Resposta direta: não deixe um único campo de “origem do lead” decidir quatro perguntas diferentes. O CRM deve preservar, separadamente, a proveniência observada, as interações que influenciaram a jornada, a regra interna de crédito e a evidência causal sobre o que gerou resultado incremental. A IA pode classificar evidências, encontrar conflitos e resumir a história. Ela não deve reescrever eventos observados, escolher vencedores sem política explícita nem transformar correlação em causalidade. Quando marketing, vendas e um parceiro reivindicam a mesma oportunidade, a resposta correta pode ser: os três contribuíram de formas diferentes.
A confusão parece semântica, mas move orçamento, comissão, MDF, headcount e prioridade de canal. Um formulário pode registrar busca orgânica; um parceiro pode ter feito a apresentação; uma campanha pode ter nutrido o contato; e um executivo de vendas pode ter criado a oportunidade. Se o CRM guarda apenas “Partner”, “Organic” ou “Sales”, cada equipe recebe uma narrativa simples e a empresa perde a trilha que permitiria decidir. Antes de automatizar atribuição ou otimizar mídia, conecte campanhas com identidades estáveis conforme https://makinai.co/insights/pt/identidade-canonica-campanhas-midia-analytics-crm-ia e preserve o resultado comercial no loop de receita de https://makinai.co/insights/pt/ia-feedback-crm-plataformas-midia-leads-receita.
Quatro camadas que não devem virar uma só
- Proveniência observada — o que foi realmente registrado: criação do contato ou negócio, primeiro e último sinal digital conhecido, declaração do comprador, indicação do parceiro, criação manual e timestamps.
- Influência — quais campanhas, conteúdos, conversas, eventos ou pessoas tocaram a conta antes e depois da abertura da oportunidade.
- Crédito — a convenção gerencial usada para orçamento, metas ou remuneração, com versão, vigência e justificativa.
- Causalidade — evidência de que uma ação mudou o resultado em comparação com o que ocorreria sem ela, normalmente por experimento ou desenho quase experimental.
HubSpot distingue Original Traffic Source, Latest Traffic Source e Record Source. Também documenta que propriedades de tráfego de um negócio podem vir de contatos associados. Isso é útil, mas deixa claro por que a associação não é prova de origem causal. Salesforce documenta que o modelo padrão de Primary Campaign Source pode atribuir 100% de influência à campanha principal, enquanto modelos customizáveis distribuem influência de outras formas. O Google Analytics chama atribuição de distribuição de crédito entre touchpoints e oferece caminhos para comparar modelos. São semânticas de sistemas; nenhuma resolve sozinha a verdade comercial da empresa.
Implemente o Livro de Evidências da Origem da Oportunidade
O livro é um objeto lógico ligado à oportunidade, não mais uma planilha de disputa. Cada linha registra um fato ou uma decisão. Preserve o ID da oportunidade, conta e contatos associados; tipo de evento; fonte nativa; timestamp; campanha ou parceiro; texto declarado pelo comprador; método de captura; sistema de origem; nível de confiança; responsável; data de correção e histórico. Não sobrescreva o valor antigo quando surgir evidência melhor: encerre a vigência, acrescente a nova linha e registre o motivo.
Classifique cada registro como determinístico, declarado, inferido ou desconhecido. Determinístico exige ID e evento verificáveis. Declarado mantém as palavras do comprador e a pergunta usada. Inferido exige método, versão e confiança. Desconhecido é um estado válido; não o preencha com o canal mais conveniente. A IA pode normalizar nomes de parceiros, vincular uma campanha a seu ID canônico e sugerir duplicidades, mas a transformação precisa deixar rastros. Se um modelo alterar a classificação, guarde entrada, saída, versão, confiança e aprovação.
O livro também mantém uma tabela de política de crédito: “primary source”, “sourced by”, “influenced by” e percentuais, se usados, devem apontar para uma regra versionada. A regra pode priorizar indicação aceita antes da criação, separar sourced pipeline de influenced pipeline ou dividir crédito gerencial. Isso é legítimo desde que apareça como decisão, não como fato bruto. Para ecossistemas de distribuidores, preserve SLA, aceitação, devolução e resultado como no loop de parceiros de https://makinai.co/insights/pt/ia-leads-distribuidores-parceiros-loop-feedback-receita.
Resolva conflitos por evidência, não por hierarquia
Defina gates. Um parceiro só pode reivindicar origem se houver referral ID, conta, contato, data e aceite anteriores ao estágio acordado. Marketing só pode reivindicar fonte observada se campanha, identidade e evento estiverem reconciliados. Vendas pode registrar origem declarada, mas deve manter a frase do comprador e a data. Registros posteriores não apagam fatos anteriores. Quando duas evidências determinísticas entram em conflito, a oportunidade vai para uma fila com owner e SLA; quando evidência é parcial, permanece “mista” ou “não resolvida”.
Considere uma compradora que pesquisou o problema organicamente, foi apresentada por um parceiro, participou de um webinar e respondeu ao contato de uma executiva de contas. O primeiro sinal digital é orgânico. A apresentação é uma indicação. O webinar e a conversa influenciam a progressão. A política pode dar crédito primário ao parceiro, ou compartilhar crédito gerencial, sem apagar os demais fatos. Um teste de holdout ou desenho incremental pode depois avaliar o efeito do webinar; nenhum modelo multitouch substitui esse teste. O relatório de caminhos do Google Analytics ajuda a ver iniciadores, assistentes e fechadores, mas visibilidade de caminho continua diferente de causalidade.
Faça um piloto de seis semanas
Semana 1: escolha um segmento, um tipo de oportunidade e uma janela de análise; amostre 50 a 100 negócios abertos, ganhos e perdidos. Semana 2: inventarie campos, regras, campanhas, fontes, associações, parceiros e relatórios que consomem “origem”. Semana 3: crie o esquema do livro, níveis de confiança e política de não sobrescrita. Semana 4: reconstrua a história da amostra, compare com o crédito atual e abra uma fila de conflitos. Semana 5: rode em shadow mode sem alterar comissões ou orçamento. Semana 6: revise com Marketing Ops, RevOps, Vendas, Parcerias, Finanças e Analytics; aprove apenas os usos que atingiram cobertura e confiabilidade combinadas.
Não use uma taxa isolada como gate. Meça cobertura de IDs, eventos com timestamp, oportunidades com conta e contatos coerentes, indicações com evidência, conflitos por 100 oportunidades, tempo de resolução, correções após fechamento e diferença entre origem observada e crédito publicado. Meça separadamente influência e resultado maduro. O custo cresce com quantidade de objetos do CRM, fontes de campanha, regiões, regras de parceiros, históricos legados, qualidade de identidade, relatórios customizados e revisão manual. Licença raramente é o principal driver.
Use a saída para decisões honestas
O dashboard executivo deve permitir quatro leituras: fatos observados, contribuição potencial, crédito pela política vigente e efeito causal quando disponível. Não some percentuais de modelos diferentes. Não compare pipeline com receita madura sem declarar a defasagem. Não atribua tráfego direto ao canal anterior por conveniência. E não deixe o algoritmo aprender com um campo de crédito como se fosse verdade observada: ele apenas reproduzirá a política e parecerá confirmá-la.
Marketing Ops responde por taxonomia e campanha; RevOps, por relações entre contato, conta e oportunidade; Vendas, por evidência declarada e correções; Parcerias, por indicação e aceite; Finanças, por valor maduro; Analytics, por atribuição e experimentos; o sponsor, pela política de crédito. A cadeia de medição comercial em https://makinai.co/insights/pt/mensurar-visibilidade-busca-ia-pipeline-geo mostra por que sinais de descoberta, leads, pipeline e receita precisam continuar separados.
Se essa disputa já afeta orçamento ou confiança no CRM, leve à MAKINAI em https://makinai.co/services/pt/agencia-marketing-digital-midia-performance-growth uma amostra de 50 oportunidades, os campos atuais, o mapa de campanhas e as regras de parceiros. Podemos delimitar o livro de evidências e o piloto sem prometer uma “fonte verdadeira” que os dados não conseguem sustentar.