde investir, porque aí a pergunta deixa de ser “por onde entrou” e passa a ser “o que fez a pessoa comprar” — e são coisas diferentes.

A distorção tem um padrão previsível. Canais que aparecem cedo no caminho, quando a pessoa ainda está descobrindo que tem um problema, quase nunca são o último clique. Canais que aparecem tarde, quando a pessoa já decidiu e está só localizando a página, quase sempre são. Busca orgânica de topo, conteúdo educativo, vídeo e redes sociais caem no primeiro grupo. Busca paga de marca, e-mail de carrinho abandonado e retargeting caem no segundo.

Isso significa que o modelo tende a subestimar sistematicamente o primeiro grupo e superestimar o segundo. A magnitude varia muito: em venda de ticket baixo e ciclo de um dia, a diferença entre modelos costuma ser pequena, porque há poucos pontos de contato para distribuir. Em B2B com ciclo de semanas ou meses e oito a quinze toques registrados, a diferença fica grande o suficiente para inverter o ranking de canais.

Onde o orgânico desaparece da conta

Há três mecanismos distintos que tiram crédito do orgânico, e eles se somam. Vale separá-los porque cada um exige uma correção diferente.

O primeiro é a posição no caminho, já descrita. O segundo é a canibalização por marca: alguém lê um artigo seu, sai, volta três dias depois digitando o nome da empresa no buscador e clica no anúncio de marca que está acima do resultado orgânico. O último clique registra mídia paga. A busca orgânica que gerou o conhecimento não aparece em lugar nenhum, e o anúncio de marca recebe crédito por uma intenção que ele não criou.

O terceiro é a perda de rastro entre dispositivos e sessões. Descoberta no celular, compra no desktop, janela de cookie expirada, navegador que limita armazenamento — cada uma dessas situações quebra o caminho e transforma um toque intermediário em uma sessão direta ou em um caminho de um único clique. O efeito é assimétrico: o toque perdido é quase sempre o mais antigo, ou seja, o do canal de descoberta.

Os quatro modelos e o que cada um distorce

Nenhum modelo baseado em regra é neutro. Cada um embute uma teoria sobre como a decisão de compra acontece, e a escolha entre eles é a escolha de qual erro você prefere cometer.

Há ainda modelos orientados a dados, que ajustam os pesos a partir da comparação entre caminhos que converteram e caminhos que não converteram. Eles são melhores que regras fixas quando há volume suficiente de conversão, mas continuam sendo correlação — descrevem o que acompanha a conversão, não o que a causa. E são sensíveis à mesma perda de rastro descrita acima: se o dado de entrada está incompleto, o modelo aprende o padrão da lacuna.

Como refazer a conta sem ferramenta nova

Dá para estimar a ordem de grandeza da distorção com o que a maioria das operações já tem. O procedimento tem cinco etapas.

1. Exporte os caminhos de conversão dos últimos 90 dias. Você precisa da sequência de canais por conversão, não do relatório já agregado por canal.
2. Separe as conversões por número de toques. Um clique, dois a três, quatro ou mais — essa quebra sozinha já mostra quanto da sua base está em ciclo curto.
3. Reprocesse cada grupo em dois modelos: última interação e linear. A diferença percentual por canal, dentro do grupo de quatro ou mais toques, é a sua estimativa de distorção.
4. Isole a busca de marca do resto da mídia paga. Marca misturada com prospecção esconde o efeito de canibalização, que é justamente o que você quer enxergar.
5. Compare o crédito do orgânico nos dois modelos e escreva a faixa, não o número. Algo como “entre X% e Y% mais crédito no modelo linear” é uma conclusão defensável; um número único não é.

Esse exercício não prova causalidade. Ele mostra quanto da sua leitura atual depende da escolha de modelo — e essa informação já muda a conversa com quem aprova orçamento, porque tira a discussão do terreno da opinião.

O teste que resolve a discussão

Atribuição descreve caminhos registrados. Para saber o que aconteceria sem o canal, é preciso desligá-lo em algum lugar e comparar. O desenho mais barato para isso é o teste geográfico: escolhe-se um conjunto de regiões comparáveis, suspende-se o investimento no canal em metade delas, mantém-se na outra metade, e observa-se a diferença de receita total — não de receita atribuída.

Duas exigências tornam esse teste viável ou inviável. A primeira é volume: regiões com poucas conversões por semana produzem variação aleatória grande o bastante para engolir o efeito. A segunda é tempo: o período precisa cobrir pelo menos um ciclo de venda completo, e depois mais um, porque o efeito de desligar um canal de descoberta aparece com atraso. Em operação de ciclo longo, isso significa um teste de meses, o que muitas vezes é o argumento real contra fazê-lo.

Quando o teste não cabe, a alternativa honesta é assumir a incerteza: manter o modelo atual como registro operacional, tratar a faixa calculada na seção anterior como margem de erro conhecida e não usar variação de poucos pontos percentuais entre canais como base para realocar orçamento.

Qual modelo usar em qual situação

Para operação de ciclo curto, ticket baixo e maioria de caminhos com um ou dois toques, última interação é adequado e trocar por outra coisa adiciona complexidade sem ganho. A distorção existe, mas é pequena diante do ruído natural da operação.

Para ciclo de semanas com quatro ou mais toques típicos, decaimento temporal é a escolha mais defensável entre os modelos de regra. Ele não finge que todos os toques pesam igual, o que é implausível, nem zera o começo do caminho, que é o erro grave do último clique. Não é correto — nenhum é — mas erra menos onde erra mais caro.

Para qualquer decisão de aumentar ou cortar investimento acima de uma fatia relevante do orçamento, nenhum modelo de atribuição deveria ser suficiente sozinho. Aí vale o teste geográfico, mesmo que demore. O custo de rodá-lo é conhecido e limitado; o custo de cortar por três meses um canal que sustentava a demanda do fundo do funil não aparece em relatório nenhum até ser tarde.

Perguntas frequentes

Trocar o modelo de atribuição muda a receita real?

Não. Muda apenas a distribuição do crédito entre canais. A receita total é a mesma em qualquer modelo — o que varia é a quem ela é creditada, e portanto quais decisões de orçamento parecem justificadas.

Conversões marcadas como diretas podem ser recuperadas?

Parcialmente. Parte do tráfego direto é gente que realmente digitou o endereço; outra parte é rastro perdido. Comparar a proporção de diretas entre dispositivos e entre páginas de entrada ajuda a separar os dois casos, mas não existe forma de recuperar a origem de uma sessão cujo caminho foi quebrado.

Vale a pena implementar atribuição no servidor?

Ajuda no terceiro mecanismo descrito acima — a perda de rastro — e costuma reduzir a proporção de caminhos de um único clique. Não resolve a canibalização por marca nem a questão de posição no caminho, porque essas são limitações do modelo, não da coleta.

Qual janela de atribuição usar?

Ela precisa ser pelo menos tão longa quanto o ciclo de venda observado, medido da primeira visita ao fechamento, no percentil alto e não na média. Janela mais curta que o ciclo descarta o começo do caminho por construção — e o começo do caminho é exatamente onde o orgânico aparece.

A pergunta que interessa não é se conteúdo antigo pode voltar a ranquear — pode. É outra, bem mais incômoda: de cada 100% de crescimento atribuído a um content refresh, quanto realmente veio da edição do texto? Em auditorias de projetos de conteúdo, a resposta costuma ficar entre um terço e metade do ganho bruto reportado. O resto é sazonalidade, regressão à média, mudança de SERP e reindexação que teria acontecido de qualquer jeito. O número varia muito por nicho e por volume de páginas, mas a direção do erro é sempre a mesma: o ganho bruto superestima o efeito.

Isso não torna o refresh inútil. Torna a medição atual inútil — e é ela que decide quantas horas do time vão para reescrever o que já existe em vez de produzir o que não existe.

De onde saiu a promessa dos três dígitos

O formato do case é sempre o mesmo. Alguém pega um conjunto de URLs com queda de tráfego, reescreve, republica com data nova, e compara os 30 dias seguintes com os 30 dias anteriores. O gráfico sobe. O post no LinkedIn diz +180%.

O problema está inteiro na escolha do ponto de partida. As páginas selecionadas para refresh são, por definição, páginas que estavam mal. Tráfego orgânico de uma URL individual oscila bastante semana a semana — em páginas de cauda longa, variações de 30% a 50% entre semanas consecutivas são rotina, sem que nada tenha mudado. Quando você escolhe deliberadamente o vale dessa oscilação como linha de base, parte do movimento seguinte é apenas o retorno ao patamar habitual. É regressão à média, e ela aparece no relatório com a mesma cara que teria um ganho de verdade.

Some a isso o segundo fator: a maior parte dos calendários de refresh roda no começo do ano ou depois de uma queda sazonal. Se o tema tem demanda cíclica — e quase todo tema B2B tem, com vale em dezembro e janeiro e recuperação a partir de fevereiro —, o refresh é executado exatamente na descida e medido exatamente na subida.

Os quatro efeitos que se misturam no mesmo gráfico

Antes de medir, vale separar o que está sendo somado no número final. São quatro coisas distintas, com durações e causas diferentes:

1. Regressão à média. A página volta ao patamar em que já estava. Dura enquanto o patamar durar e não tem relação com a edição.

2. Sazonalidade da demanda. O volume de busca do tema subiu. Aparece em todas as páginas daquele assunto, tenham sido editadas ou não — o que a torna a mais fácil de isolar.

3. Reindexação e refresco de data. Republicar dispara um novo rastreamento e, em alguns casos, uma exibição de data mais recente no resultado. Costuma produzir um pico curto, de poucas semanas, que decai. É efeito real, mas não é efeito de conteúdo.

4. Ganho de correspondência com a intenção. O texto passou a responder melhor a pergunta que a busca faz. É o único dos quatro que se sustenta e o único que justifica o custo de reescrever.

Um relatório que não separa esses quatro não informa nada acionável. Ele diz que algo aconteceu, sem dizer o que repetir.

A medição que funciona: grupo de controle dentro do próprio site

Não é preciso experimento sofisticado. É preciso um controle — e o site já tem material para construir um.

O procedimento tem cinco etapas:

1. Monte o universo elegível. Liste todas as URLs que se qualificariam para refresh pelo seu critério (queda de cliques, posição média entre 8 e 20, conteúdo com mais de X meses — o critério importa menos do que ser aplicado igualmente a todas).

2. Divida aleatoriamente em dois grupos. Metade recebe refresh nesta rodada. A outra metade fica para a rodada seguinte. A palavra decisiva é aleatoriamente: se você tratar primeiro as que “parecem mais promissoras”, destruiu o controle antes de começar.

3. Fixe a janela antes de executar. Escolha o período de comparação e escreva em algum lugar antes de publicar. Janela definida depois de ver o resultado é a origem de metade dos números inflados que circulam.

4. Compare a variação entre grupos, não a variação de cada grupo. Se o grupo tratado subiu 40% e o grupo de controle subiu 25%, o efeito atribuível ao refresh é a diferença — cerca de 15 pontos —, não os 40%. Sazonalidade e tendência geral do site afetam os dois grupos igualmente e se cancelam na subtração.

5. Meça em duas janelas. Uma curta, de 4 semanas, que captura o pico de reindexação. Outra de 12 semanas, que mostra o que sobrou depois que o pico decaiu. A diferença entre as duas é a parte do ganho que era temporária.

Com 20 ou 30 páginas por grupo o resultado já é utilizável para decisão interna. Com menos de 10, o ruído individual de cada URL domina e a leitura não se sustenta — nesse caso, acumule duas ou três rodadas antes de concluir qualquer coisa.

O que medir em cada janela

A última linha merece atenção. Refresh que amplia o escopo de uma página frequentemente faz com que ela passe a competir com outra URL do próprio site. O ganho aparece na página tratada e a perda aparece em outra, fora do relatório. Somar as duas antes de comemorar é o que separa uma medição honesta de um slide bonito.

Onde o refresh compensa e onde é retrabalho caro

Quando a medição é feita desse jeito, o resultado costuma se organizar em três grupos bem distintos — e o padrão se repete o suficiente para servir de heurística de priorização.

Páginas em posição intermediária, cujo texto ficou desatualizado em fatos verificáveis — preço, versão de ferramenta, regra que mudou —, respondem bem e sustentam o ganho. Faz sentido: a lacuna entre o que a página diz e o que a busca procura era real e foi fechada.

Páginas que perderam tráfego porque a SERP mudou de formato — passou a exibir resultado direto, bloco de vídeo, painel de resposta — quase não respondem. O texto não é o gargalo; o espaço disponível encolheu. Reescrever ali é gastar horas contra uma restrição que não depende de você.

Páginas com tráfego pequeno e estável, escolhidas para refresh só porque são antigas, tendem a mostrar ganho de curto prazo e retorno ao patamar em três meses. É o caso mais comum de falso positivo e o mais caro, porque é também o mais numeroso na maioria das listas de refresh.

A escolha que eu faria com esse quadro na mão: concentrar todo o orçamento de refresh no primeiro grupo, tratar o segundo com mudança de formato em vez de reescrita, e simplesmente não tocar no terceiro até que haja evidência específica de que ele responde. Na prática isso costuma reduzir a lista de refresh a algo entre um quinto e um terço do tamanho original — e é justamente essa redução que libera horas para conteúdo novo.

O que fazer na próxima rodada

Se o time já tem um calendário de refresh rodando, não é preciso parar tudo. Basta não tratar a próxima leva inteira: separe metade como controle, registre a janela antes de publicar e compare a diferença de variação entre os dois grupos em 12 semanas. O custo do experimento é adiar o refresh de metade das páginas por um trimestre. O retorno é parar de decidir alocação de time com base em um número que mede principalmente a própria janela de comparação.

Perguntas frequentes

Trocar a data de publicação sozinha melhora o ranqueamento? Trocar a data sem alterar o conteúdo tende a produzir, no máximo, um efeito curto ligado ao rastreamento, que decai. Como estratégia isolada, o custo é baixo, mas o retorno também — e o risco de exibir uma data recente em cima de informação velha é real para a confiança do leitor.

Quantas páginas preciso para medir com alguma segurança? Para decisão interna, 20 a 30 por grupo já dão leitura estável. Abaixo de 10 por grupo, a variação natural de URLs individuais domina o resultado e qualquer conclusão é frágil.

Dá para usar outro site ou o mercado como controle? Não com a mesma confiabilidade. O controle precisa estar sujeito às mesmas mudanças de infraestrutura, links internos e histórico de domínio que o grupo tratado. Páginas do próprio site cumprem isso; páginas de fora, não.

E se a diferença entre os grupos der praticamente zero? É um resultado, não uma falha. Significa que, para aquele perfil de página, o ganho reportado antes vinha de sazonalidade e regressão — e que aquelas horas rendem mais em conteúdo novo ou em correção de canibalização.

Refresh de conteúdo ajuda a ser citado por sistemas de resposta com IA? Os dados públicos ainda são escassos e variam muito por vertical. O que dá para afirmar com segurança é que informação factualmente desatualizada prejudica em qualquer superfície de resposta. Tratar isso como consequência de manter o conteúdo correto é mais defensável do que tratar como objetivo de otimização com meta própria.

Uma agência apresenta um relatório com “Autoridade de Domínio: 42” e o cliente pergunta o que precisa fazer para chegar a 60. A pergunta parece razoável, mas ela parte de uma premissa errada: a de que esse número é uma nota atribuída pelo Google. Não é. É a saída de um modelo estatístico de uma empresa privada, treinado para prever posicionamento — e a diferença entre prever e determinar é exatamente onde a métrica engana.

Vale destrinchar como o número é construído, por que a escala mente sobre o próprio progresso e em que situações ele ainda entrega decisão útil.

Como o número é calculado

Métricas de autoridade — Domain Authority, Domain Rating, Authority Score, cada fornecedor tem a sua — partem todas do mesmo insumo: o grafo de links que aponta para o domínio. O fornecedor rastreia a web com o próprio robô, monta um índice de páginas e links, e roda sobre esse grafo um cálculo derivado da lógica do PageRank, em que um link vale mais quando vem de uma página que também recebe links relevantes.

Até aqui é matemática de grafo. A parte que quase ninguém lê na documentação vem depois: o valor bruto é passado por um modelo de aprendizado de máquina treinado para correlacionar com posicionamento observado em amostras de resultados de busca. O modelo é recalibrado periodicamente. Quando ele é recalibrado, o número de um site pode cair sem que nada tenha mudado no site — mudou a régua, não o objeto medido.

Essa é a primeira distinção prática. Existem duas causas possíveis para uma queda na métrica: perda real de links ou recalibração do modelo. Antes de abrir investigação interna, verifique se a queda foi simultânea em vários domínios da sua carteira e se o fornecedor anunciou atualização de índice no período. Movimento coletivo raramente é problema individual.

A escala é logarítmica, e isso muda toda a leitura

Os índices de autoridade vão de 0 a 100 e são comprimidos logaritmicamente. Isso significa que a distância entre 20 e 30 não é a mesma distância entre 60 e 70 — a segunda exige uma quantidade de sinal de link ordens de grandeza maior que a primeira.

A consequência para planejamento é direta. Um site novo que sai de 8 para 25 em alguns meses fez um movimento comum, alcançável com um punhado de menções qualificadas. Um site que sai de 55 para 65 fez um movimento que, na maioria dos segmentos, leva anos e envolve cobertura de imprensa, conteúdo citado por terceiros ou aquisição de outro domínio. Prometer o segundo com o esforço do primeiro é o erro de projeção mais frequente em proposta de agência.

Por isso metas absolutas do tipo “chegar a 50 até dezembro” não se sustentam. A meta que se sustenta é relativa: reduzir a distância para a mediana dos domínios que ocupam as três primeiras posições nas consultas que interessam. Esse recorte muda por consulta e é o único que conversa com receita.

Os quatro pontos em que a métrica engana

1. Ela não é específica por consulta. O número é do domínio inteiro. A busca ranqueia páginas, e ranqueia por consulta. Um domínio com autoridade alta em conteúdo financeiro não herda vantagem automática ao publicar sobre um tema em que nunca foi citado.
2. Cada fornecedor mede um índice diferente. A cobertura de rastreamento varia bastante entre eles — a ordem de grandeza da diferença é de dezenas de porcento em número de domínios referentes encontrados para o mesmo alvo, e essa diferença cresce em segmentos de nicho e em idiomas fora do inglês. Comparar o número de um fornecedor com o de outro não é comparação, é ruído.
3. Ela é manipulável na margem. Como o cálculo depende do grafo de links, redes de sites construídas para inflar o indicador conseguem elevar o número sem alterar posicionamento. É por isso que a métrica é mais confiável para descartar do que para aprovar: autoridade muito baixa costuma indicar domínio sem histórico, mas autoridade alta não certifica qualidade.
4. Ela ignora intenção e qualidade da página. Duas páginas do mesmo domínio, com a mesma autoridade herdada, performam de maneira completamente distinta se uma responde à intenção da consulta e a outra não.

O que cada indicador de fato mede

Onde a métrica ainda vale o tempo de olhar

Descartá-la por completo também é exagero. Há três usos em que ela entrega decisão melhor do que qualquer alternativa de custo semelhante.

O primeiro é triagem de oportunidade de link. Ao avaliar uma lista de centenas de domínios candidatos a parceria, conteúdo convidado ou assessoria, a métrica ordena a fila rapidamente. Não decide sozinha — mas coloca no fim da fila o domínio criado há três meses sem histórico, e isso economiza horas.

O segundo é leitura de concorrência relativa. Se todos os domínios que ocupam o topo das consultas que interessam estão numa faixa e o seu está muito abaixo dela, o diagnóstico é de lacuna estrutural de autoridade — o problema não vai ser resolvido reescrevendo o título. Se o seu domínio está na mesma faixa e mesmo assim não ranqueia, o gargalo é de página, intenção ou indexação, não de autoridade.

O terceiro é detecção de anomalia. Uma queda abrupta em domínios referentes, acompanhada de queda na métrica, costuma revelar perda de links reais — parceiro que reformulou o site, portal que despublicou o material, migração que perdeu redirecionamentos. Nesse caso o número não é a resposta, é o alarme que motiva a apuração.

O painel que substitui a métrica na decisão semanal

Para quem precisa levar argumento com número para dentro da empresa, a autoridade de domínio é uma péssima primeira linha de relatório. Ela não se move na cadência da reunião, não responde por consulta e não conecta com receita. A sequência abaixo funciona melhor porque cada linha responde a uma pergunta de decisão diferente.

1. Impressões nas consultas-alvo, semana a semana. Responde: o buscador considera nossas páginas elegíveis para o que queremos disputar?
2. Número de consultas-alvo com pelo menos uma página nas dez primeiras posições. Responde: quantas frentes já são disputáveis? É um contador inteiro, muito mais legível em reunião do que uma média.
3. Domínios referentes novos no mês, com o nome de cada um. Responde: a aquisição de links está viva? A lista nominal impede que o indicador seja inflado por lixo.
4. Cliques e conversões das páginas-alvo. Responde: o tráfego que chegou fez alguma coisa? Sem essa linha, todo o resto é vaidade.
5. Autoridade de domínio, trimestral. Fica no relatório, mas no rodapé e na cadência certa — como leitura de contexto competitivo, não como meta.

A inversão de prioridade é o ponto. Quando a métrica de autoridade encabeça o relatório, a discussão vira sobre o número. Quando ela vai para o fim, a discussão volta para quais consultas foram conquistadas e o que aconteceu com quem chegou pela busca.

Perguntas frequentes

O Google usa autoridade de domínio no algoritmo?

Não. O indicador é criado por empresas de ferramentas de SEO a partir do próprio rastreamento delas. Representantes do buscador negam publicamente a existência de uma pontuação de autoridade de domínio como fator de ranqueamento. O que existe são sinais de link, entre muitos outros — e o modelo do fornecedor é uma tentativa externa de aproximar o efeito desses sinais.

Por que meu número caiu se não perdi nenhum link?

As duas causas mais comuns são recalibração do modelo do fornecedor e atualização do índice de rastreamento, em que links antes contabilizados deixam de ser encontrados. Verifique se outros domínios que você acompanha caíram no mesmo período. Se caíram, foi a régua.

Qual fornecedor tem o número mais confiável?

A pergunta não tem resposta única, porque não existe valor verdadeiro contra o qual comparar. O critério prático é outro: escolha um fornecedor, meça sempre por ele e nunca misture números de origens diferentes na mesma planilha. Consistência de fonte importa mais que escolha de fonte.

Faz sentido recusar um link porque o domínio tem autoridade baixa?

Não como regra automática. Um domínio pequeno, temático e realmente lido pelo seu público tende a valer mais do que um domínio genérico de número alto que publica sobre qualquer assunto. A autoridade baixa é sinal para investigar o domínio, não veredito para descartá-lo.

Em quanto tempo dá para subir a autoridade de um site novo?

A faixa inicial da escala se move em meses com trabalho consistente de conteúdo e menções. A metade superior se move em anos. Qualquer proposta que prometa metade superior em prazo de trimestre está vendendo previsão de modelo, não resultado de busca.

O GA4 mostra 412 conversões de formulário em setembro. O CRM mostra 287 leads criados no mesmo mês. Qual dos dois está certo? Se a resposta for “nenhum” ou “os dois”, você já está na direção da conta correta. A diferença de 125 registros, neste exemplo hipotético, tem causas que dá para medir uma a uma, e o trabalho do analista é transformar “os números não batem” numa tabela de reconciliação com cada degrau explicado.

Esse é um dos pedidos mais frequentes em times de marketing e BI, e quase sempre termina mal: alguém escolhe a fonte “oficial”, descarta a outra e passa a defender um número sem saber de onde veio a diferença. Abaixo, uma análise por etapas de onde costuma estar a discrepância, com uma ordem de grandeza para cada causa e um método para decidir qual fonte usar em qual decisão. Todos os números do exemplo são ilustrativos; os seus vão variar, e esse é justamente o ponto de calcular.

Por que dois sistemas corretos produzem dois números diferentes

Cada sistema conta uma coisa diferente, mesmo quando usa a mesma palavra. O GA4 conta um evento disparado no navegador quando a pessoa conclui uma ação na página, por exemplo o envio do formulário. O CRM conta um registro que entrou no banco de dados depois de passar por validações, deduplicação e regras de criação. O evento é uma intenção registrada no front-end; o lead é um objeto aceito no back-end. Entre os dois há um caminho com vários pontos de perda e de ganho.

Os motivos mais comuns da diferença são estes, em ordem aproximada de frequência nos casos que um analista encontra:

1. Deduplicação no CRM: a mesma pessoa envia o formulário duas ou três vezes, o GA4 conta três eventos e o CRM atualiza um único registro.
2. Disparo duplicado do evento: a tag dispara no clique do botão e de novo na página de agradecimento, inflando o GA4.
3. Falha de integração: o formulário dispara o evento, mas a chamada à API do CRM falha ou expira, e o lead nunca é criado.
4. Filtros de qualidade: o CRM rejeita e-mails inválidos, domínios de teste ou envios de robôs, que o GA4 contou como conversão.
5. Bloqueio de rastreamento: o oposto das anteriores. Pessoas com bloqueadores ou sem consentimento aceito geram lead no CRM sem gerar evento no GA4.
6. Fuso e janela de data: a propriedade do GA4 e o CRM podem estar em fusos diferentes, e os envios próximos da meia-noite caem em dias, e às vezes em meses, diferentes.

Observe que as causas empurram em direções opostas. Por isso a diferença líquida de 125 não diz quase nada: ela pode ser a soma de +200 de duplicidade com -75 de bloqueio. Só a decomposição mostra o que acontece.

Como montar a tabela de reconciliação

O método é uma ponte entre os dois números, no formato de um demonstrativo: parte-se de um total, aplicam-se ajustes e chega-se ao outro. Cada ajuste precisa de uma medição própria, não de um palpite. Veja um exemplo, com números inventados para ilustrar a mecânica.

O resíduo final, no exemplo, é de 9 registros, cerca de 3% do total do CRM. Resíduo pequeno e estável de um mês para o outro é aceitável; resíduo grande ou que muda de sinal indica que ainda existe uma causa não identificada. Não force o fechamento exato inventando um ajuste: um resíduo declarado vale mais do que uma ponte perfeita sem sustentação.

Um cuidado de método: faça a ponte sempre sobre um mês fechado e sobre o mesmo recorte de páginas. Se o GA4 inclui conversões de três formulários e o CRM recebe leads de apenas dois deles, a diferença inicial já nasce de escopo, e nenhum ajuste fino vai consertar isso. Antes do passo 1, liste quais formulários e quais origens entram em cada lado, e exclua o que não tem correspondência. Esse alinhamento de escopo costuma ser a parte mais trabalhosa e a que mais surpreende quem nunca fez a conta, porque revela formulários esquecidos, páginas antigas ainda recebendo tráfego e integrações que alguém desligou sem avisar o time de marketing. Registre o resultado desse alinhamento como a primeira linha da tabela, com a data da verificação, para que o próximo analista saiba o que foi comparado.

O que a ponte revela sobre o seu funil

A reconciliação serve para algo além de acabar com a discussão. Cada degrau é um diagnóstico. No exemplo, 40 disparos duplicados em 412 (cerca de 10%) apontam um problema de implementação da tag: corrigi-lo melhora toda a medição futura. Os 15 envios que o CRM nunca recebeu são leads reais perdidos, pessoas que preencheram o formulário e nunca receberam contato. Esse degrau tem custo direto, e costuma ser o mais barato de resolver e o mais persuasivo para levar à diretoria, porque representa dinheiro de mídia gasto em quem foi descartado por falha técnica.

Já os reenvios dizem algo sobre a experiência do formulário. Se muita gente envia duas vezes, talvez a página de confirmação demore ou não deixe claro que o envio funcionou. E o degrau de rejeitados por validação mostra a qualidade do tráfego: um volume alto de e-mails inválidos ou de teste pode indicar campanhas atraindo robôs ou formulários sem proteção básica.

Há um efeito colateral importante para o cálculo de custo por lead. Se a mídia é avaliada pelo custo por conversão do GA4, ela parece mais barata do que é; se pelo CRM, aparece o custo real por registro criado. O custo por lead qualificado, que é o que interessa, só existe a partir do CRM. Quem otimiza campanhas pelo evento do GA4 pode estar otimizando para duplicidade e para robôs.

Qual fonte usar para qual decisão

Depois de reconciliar, a pergunta passa a ser de uso. Não existe fonte única “oficial”; existe fonte adequada à decisão. Uma regra prática que funciona na maioria das empresas:

• Volume de negócio e meta de vendas: use o CRM. Ele é o registro do que a empresa efetivamente tratou como oportunidade.
• Comparação entre canais e campanhas no tempo: use o GA4, desde que a tag esteja corrigida, porque ele traz a origem da sessão. Aplique ao resultado a razão de reconciliação para aproximar o número do CRM.
• Otimização de campanha em tempo quase real: use o evento de conversão, de preferência com um identificador único de envio para evitar duplicidade, e importe de volta os leads qualificados do CRM para que o algoritmo aprenda com o que presta.
• Relatório para a diretoria: mostre sempre os dois números e a ponte resumida, em uma linha. Quem vê só um número tende a desconfiar quando vê o outro em outra reunião.

Defenda este ponto com firmeza: esconder uma discrepância para parecer organizado sai mais caro do que expô-la. Um relatório que diz “o GA4 mostra 412, o CRM 287, e a diferença está explicada em 97%” constrói credibilidade. Um que apresenta apenas 412 perde a confiança na primeira auditoria.

Como evitar que a diferença volte a crescer

A reconciliação feita uma vez envelhece. Mudanças no formulário, no CRM ou no banner de consentimento alteram os degraus sem aviso. Três hábitos mantêm a conta viva. O primeiro é gerar um identificador único em cada envio e gravá-lo tanto no evento do GA4 quanto no registro do CRM, o que transforma a reconciliação de estimativa em junção direta de linhas. O segundo é repetir a ponte todo mês, com a mesma tabela, e acompanhar o resíduo como uma série: se ele sair do padrão, algo mudou. O terceiro é registrar alterações técnicas num diário simples, com data, para ligar saltos na série a mudanças concretas.

Se o identificador comum for impossível no curto prazo, uma alternativa é comparar amostras. Pegue 50 envios aleatórios do log do formulário e verifique manualmente quantos aparecem no GA4 e quantos chegaram ao CRM. Uma amostra pequena não é precisa, mas dá a ordem de grandeza de cada perda em uma tarde, e basta para decidir por onde começar a correção.

Perguntas frequentes

Uma diferença de 30% entre GA4 e CRM é normal?

Não existe percentual universal. Diferenças dessa magnitude aparecem com frequência, mas “frequente” não significa “aceitável”. O que importa é decompor a diferença e saber quanto vem de erro corrigível, como disparo duplicado, e quanto vem de diferença legítima de definição.

O consentimento de cookies pode explicar a diferença?

Pode, na direção de o CRM ter mais registros que o GA4. Quando o visitante recusa o rastreamento, o lead ainda entra no CRM, mas o evento não chega ao GA4 ou chega sem atribuição. A medida é contar leads do CRM sem sessão correspondente.

Devo ajustar a tag antes de reconciliar?

Reconcilie primeiro, para saber o tamanho do problema, e corrija em seguida. Se corrigir antes, perde-se a linha de base e não dá para mostrar o ganho depois.

E se o CRM também tiver erro de dados?

Tem, em maior ou menor grau. O CRM é mais próximo do negócio, mas não é infalível: duplicatas não mescladas e leads criados manualmente também distorcem. Trate-o como a referência mais útil, não como verdade absoluta.

Uma agência apresenta ao cliente um relatório em que a autoridade de domínio do site subiu de 31 para 38 em três meses e conclui que o trabalho de SEO está funcionando. O cliente pergunta: isso quer dizer mais tráfego? A resposta honesta é que não necessariamente, e essa distância entre o que a métrica mede e o que se imagina que ela mede é o assunto deste texto.

O que a métrica realmente é

Autoridade de domínio, nota de domínio, domain rating e variações são pontuações criadas por fornecedores de ferramentas de SEO. Cada fornecedor tem seu algoritmo próprio, que costuma combinar a quantidade e a qualidade dos links que apontam para um domínio, estimadas a partir do índice de links da própria ferramenta. Não é uma medida do Google, e o Google já declarou publicamente, mais de uma vez, que não usa uma pontuação com esse nome no ranqueamento.

Isso tem duas consequências práticas. A primeira: o número muda quando a ferramenta atualiza seu índice, mesmo que nada tenha mudado no seu site. A segunda: duas ferramentas darão notas diferentes para o mesmo domínio, e comparar a nota de uma com a de outra não faz sentido.

Mito: nota alta prediz posição alta

A crença se apoia numa observação verdadeira: sites com muitos links de qualidade tendem a ter boa visibilidade, e as ferramentas medem links. Logo, há correlação. O erro está em inverter a seta. Sites bem posicionados atraem links por serem conhecidos e úteis, e a nota alta pode ser consequência da visibilidade, não a causa.

Há ainda o problema de seleção. Quando se comparam os primeiros resultados de uma busca, os sites maiores dominam a lista, e sites maiores têm, de fato, mais links. Mas isso não diz nada sobre o que ocorre com um site pequeno que aumenta sua nota em sete pontos. Para esse caso, a evidência é fraca, e o resultado varia muito conforme o nicho e a concorrência.

Onde a métrica engana

Três situações aparecem com frequência. A primeira é a nota inflada por links de baixo valor: campanhas que compram volume de links irrelevantes podem elevar o número e, ao mesmo tempo, expor o site a risco, porque o Google combate esquemas de links. A segunda é a nota que cai sem motivo: o índice da ferramenta perdeu páginas que apontavam para você, e o cliente acha que algo quebrou. A terceira é a comparação entre concorrentes de tamanhos muito diferentes, que mistura marca, histórico e orçamento com qualidade do trabalho.

Evidência: o que ajuda a medir autoridade de verdade

Se a métrica de ferramenta é um proxy, vale olhar para medidas mais próximas do resultado. A primeira é a visibilidade orgânica em consultas escolhidas: um conjunto de termos que representam o negócio, acompanhado por posição média e cliques, em intervalos fixos. A segunda é a qualidade dos domínios que apontam para o site, avaliada manualmente numa amostra: eles são do setor, têm tráfego real, publicam conteúdo editorial? A terceira é a taxa de crescimento de links ganhos naturalmente, sem campanha ativa, que indica se o conteúdo atrai citações por conta própria.

Nenhuma dessas medidas é perfeita, e todas dependem de contexto. Mas elas estão mais perto do que se quer saber: se o site aparece mais, para as pessoas certas.

Como apresentar isso ao cliente

O argumento que costuma funcionar internamente é separar métrica de diagnóstico de métrica de resultado. A nota de autoridade pode entrar no relatório como indicador de contexto, com a ressalva de que é estimativa de fornecedor. O que sustenta a conversa são os cliques, as conversões atribuídas ao orgânico e a evolução das consultas prioritárias. Se o relatório não inclui esses números, o cliente tem razão em desconfiar.

Quando o cliente pedir a nota mesmo assim, entregue, mas acompanhe de duas linhas: qual ferramenta gerou, em que data, e qual foi a variação das consultas-alvo no mesmo período. Assim a métrica entra como ilustração, não como prova.

O que fazer se a nota é critério de contrato

Há contratos que amarram meta à nota de uma ferramenta. Se for o seu caso, convém renegociar. A cláusula pode usar a nota como indicador secundário e colocar como principal uma meta de visibilidade ou de tráfego qualificado. Se não houver margem para renegociar, ao menos documente a ferramenta, a versão e a data de cada medição, porque a mesma ferramenta pode mudar o cálculo.

Um método em quatro passos para substituir a nota por evidência

Quem precisa levar um argumento com número para dentro da empresa pode montar, em poucas horas, uma leitura mais sólida do que a nota de domínio. O processo abaixo não exige ferramenta paga além das que o time já usa.

1. Defina o conjunto de consultas. Escolha entre vinte e cinquenta termos que representam receita ou geração de lead, separados por intenção: comparação, problema, marca. Congele a lista por pelo menos um trimestre, porque mudar a lista no meio apaga a comparação.
2. Registre a linha de base. Exporte do Search Console cliques, impressões e posição média das páginas-alvo nos últimos três meses completos, e guarde junto a data da exportação. Sem linha de base, qualquer melhora vira opinião.
3. Amostre os links ganhos. Pegue uma amostra aleatória dos domínios que passaram a apontar para o site no período e classifique manualmente: relevante para o tema, tráfego aparente, natureza editorial. Cinquenta domínios já dão uma ideia da qualidade, sem fingir precisão.
4. Compare nos mesmos intervalos. A cada trimestre, repita a exportação e compare com a linha de base, descontando sazonalidade: compare com o mesmo trimestre do ano anterior quando houver histórico.

Um exemplo ilustrativo de leitura

Suponha, para fins de ilustração, um site de serviços que aumentou a nota de domínio e viu cliques estáveis nas consultas-alvo. O relatório da agência celebraria a nota. A leitura baseada em evidência faria três perguntas: os links novos vieram de sites do setor? As páginas que receberam os links são as que convertem? Houve mudança nas consultas em que o site já aparecia na primeira página? Se a resposta for não às três, a nota subiu sem efeito mensurável, e o orçamento de links merece revisão.

No cenário inverso, a nota pode ficar parada enquanto os cliques crescem, porque o ganho veio de melhoria de conteúdo e de páginas que passaram a responder melhor à busca. Nesse caso, o relatório que priorizasse a nota deixaria de contar a parte mais relevante da história. Os dois casos são hipotéticos, mas ambos ocorrem, e é por isso que a métrica sozinha não basta.

O que isso muda no orçamento de SEO

Se a nota é proxy, o orçamento deve seguir o que a evidência sustenta. Em termos práticos, isso costuma significar menos verba em campanhas de volume de links e mais em conteúdo que ganha citação por mérito: pesquisa própria, dados originais, ferramentas gratuitas, análises que outros sites queiram referenciar. É um investimento mais lento e menos previsível, e vale dizer isso ao cliente com todas as letras. Quem promete subir a nota em prazo fixo está prometendo o que controla, não o que importa.

Por fim, vale registrar uma limitação: não há, até onde se sabe, um estudo público que isole o efeito causal da nota de domínio de uma ferramenta sobre a posição de um site. O que existe são correlações, relatos de profissionais e declarações do próprio Google. É razoável decidir com base nisso, desde que a decisão admita que a incerteza existe e que o monitoramento por consultas-alvo vai dizer, com o tempo, se a direção escolhida está funcionando.

Três erros comuns ao defender a métrica diante da diretoria

O primeiro é usar a nota como meta única do ano. Metas de insumo, como número de links ou pontos de nota, incentivam o time a otimizar o que é fácil de medir e a ignorar o que gera receita. O segundo é comparar a nota do site com a de concorrentes sem corrigir pelo tamanho e pela idade do domínio, o que quase sempre favorece quem existe há mais tempo. O terceiro é apresentar variação pequena como tendência: uma oscilação de um ou dois pontos de um mês para o outro, em geral, é ruído do índice da ferramenta.

Para cada um deles, a defesa é a mesma: mostrar a série histórica longa, indicar a fonte e juntar sempre uma medida de resultado, como cliques ou conversões. Com esses três elementos, a conversa deixa de ser sobre a nota e passa a ser sobre o que o investimento em SEO está entregando.

Perguntas frequentes

A nota de domínio serve para alguma coisa?

Serve como indicador de contexto e para triagem de oportunidades de link, desde que você saiba que é estimativa e que varia por ferramenta.

O Google tem uma métrica equivalente?

O Google usa muitos sinais, e vários envolvem links, mas não divulga uma nota única nem confirma que use as pontuações de terceiros.

Devo parar de olhar a nota?

Não, mas rebaixe a nota na hierarquia do relatório. Primeiro vêm cliques, conversões e visibilidade; depois, indicadores de contexto como esse.

Como saber se um link é bom?

Pergunte se o site de origem tem relação com seu tema, se tem público real e se o link faria sentido mesmo sem SEO. Se a resposta for não, o valor tende a ser baixo.

A taxa de rejeição do GA4 não é a taxa de rejeição do Universal Analytics com outro nome. A pergunta de medição que decide se um relatório de hoje pode ser comparado com o de três anos atrás é curta: o que exatamente conta como uma sessão que “rejeitou”? A definição mudou, e muita apresentação de resultados ainda coloca os dois números na mesma linha do tempo como se fossem a mesma coisa.

A definição: rejeição virou o inverso do engajamento

No Universal Analytics, uma rejeição era uma sessão com uma única interação registrada, tipicamente uma página vista sem nenhum evento depois. O tempo na página não entrava na conta. Quem lia o texto inteiro durante quatro minutos e saía contava como rejeição, porque o sistema não tinha como saber que a leitura aconteceu.

No GA4, a lógica parte de outro lugar. O sistema define primeiro o que é uma sessão engajada, e a rejeição é o que sobra. Uma sessão é engajada quando cumpre pelo menos um de três critérios: dura mais de dez segundos (o padrão, que pode ser ajustado dentro de uma faixa de dez a sessenta segundos), registra um evento de conversão, ou tem duas ou mais visualizações de página ou de tela. A taxa de rejeição é, então, sessões não engajadas divididas pelo total de sessões, o que equivale a um menos a taxa de engajamento.

Essa inversão parece detalhe de nomenclatura, mas muda o que a métrica mede. Antes, ela media “o visitante fez algo além de chegar”. Agora mede “o visitante ficou, converteu ou navegou”. São perguntas diferentes, e a segunda é mais generosa com páginas de conteúdo.

Onde a conta engana

Há quatro situações em que a taxa de rejeição do GA4 leva a uma conclusão errada, todas com o mesmo padrão: o número é calculado corretamente e interpretado fora do contexto em que foi calculado.

A primeira é a comparação entre eras. Um site que migrou do Universal Analytics e viu a rejeição cair muito na virada não melhorou de repente. A régua mudou. Uma leitura de três minutos que antes contava como rejeição passa a contar como sessão engajada, e o número cai sem que nenhum leitor tenha se comportado de forma diferente.

A segunda é o limiar de tempo. Como o padrão de dez segundos é uma escolha de configuração, dois sites com o mesmo comportamento real de leitura podem reportar taxas diferentes só porque um deles ajustou o limiar. Antes de comparar sua taxa com a de outra operação, confirme qual limiar cada uma usa.

A terceira é o tempo de aba. O tempo de engajamento no GA4 acumula enquanto a página está em primeiro plano. Quem abre o artigo, troca de aba e volta vinte minutos depois não soma esse intervalo. Em conteúdos que as pessoas abrem “para ler depois”, isso empurra parte das sessões para o lado dos não engajados.

A quarta é o que não entra no denominador. Visitantes que recusam cookies em configurações de consentimento restritivas, ou que usam bloqueadores, podem não ser medidos, dependendo de como a implementação trata o consentimento. A taxa passa a descrever apenas quem foi medido, e o viés não é uniforme entre canais: o tráfego de determinados países ou navegadores pode ser mais afetado que o de outros. O tamanho desse efeito varia muito por site e não há número confiável que valha para todos.

Universal Analytics e GA4 lado a lado

Como calcular por conta própria, em cinco passos

O relatório padrão entrega a taxa agregada, e é justamente o agregado que esconde o problema. O procedimento abaixo devolve uma leitura que aguenta uma conversa com o financeiro.

1. Defina o recorte antes de olhar o número. Escolha a janela de datas, o canal e o tipo de página. Uma taxa sem recorte não responde nada.
2. Exporte sessões e sessões engajadas por página de entrada. A unidade de análise é a landing page, não o site inteiro, porque cada página cumpre um papel diferente.
3. Calcule a rejeição como um menos engajadas sobre sessões. Confira o resultado com o que o relatório mostra; se não bater, há filtro ou amostragem no caminho.
4. Descarte páginas com pouco volume. Uma página com poucas dezenas de sessões oscila muito de uma semana para outra e não sustenta conclusão. Defina um piso de volume e respeite-o.
5. Compare apenas com a própria série no GA4. O termômetro útil é a variação da sua página contra ela mesma, medida com o mesmo limiar de engajamento.

Um exemplo com números hipotéticos

Os valores a seguir são inventados para ilustrar o cálculo e não representam nenhum site real. Imagine duas páginas de entrada. A página A recebeu 2.000 sessões, das quais 1.100 foram engajadas, o que dá uma rejeição de 45%. A página B recebeu 400 sessões, com 140 engajadas, o que dá 65%.

Quem tira a média simples das duas taxas chega a 55%. Quem soma as sessões e refaz a conta chega a 1.240 engajadas em 2.400 sessões, ou seja, uma rejeição de 48,3%. A diferença é de quase sete pontos percentuais, e nenhuma página mudou.

Esse erro aparece em painéis de BI montados às pressas, quando alguém calcula a média de uma coluna de percentuais em vez de dividir somas. Sempre que a taxa for reportada para um grupo de páginas, ela precisa ser recalculada a partir das contagens brutas.

Um detalhe de governança fecha o procedimento: registre no próprio painel, em nota visível, qual é o limiar de engajamento em uso e a data da última alteração. Quem herdar o relatório daqui a um ano precisará dessa informação para não repetir a comparação entre réguas diferentes.

O que fazer com a métrica

A posição defendida aqui é que a rejeição do GA4 vale como sinal de diagnóstico por página e canal, e não como indicador de qualidade do site. Ela funciona bem para achar uma landing page de anúncio que perde gente em segundos, ou um canal que traz tráfego que não engaja. Funciona mal como meta de diretoria.

Há dois cuidados de interpretação. Primeiro, rejeição alta não é defeito quando a página cumpre a função em poucos segundos. Uma página de contato ou de endereço que entrega o telefone e perde o visitante em quinze segundos pode ter sido perfeita para ele. O caminho é avaliar a página pelo que ela deveria fazer: conversão, leitura ou consulta rápida. Segundo, para páginas de conteúdo, a taxa de engajamento acompanhada de uma medida de conversão ou de rolagem conta uma história mais completa que a rejeição isolada.

Para alertas, o critério mais robusto é comparar a variação atual com a oscilação normal da própria série nas últimas semanas, em vez de fixar um limite absoluto. Uma página que sempre oscila três pontos para cima e para baixo não merece alarme por um movimento de dois.

Três armadilhas de painel que repetem o erro

Mesmo com a definição correta, a rejeição gera conclusões erradas em painéis de BI por razões que não têm a ver com o GA4 em si. Vale conhecer as três mais frequentes antes de apresentar um gráfico à diretoria.

A primeira é a mudança de composição do tráfego. Suponha, com números hipotéticos, que em um mês o site tenha recebido 1.000 sessões: 800 do orgânico, com rejeição de 40%, e 200 de redes sociais, com rejeição de 70%. A rejeição total é de 46%, porque 320 mais 140 sessões não engajadas somam 460 em 1.000. No mês seguinte, uma campanha muda a mistura para 500 sessões de cada canal, e cada canal melhora dois pontos: 38% no orgânico e 68% nas redes. A rejeição total sobe para 53%, porque 190 mais 340 dão 530 em 1.000. Ambos os canais melhoraram e o número do site piorou. Sem abrir por canal, o painel conta uma história falsa.

A segunda é o calendário. Semanas com feriado, campanha de e-mail ou pico de busca sazonal mudam quem está chegando. Comparar duas semanas sem checar isso confunde comportamento com composição do público. Sempre que possível, compare o mesmo período em ciclos comparáveis.

A terceira é o volume por linha. Relatórios que quebram o tráfego em muitas dimensões ao mesmo tempo produzem linhas com pouquíssimas sessões, e nelas a taxa oscila de forma dramática por pura variação aleatória. Antes de tirar conclusão de uma linha, olhe a contagem de sessões que a sustenta.

Perguntas frequentes

Qual é uma boa taxa de rejeição no GA4?

Não existe faixa universal. O valor depende do tipo de página, do canal de origem e do limiar de engajamento configurado. A referência confiável é o histórico do próprio site, medido do mesmo jeito.

Posso mudar o limiar de dez segundos?

Sim. O GA4 permite ajustar o tempo mínimo para uma sessão ser considerada engajada, dentro de uma faixa que vai de dez a sessenta segundos. Ao alterar, registre a data da mudança, porque a série antes e depois deixa de ser comparável.

Rejeição e taxa de saída são a mesma coisa?

Não. A rejeição se refere à sessão que não engajou; a taxa de saída indica em que proporção das visualizações de uma página o visitante foi embora dali. Uma página pode ter saída alta e rejeição baixa quando é o último passo de uma jornada longa.

Qual CTR uma página deveria ter na posição 4? A resposta que circula em apresentação de agência costuma vir de uma curva agregada de mercado: algo entre 25% e 30% na primeira posição, caindo para um dígito já na quarta. O problema é que essa curva mistura consultas de marca, consultas informacionais, SERPs cheias de anúncios e SERPs com resumo de IA no topo. Aplicada ao seu site, ela serve para pouca coisa além de gerar meta impossível ou falso alarme.

A alternativa é construir a curva com os dados do próprio site no Search Console, segmentada de um jeito que a torne comparável, e usá-la para achar páginas que rendem abaixo do que a posição permite. O método cabe numa planilha e não depende de ferramenta paga.

Por que a curva do mercado não serve como referência

Estudos públicos de CTR por posição existem há mais de uma década e todos chegam a curvas parecidas no formato — queda acentuada entre as posições 1 e 3, cauda longa e achatada depois da 5 — mas bem diferentes nos valores. A diferença não é erro de nenhum deles. É composição de amostra. Um estudo que pesa mais e-commerce terá SERPs com carrossel de produtos; outro que pesa mais consultas informacionais terá mais resultados com trecho em destaque e, atualmente, com resumo gerado por IA acima dos links.

Três fatores deslocam a curva de um site específico com força suficiente para invalidar a média:

1. Proporção de consultas de marca. Quem busca o nome da empresa clica no resultado da empresa. CTR acima de 50% na posição 1 é comum nesse grupo, e ele puxa a média do site para cima.
2. Formato da SERP. Anúncios, bloco de perguntas relacionadas, vídeos e resumo de IA empurram o primeiro link orgânico para baixo da dobra. A posição 1 numa SERP poluída pode render menos que a posição 3 numa SERP limpa.
3. Dispositivo. Em mobile, a tela mostra menos resultados por vez, então a queda entre posições é mais íngreme. Um site com 80% do tráfego em mobile terá curva diferente de um site B2B acessado no desktop do escritório.

Por isso a pergunta útil não é “meu CTR está acima da média do mercado?”, e sim “esta página está rendendo o que outras páginas do meu próprio site rendem na mesma posição, para o mesmo tipo de consulta?”.

Como extrair os dados sem cair nas armadilhas da posição média

A posição que o Search Console reporta é uma média ponderada por impressão, e ela engana quando agregada por página: uma página que aparece em 1º lugar para uma consulta de nicho e em 40º para uma consulta genérica pode mostrar posição média 12 e CTR baixo, e nenhum dos dois números descreve a realidade dela. A curva precisa ser montada no nível de consulta + página, não só de página.

O procedimento:

1. Escolha a janela. Use 90 dias. Menos que isso deixa a maior parte das consultas com impressões insuficientes; mais que isso mistura períodos em que o layout da SERP pode ter mudado.
2. Exporte consulta e página juntas. A interface limita a exportação a mil linhas. Para sites médios, use a API do Search Console ou a exportação em massa para o BigQuery, que trazem todas as combinações.
3. Filtre por volume mínimo. Descarte linhas com menos de 100 impressões no período. Com 30 impressões, dois cliques a mais mudam o CTR em quase sete pontos percentuais — é ruído, não sinal.
4. Arredonde a posição para inteiro. Agrupe 1,0 a 1,4 como posição 1, 1,5 a 2,4 como posição 2, e assim por diante até a 10. Acima disso, agrupe por faixa (11–15, 16–20).
5. Calcule o CTR ponderado de cada faixa. Some os cliques e divida pela soma das impressões. Não faça a média simples dos CTRs das linhas: isso dá o mesmo peso a uma consulta com 100 impressões e a outra com 50 mil.

O resultado dessa etapa é uma tabela de dez a doze linhas. Ainda não é a curva final, porque mistura grupos que se comportam de forma diferente.

Segmentar antes de comparar

A curva única do site tem o mesmo defeito da curva de mercado, só que em escala menor. Antes de usá-la, separe pelo menos dois cortes.

Marca e não marca. Crie uma expressão regular com o nome da empresa, variações de grafia e nomes de produto. Consultas que batem com ela vão para um grupo; o resto, para outro. Na maioria dos sites, o grupo de marca tem CTR na posição 1 duas a três vezes maior que o grupo sem marca. Deixar os dois juntos faz qualquer página informacional parecer fraca.

Dispositivo. Rode o cálculo separado para mobile e desktop. Se o volume de desktop for pequeno demais para passar do filtro de 100 impressões, fique só com mobile e registre isso.

Um terceiro corte vale a pena quando o site tem volume: tipo de intenção. Consultas com “como”, “o que é”, “por que” tendem a ter SERPs com mais elementos informacionais e, portanto, CTR menor em todas as posições que consultas com “preço”, “comprar” ou nome de ferramenta. Classificar por padrão de palavra no início da consulta já separa a maior parte.

Encontrar as páginas que rendem abaixo da própria posição

Com a curva segmentada em mãos, cada linha consulta + página ganha um valor esperado: o CTR da faixa de posição dela, no segmento dela. A diferença entre o CTR observado e o esperado, multiplicada pelas impressões, dá uma estimativa de cliques perdidos.

Um exemplo com números ilustrativos: uma página aparece em média na posição 3 para uma consulta sem marca, com 20 mil impressões em 90 dias e CTR de 3%. Se a curva do site para posição 3, não marca, mobile, é 7%, a diferença de 4 pontos sobre 20 mil impressões representa cerca de 800 cliques no trimestre. É uma estimativa, não uma promessa — mas ela ordena a fila de trabalho melhor do que a intuição.

Ordene a lista por cliques perdidos e olhe as vinte primeiras linhas. As causas mais frequentes, em ordem aproximada:

1. Título desalinhado com a consulta. A página ranqueia para uma pergunta, mas o título promete outra coisa. É o caso mais comum e o mais barato de corrigir.
2. SERP diferente das outras da mesma faixa. Abra a busca em aba anônima. Se há resumo de IA, carrossel de vídeos ou quatro anúncios acima, o CTR baixo pode ser estrutural, e mexer no título não resolve.
3. Snippet reescrito pelo buscador. Quando a meta descrição não responde à consulta, o Google monta o trecho a partir do corpo da página, às vezes com uma frase sem contexto.
4. Data visível antiga. Em consultas sensíveis a tempo, um resultado que exibe data de dois anos atrás perde clique para outro de poucos meses.

A segunda causa merece atenção especial. Se você não verificar a SERP, vai gastar esforço reescrevendo títulos de páginas cujo CTR está baixo por motivo que não depende delas. A regra prática: só entra na fila de otimização de snippet a página cuja SERP é comparável às SERPs das páginas que formam a curva.

Como medir se a mudança funcionou

Trocar o título e comparar os 30 dias seguintes com os 30 anteriores é o método mais usado e o menos confiável. A posição muda, a sazonalidade muda, e o CTR se move por motivos que não têm relação com o título novo.

Um desenho mais defensável, que cabe na mesma planilha:

1. Congele o grupo de controle. Separe páginas com o mesmo problema e não altere metade delas. Elas servem de referência para o que aconteceria sem a mudança.
2. Compare CTR ajustado por posição. Em vez de CTR bruto, use a razão CTR observado / CTR esperado da curva. Se a página subiu da posição 4 para a 3, o CTR bruto sobe por causa da posição; a razão isola o efeito do snippet.
3. Espere impressões suficientes. Para páginas com poucas centenas de impressões por semana, quatro semanas é o mínimo antes de concluir qualquer coisa.
4. Registre a SERP antes e depois. Um print da busca no dia da mudança e no dia da leitura evita atribuir ao título o efeito de um bloco de anúncios que sumiu.

Se o grupo alterado melhorou a razão observada/esperada e o grupo de controle não, há evidência razoável de efeito. Se os dois melhoraram juntos, o mais provável é que algo externo tenha mudado — atualização de layout da SERP, por exemplo — e o título não é o responsável.

Com que frequência recalcular a curva

A curva do site não é permanente. Mudanças no layout das SERPs, como a expansão dos resumos de IA nos últimos meses, deslocam a curva inteira para baixo em consultas informacionais sem que nenhuma página do site tenha piorado. Recalcular a cada trimestre, com a mesma janela de 90 dias e os mesmos cortes, permite separar dois fenômenos que costumam ser confundidos: a página perdeu desempenho relativo, ou a posição inteira passou a render menos.

Guarde as curvas trimestrais lado a lado. Se o CTR esperado da posição 2 no segmento informacional caiu de um trimestre para o outro em todas as páginas, o relatório para a diretoria precisa dizer isso com todas as letras — caso contrário, a queda de tráfego será atribuída ao conteúdo, e a decisão tomada em cima dela estará errada.

Perguntas frequentes

Posso usar a curva para prever quanto tráfego uma página vai ganhar se subir de posição?

Como ordem de grandeza, sim. Como previsão para a diretoria, com ressalva explícita: a curva descreve o comportamento médio das SERPs em que o site já aparece, e a SERP da consulta nova pode ser diferente.

Quantas linhas preciso para a curva ser confiável?

Não há número mágico, mas abaixo de 20 combinações consulta + página por faixa de posição, o CTR da faixa oscila muito de um trimestre para outro. Nesse caso, agrupe posições vizinhas.

E consultas anônimas, que o Search Console omite?

Elas entram no total por página, mas não aparecem no detalhamento por consulta. Em sites com muita cauda longa, a parcela omitida pode ser grande. A curva continua válida como referência relativa; só não tente reconciliar a soma das linhas com o total do relatório.

Numa operação com busca orgânica relevante, a diferença entre o que o relatório de última interação mostra e o que uma análise de caminho completo devolve ao canal costuma ser grande o bastante para mudar decisão de orçamento. Não é um erro de implementação: é o modelo funcionando exatamente como foi desenhado. A pergunta que este texto responde é outra — como estimar o tamanho dessa diferença na sua base, sem trocar de ferramenta e sem esperar seis meses.

O que o modelo de última interação realmente mede

Última interação (ou last click) atribui 100% da conversão ao último canal não direto antes do fechamento. É um modelo de registro, não de causalidade: ele responde “por onde a pessoa entrou desta vez”, e essa é uma pergunta legítima. O problema começa quando a resposta é usada para decidir onde investir, porque aí a pergunta deixa de ser “por onde entrou” e passa a ser “o que fez a pessoa comprar” — e são coisas diferentes.

A distorção tem um padrão previsível. Canais que aparecem cedo no caminho, quando a pessoa ainda está descobrindo que tem um problema, quase nunca são o último clique. Canais que aparecem tarde, quando a pessoa já decidiu e está só localizando a página, quase sempre são. Busca orgânica de topo, conteúdo educativo, vídeo e redes sociais caem no primeiro grupo. Busca paga de marca, e-mail de carrinho abandonado e retargeting caem no segundo.

Isso significa que o modelo tende a subestimar sistematicamente o primeiro grupo e superestimar o segundo. A magnitude varia muito: em venda de ticket baixo e ciclo de um dia, a diferença entre modelos costuma ser pequena, porque há poucos pontos de contato para distribuir. Em B2B com ciclo de semanas ou meses e oito a quinze toques registrados, a diferença fica grande o suficiente para inverter o ranking de canais.

Onde o orgânico desaparece da conta

Há três mecanismos distintos que tiram crédito do orgânico, e eles se somam. Vale separá-los porque cada um exige uma correção diferente.

O primeiro é a posição no caminho, já descrita. O segundo é a canibalização por marca: alguém lê um artigo seu, sai, volta três dias depois digitando o nome da empresa no buscador e clica no anúncio de marca que está acima do resultado orgânico. O último clique registra mídia paga. A busca orgânica que gerou o conhecimento não aparece em lugar nenhum, e o anúncio de marca recebe crédito por uma intenção que ele não criou.

O terceiro é a perda de rastro entre dispositivos e sessões. Descoberta no celular, compra no desktop, janela de cookie expirada, navegador que limita armazenamento — cada uma dessas situações quebra o caminho e transforma um toque intermediário em uma sessão direta ou em um caminho de um único clique. O efeito é assimétrico: o toque perdido é quase sempre o mais antigo, ou seja, o do canal de descoberta.

Os quatro modelos e o que cada um distorce

Nenhum modelo baseado em regra é neutro. Cada um embute uma teoria sobre como a decisão de compra acontece, e a escolha entre eles é a escolha de qual erro você prefere cometer.

Há ainda modelos orientados a dados, que ajustam os pesos a partir da comparação entre caminhos que converteram e caminhos que não converteram. Eles são melhores que regras fixas quando há volume suficiente de conversão, mas continuam sendo correlação — descrevem o que acompanha a conversão, não o que a causa. E são sensíveis à mesma perda de rastro descrita acima: se o dado de entrada está incompleto, o modelo aprende o padrão da lacuna.

Como refazer a conta sem ferramenta nova

Dá para estimar a ordem de grandeza da distorção com o que a maioria das operações já tem. O procedimento tem cinco etapas.

1. Exporte os caminhos de conversão dos últimos 90 dias. Você precisa da sequência de canais por conversão, não do relatório já agregado por canal.
2. Separe as conversões por número de toques. Um clique, dois a três, quatro ou mais — essa quebra sozinha já mostra quanto da sua base está em ciclo curto.
3. Reprocesse cada grupo em dois modelos: última interação e linear. A diferença percentual por canal, dentro do grupo de quatro ou mais toques, é a sua estimativa de distorção.
4. Isole a busca de marca do resto da mídia paga. Marca misturada com prospecção esconde o efeito de canibalização, que é justamente o que você quer enxergar.
5. Compare o crédito do orgânico nos dois modelos e escreva a faixa, não o número. Algo como “entre X% e Y% mais crédito no modelo linear” é uma conclusão defensável; um número único não é.

Esse exercício não prova causalidade. Ele mostra quanto da sua leitura atual depende da escolha de modelo — e essa informação já muda a conversa com quem aprova orçamento, porque tira a discussão do terreno da opinião.

O teste que resolve a discussão

Atribuição descreve caminhos registrados. Para saber o que aconteceria sem o canal, é preciso desligá-lo em algum lugar e comparar. O desenho mais barato para isso é o teste geográfico: escolhe-se um conjunto de regiões comparáveis, suspende-se o investimento no canal em metade delas, mantém-se na outra metade, e observa-se a diferença de receita total — não de receita atribuída.

Duas exigências tornam esse teste viável ou inviável. A primeira é volume: regiões com poucas conversões por semana produzem variação aleatória grande o bastante para engolir o efeito. A segunda é tempo: o período precisa cobrir pelo menos um ciclo de venda completo, e depois mais um, porque o efeito de desligar um canal de descoberta aparece com atraso. Em operação de ciclo longo, isso significa um teste de meses, o que muitas vezes é o argumento real contra fazê-lo.

Quando o teste não cabe, a alternativa honesta é assumir a incerteza: manter o modelo atual como registro operacional, tratar a faixa calculada na seção anterior como margem de erro conhecida e não usar variação de poucos pontos percentuais entre canais como base para realocar orçamento.

Qual modelo usar em qual situação

Para operação de ciclo curto, ticket baixo e maioria de caminhos com um ou dois toques, última interação é adequado e trocar por outra coisa adiciona complexidade sem ganho. A distorção existe, mas é pequena diante do ruído natural da operação.

Para ciclo de semanas com quatro ou mais toques típicos, decaimento temporal é a escolha mais defensável entre os modelos de regra. Ele não finge que todos os toques pesam igual, o que é implausível, nem zera o começo do caminho, que é o erro grave do último clique. Não é correto — nenhum é — mas erra menos onde erra mais caro.

Para qualquer decisão de aumentar ou cortar investimento acima de uma fatia relevante do orçamento, nenhum modelo de atribuição deveria ser suficiente sozinho. Aí vale o teste geográfico, mesmo que demore. O custo de rodá-lo é conhecido e limitado; o custo de cortar por três meses um canal que sustentava a demanda do fundo do funil não aparece em relatório nenhum até ser tarde.

Perguntas frequentes

Trocar o modelo de atribuição muda a receita real?

Não. Muda apenas a distribuição do crédito entre canais. A receita total é a mesma em qualquer modelo — o que varia é a quem ela é creditada, e portanto quais decisões de orçamento parecem justificadas.

Conversões marcadas como diretas podem ser recuperadas?

Parcialmente. Parte do tráfego direto é gente que realmente digitou o endereço; outra parte é rastro perdido. Comparar a proporção de diretas entre dispositivos e entre páginas de entrada ajuda a separar os dois casos, mas não existe forma de recuperar a origem de uma sessão cujo caminho foi quebrado.

Vale a pena implementar atribuição no servidor?

Ajuda no terceiro mecanismo descrito acima — a perda de rastro — e costuma reduzir a proporção de caminhos de um único clique. Não resolve a canibalização por marca nem a questão de posição no caminho, porque essas são limitações do modelo, não da coleta.

Qual janela de atribuição usar?

Ela precisa ser pelo menos tão longa quanto o ciclo de venda observado, medido da primeira visita ao fechamento, no percentil alto e não na média. Janela mais curta que o ciclo descarta o começo do caminho por construção — e o começo do caminho é exatamente onde o orgânico aparece.