Google Analytics agora permite janelas de atribuição customizadas

O Google Analytics passou a aceitar janelas de atribuição customizadas para dois tipos de conversão, segundo reportou o Search Engine Land. Na prática, quem gerencia campanhas e mede performance deixa de escolher entre um punhado de valores predefinidos e passa a definir qualquer número inteiro de dias dentro dos novos limites. Parece um detalhe de configuração, mas mexe diretamente em como o crédito de uma conversão é distribuído, e isso tem impacto direto em qualquer análise de retorno de otimização.

O que mudou, em números

A janela de atribuição (ou lookback window) é o período retroativo dentro do qual uma interação, um clique ou uma visualização, pode receber o crédito por uma conversão que aconteceu depois. Até agora, o Analytics trabalhava com valores fixos. A atualização removeu essas amarras para dois tipos de conversão:

• Engaged-view conversions (EVC), ou conversões por visualização engajada: qualquer valor de 1 a 30 dias, substituindo a janela fixa de 3 dias que existia antes.
• Click-through conversions (CTC), ou conversões por clique: qualquer valor de 1 a 90 dias, substituindo as opções pré-definidas de 1, 7, 14, 30, 60 ou 90 dias.

A diferença conceitual entre os dois importa. A CTC credita a conversão a um clique efetivo no anúncio; a EVC credita a alguém que assistiu uma parte relevante de um vídeo (sem clicar) e converteu dentro do prazo. Antes, mesmo quem tinha um ciclo de venda de, digamos, 45 dias era forçado a arredondar para 30 ou 60, distorcendo a leitura em ambas as direções.

Os novos ajustes ficam em Advertising > Conversion management > Settings dentro do Google Analytics, e também aparecem na interface de gerenciamento de conversões do Google Ads vinculado. Ou seja, a configuração é compartilhada entre as duas plataformas, o que evita a clássica divergência de números entre relatórios.

Por que isso importa para quem faz SEO técnico

À primeira vista é uma novidade de PPC, e a fonte a classifica assim. Mas o efeito colateral é relevante para quem otimiza sites e precisa provar que uma mudança técnica gerou resultado. Toda análise de impacto (uma melhoria de Core Web Vitals, um redesign de página de produto, um ajuste de arquitetura de informação que encurta o funil) depende de comparar conversões antes e depois. Se a janela de atribuição não bate com o ciclo real de compra, o "depois" fica subestimado ou inflado.

O caso mais comum no Brasil são os ciclos longos: B2B, itens de ticket alto, financiamentos, imóveis, educação. Nesses cenários, o usuário costuma pesquisar, sair, voltar dias ou semanas depois e só então converter. Uma janela curta simplesmente não enxerga boa parte dessas conversões, e o resultado é atribuir menos valor a canais de descoberta, incluindo a busca orgânica que iniciou a jornada. Com o lookback ajustável até 90 dias, dá para calibrar a leitura ao comportamento observado nos próprios dados, em vez de aceitar um número redondo imposto pela ferramenta.

Como escolher a janela sem chutar

O valor certo não sai de um palpite: sai dos dados. Alguns caminhos práticos para chegar nele:

• Olhe o relatório de tempo até a conversão (path length e time lag) no próprio Analytics. Se a maior parte das conversões acontece em até 14 dias, esticar para 90 só adiciona ruído.
• Considere a sazonalidade do produto. Datas comerciais (Black Friday, volta às aulas) comprimem o ciclo; períodos normais o alongam.
• Diferencie os dois tipos: faz sentido uma EVC mais curta (a visualização de vídeo tende a influenciar decisões próximas) e uma CTC mais longa para ciclos consultivos.

O ponto que a fonte deixa claro é que "por permitir qualquer valor inteiro em vez de um punhado de opções predefinidas, o Google está tornando mais fácil alinhar a atribuição a ciclos de compra mais longos ou mais curtos, potencialmente levando a uma medição de performance mais precisa". A palavra-chave aqui é potencialmente: a flexibilidade só vira precisão se a escolha for baseada em evidência.

O trade-off que ninguém conta

Mudar a janela de atribuição não é uma ação neutra. Ampliar o lookback tende a aumentar o número de conversões atribuídas a um canal, o que pode dar a falsa impressão de melhora quando, na verdade, só a régua mudou. Por isso, ao alterar a configuração:

• Marque a data da mudança e evite comparar períodos com janelas diferentes como se fossem equivalentes. Um relatório que cruza "antes de 3 dias" com "depois de 45 dias" está comparando coisas distintas.
• Rode em paralelo, quando possível, para entender o delta que a nova janela introduz antes de reportá-lo à liderança.
• Cuidado com dupla contagem e com a interação entre modelos de atribuição e a janela: alargar o lookback num modelo data-driven redistribui crédito entre canais, não apenas soma conversões.

Há casos em que não vale mexer: e-commerce↳E-commerce21 conteúdosECBR Club: novo espaço para devs se conectarem ao ecossistema de e-commerceDev (Back & Front) · mai 2025TOTVS anuncia joint venture com VTEXMarketing Tech · mai 2019Jovens da Brasilândia recebem formação gratuita em tecnologiaGestão Dev & TI · jul 2025Ver tudo em Marketing Tech → de giro rápido, produtos de compra por impulso, ou operações cujo ciclo médio já cabe folgado nas janelas antigas. Nesses cenários, aumentar o lookback só adiciona conversões tardias de baixa relação causal com a campanha, poluindo a análise. A regra é simples: mude a janela porque os dados pedem, não porque a opção existe.

O que fica em aberto

A fonte não detalha se a mudança afeta retroativamente dados históricos ou apenas o que for coletado daqui pra frente, um ponto crítico para quem mantém séries longas de comparação. Também não há menção a como isso se comporta em contas com consentimento parcial (relevante sob a LGPD↳LGPD14 conteúdosComo utilizar a LGPD com o objetivo de conformidade e inovação?Gestão Dev & TI · out 2021LGPD coloca pressão inédita nos responsáveis pela tecnologia das empresasData · ago 2021Proteção de dados: LGPD é sancionada e começa a valerData · set 2020Ver tudo em Gestão Dev & TI →, onde parte do tráfego já roda com modelagem em vez de dado observado). Vale acompanhar o rollout e testar em uma propriedade secundária antes de aplicar na conta principal. No fim, a melhoria dá mais controle a quem mede, e controle, em análise de dados↳Engenharia de dados43 conteúdosResolvendo desafios de Big Data com Ciência de Dados na UberData · abr 2019Análise de dados com Python e tabelas dinâmicas com PandasData · mai 2019Ferramentas para análise de dados são cada vez mais fundamentais para auxiliar pessoas desenvolvedorasData · jun 2024Ver tudo em Data →, sempre vem acompanhado da responsabilidade de justificar cada escolha.

Fonte: Search Engine Land