​
O que é o Modelo de Markov?

O modelo de atribuição por Cadeias de Markov (ou apenas Markov) é uma forma avançada de entender o valor real de cada canal, campanha ou anúncio em jornadas de conversão. Diferente dos modelos tradicionais (First Click, Last Click, Linear, Time Decay, etc.), o Markov não distribui o crédito apenas com base em pontos fixos da jornada, mas sim na importância que cada interação tem dentro de todas as jornadas observadas. Em outras palavras: o Markov não olha só para “quem trouxe” ou “quem converteu”, mas para o impacto que cada interação tem quando está presente e quando está ausente.

​
Como o Markov é Calculado

O modelo de Markov na Nemu segue o método de efeito remoção:
  1. Mapeamos todas as jornadas: tanto as que resultaram em conversão quanto as que não resultaram.
  2. Simulamos a remoção de um canal/campanha/anúncio:
    • Retiramos a presença desse ponto das jornadas.
    • Calculamos como ficariam as taxas de conversão sem esse ponto.
  3. Comparamos com o cenário original:
    • Se a conversão cai, significa que esse canal teve papel fundamental.
    • Se não há impacto, significa que esse canal teve pouco ou nenhum papel na conversão.
  4. Atribuímos proporcionalmente o valor: a participação de cada canal é baseada no quanto ele realmente contribui para a conversão no todo.

​
Exemplo Prático

Imagine que temos as seguintes jornadas:
  • Usuário 1: Google → Meta → Conversão
  • Usuário 2: Orgânico → Meta → Conversão
  • Usuário 3: Google → Conversão
Se aplicarmos o efeito remoção em Meta:
  • As jornadas que passavam por Meta agora “perdem” esse passo.
  • O resultado mostra queda significativa nas conversões totais.

​
Conclusão

Meta desempenhou papel essencial na jornada (mesmo sem ser sempre o último clique).

​
Explicando para uma Criança

Pense que você está montando um quebra-cabeça. Cada peça ajuda a formar a figura final. O modelo de Markov testa o que acontece se você tirar uma peça: a figura ainda aparece ou fica incompleta? Assim sabemos quais peças são realmente importantes para completar o desenho.

​
Vantagens do Modelo Markov

  • Mede impacto real de cada canal.
  • Considera todo o caminho do usuário, não apenas início ou fim.
  • Ajuda a identificar canais de topo de funil que contribuem de forma invisível em outros modelos.
Exclusividade: Pouquíssimas plataformas oferecem esse nível de análise de forma acessível.