O que é Time Decay?
Time decay, também chamado de decaimento temporal ou atribuição time decay, é um modelo de atribuição que dá mais crédito aos pontos de contato mais próximos da conversão. Quanto mais recente o toque, maior a fatia de mérito que ele recebe.
O modelo parte de uma premissa simples: interações recentes tendem a pesar mais na decisão de compra. Um anúncio clicado uma hora antes da conversão provavelmente influenciou mais do que um post visto três semanas atrás. O time decay traduz essa intuição em uma curva matemática de decaimento.
Dentro dos modelos de atribuição, o time decay ocupa um meio-termo. Ele reconhece a jornada multitoque inteira, como o modelo linear, e ao mesmo tempo concentra crédito no fim da jornada, como o last click, preservando alguma fatia para os demais toques.
Como funciona na prática?
A implementação clássica usa meia-vida (half-life). Com meia-vida de 7 dias, um toque ocorrido 7 dias antes da conversão vale metade do peso de um toque no dia da conversão. Um toque de 14 dias atrás vale um quarto. A ferramenta calcula o peso de cada interação, soma tudo e distribui o crédito proporcionalmente.
Exemplo hipotético: uma venda de R$ 1.000 teve três toques, um anúncio 14 dias antes, um e-mail 7 dias antes e uma busca paga no dia da compra. Com meia-vida de 7 dias, os pesos ficam 0,25, 0,5 e 1. A busca recebe cerca de R$ 571, o e-mail R$ 286 e o anúncio R$ 143.
Time Decay vs Atribuição Linear: qual a diferença?
| Aspecto | Time Decay | Atribuição Linear |
|---|---|---|
| Peso dos toques | Cresce conforme a proximidade da conversão | Igual para todos |
| Premissa | Recência influencia a decisão | Todos os toques valem o mesmo |
| Canais de fechamento | Ganham mais crédito | Recebem o mesmo que os demais |
| Parâmetro configurável | Meia-vida do decaimento | Nenhum |
Veredito: o time decay pondera o crédito pela recência, enquanto a atribuição linear divide tudo em partes iguais.
Exemplos de uso
- Um SaaS com ciclo de vendas de 30 dias usa time decay para equilibrar o crédito dos canais de descoberta: o webinar do início da jornada mantém crédito, e a demonstração agendada na última semana pesa mais (exemplo hipotético).
- Um e-commerce em Black Friday adota time decay para medir campanhas de remarketing, que atuam perto da compra, preservando o papel dos anúncios de aquecimento de novembro.
- Uma consultoria replica o modelo em planilha, aplicando pesos de meia-vida sobre os toques exportados, para comparar com o relatório last click.
Erros comuns
- Escolher a meia-vida sem olhar o ciclo de compra real do negócio, distorcendo os pesos.
- Usar time decay em jornadas muito curtas, onde ele praticamente vira last click.
- Concluir que canais de topo de funil “não funcionam” porque recebem crédito menor por definição do modelo.
- Comparar períodos medidos com meias-vidas diferentes sem registrar a mudança.
Perguntas frequentes sobre Time Decay
Para que tipo de negócio o time decay faz sentido?
O time decay se encaixa em negócios com ciclos de compra médios ou longos, nos quais vários canais atuam em momentos diferentes. Ele ajuda a valorizar ações de fundo de funil, como remarketing e e-mail de oferta, mantendo alguma visibilidade para os canais que iniciaram a jornada.
O que significa meia-vida no time decay?
Meia-vida é o intervalo de tempo em que o peso de um toque cai pela metade. Com meia-vida de 7 dias, uma interação de uma semana atrás vale 50% de uma interação de hoje. Ciclos de venda longos pedem meias-vidas maiores; ciclos curtos pedem meias-vidas menores.
Qual a diferença entre time decay e atribuição baseada em dados?
Os dois modelos respondem a necessidades diferentes. O time decay aplica uma regra fixa e transparente, fácil de explicar e replicar. A atribuição baseada em dados calcula pesos por algoritmo, com base no comportamento real das jornadas, e exige volume de conversões para funcionar bem.