Por que Atribuição de Último Clique Está Destruindo Orçamentos de Brand

Além da Publicidade

TL;DR

Atribuição de último clique superestima o papel de search e performance em até 10 vezes, segundo pesquisa do ROI Genome da Analytic Partners com centenas de bilhões em investimento global. Para cada $25 milhões otimizados sob essa lógica, a marca perde $50 milhões em valor. O modelo ignora 30% dos cliques de search gerados por outras mídias, penaliza brand building e empurra orçamentos para canais que convertem quem compraria de qualquer forma. A alternativa existe: Marketing Mix Modeling. A questão é se sua empresa tem coragem de abandonar a planilha confortável.

O caso que quebra a ilusão

Em 2012, o eBay parou de comprar anúncios de busca paga para sua própria marca. Desligou tudo. Palavras-chave como "eBay", "eBay sapatos", "comprar no eBay". O time de marketing entrou em pânico. O modelo de atribuição previa catástrofe.

Quase nada aconteceu.

Thomas Blake, Chris Nosko e Steven Tadelis, três economistas com acesso aos dados internos, publicaram os resultados na Econometrica em 2015. A maioria esmagadora dos cliques pagos em termos de marca simplesmente migrou para resultados orgânicos. Os consumidores que digitavam "eBay" no Google já queriam ir ao eBay. O anúncio pago estava cobrando pela intenção que já existia.

O modelo de atribuição de último clique contava outra história. Na planilha, search pago aparecia como responsável por milhões em receita. Na realidade, estava cobrando pedágio numa estrada que o consumidor percorreria de qualquer forma.

10x O quanto métricas de último clique superestimam o papel de search e display, segundo pesquisa da Analytic Partners com centenas de bilhões em investimento

Como funciona a armadilha

Atribuição de último clique faz algo simples: identifica o último ponto de contato antes da compra e entrega todo o crédito a ele. Se o consumidor viu um comercial de TV, escutou um spot de rádio, viu um post no Instagram, e finalmente clicou num anúncio de Google, o modelo diz: Google fez a venda.

Les Binet, head de efetividade da adam&eveDDB e econometrista de formação, compara isso a medir a eficácia de um restaurante pela porta de entrada. Se 25% dos clientes entram pela porta oeste, o modelo conclui que a porta oeste é responsável por 25% das vendas. Mas se você fechar essa porta, os clientes simplesmente entram por outra. A porta nunca gerou demanda. Só capturou o tráfego de quem já decidiu entrar.

Esse é o problema fundamental. O último clique captura conversão, mas confunde captura com geração. E quando você otimiza para captura, mata os investimentos que geram a demanda original.

"Se você diz que um anúncio gerou um milhão em vendas, a resposta real pode ser qualquer coisa entre zero e um milhão. Parece científico, parece preciso, e é extremamente duvidoso." Les Binet, The Drum (2023)

Os quatro vieses que ninguém audita

1. O viés da imediatidade

O modelo assume que publicidade eficiente converte imediatamente. Binet e Peter Field documentaram com dados do IPA Databank que os efeitos de brand building se acumulam ao longo de meses e anos, com pico de retorno entre 6 meses e 3 anos após a campanha. Atribuição de último clique simplesmente desconhece tudo o que acontece fora da janela de conversão. Se o consumidor viu uma campanha, formou uma impressão, e comprou seis meses depois buscando a marca no Google, o search leva o crédito. O brand building fica invisível.

2. O viés do canal mensurável

Canais digitais geram dados granulares. TV, rádio, outdoor, PR geram impacto real e dados precários. O modelo naturalmente favorece o que consegue rastrear, independente do que funciona. Pesquisa da Analytic Partners revela que 30% dos cliques em busca paga existem por causa de atividades em outras mídias. TV linear e display digital foram os maiores geradores de cliques em search. Rádio, social e vídeo digital completam o quadro. O consumidor assiste a um comercial, busca a marca, clica. Quem leva o crédito na planilha? O clique.

3. O viés da seleção

Lewis e Rao analisaram 25 experimentos de campo envolvendo $2,8 milhões em gastos com publicidade digital e publicaram na Quarterly Journal of Economics em 2015. A conclusão era devastadora: o viés de seleção, causado pela natureza direcionada da publicidade, tornava métodos observacionais praticamente inúteis para medir incrementalidade real. Quem vê anúncios de retargeting já visitou o site. Quem clica em search de marca já queria a marca. A atribuição conta como conversão gerada o que era conversão inevitável.

30% Dos cliques em busca paga são gerados por atividades em outras mídias, segundo pesquisa da Analytic Partners

4. O viés do curto prazo

O IPA Effectiveness Databank, o maior banco de dados de efetividade publicitária do mundo, mostra uma tendência clara: a proporção de campanhas orientadas para curto prazo subiu drasticamente após 2010. Peter Field documentou que a efetividade criativa caiu ao menor nível em 24 anos de análise. A razão principal? Marcas estão otimizando para ativação porque a planilha de atribuição premia ativação. Quem otimiza para o que o modelo consegue medir acaba otimizando para o que menos importa no longo prazo.

A conta que o CFO precisa ver

A Analytic Partners calculou o custo real do viés. Em pesquisa do ROI Genome analisando centenas de bilhões de dólares em investimento publicitário globalmente, a conclusão: para cada $25 milhões investidos com otimização baseada em último clique, a marca média perde $50 milhões em valor.

Leia de novo. Perde o dobro do que investe.

O mecanismo é direto. Último clique empurra orçamento para search e retargeting (canais que convertem quem compraria de qualquer forma) e retira orçamento de TV, vídeo e display (canais que geram demanda nova). O resultado é uma marca que parece eficiente na planilha enquanto perde participação de mercado no mundo real.

O paradoxo performance vs. brand

A Analytic Partners documentou que brand marketing supera performance marketing em 80% dos casos quando se mede impacto real sobre vendas. Métricas como último clique e modelos simplistas de atribuição usados para medir performance são ferramentas binárias que ignoram o impacto de outros fatores, de marketing e de fora do marketing.

Binet e Field propõem a proporção 60/40: 60% brand building, 40% ativação. Dados do IPA Databank com milhares de campanhas sustentam a recomendação. Marcas que seguem essa proporção obtêm os maiores efeitos de negócio de longo prazo.

O experimento mental de Binet

Binet propõe um exercício: imagine que sua empresa gasta em Reddit por dois meses e recebe menos leads do que esperava. O modelo de atribuição declara fracasso. Mas o que acontece se milhares de pessoas viram os anúncios, fizeram uma nota mental, e voltam a procurar sua marca em seis meses, doze meses? No setor B2B, ciclos de compra de um ano são normais.

Atribuição digital simplesmente apaga da memória tudo o que acontece fora da janela de rastreamento. E cada vez que um cookie expira, um bloqueador de anúncios ativa, ou um consumidor troca de dispositivo, a janela fica menor.

Hoje, 43% dos usuários utilizam bloqueadores que também impedem scripts como o Google Analytics de funcionar. A atualização do iOS 14 da Apple interrompeu rastreamento em dispositivos móveis. O fim dos cookies de terceiros continua avançando. O modelo de atribuição digital está ficando cego, e a indústria continua usando os mesmos números para tomar decisões de milhões.

O que o eBay ensina sobre search pago

Blake, Nosko e Tadelis foram além dos termos de marca no experimento do eBay. Testaram também palavras-chave genéricas. Os resultados foram menos drásticos, mas a direção era a mesma: o retorno sobre investimento de search pago era significativamente menor do que a atribuição sugeria.

Para consumidores que já conheciam o eBay (a maioria), o anúncio pago em termos genéricos tinha efeito marginal. O incremento real vinha de consumidores novos, menos familiarizados com a marca. O modelo de atribuição tratava todos os cliques como iguais. O experimento controlado revelou que a maioria era redundante.

Esse achado dialoga diretamente com o trabalho de Byron Sharp. Marcas crescem primariamente por penetração, conquistando novos compradores. Se o modelo de atribuição superestima canais que convertem compradores existentes e subestima canais que alcançam compradores novos, ele produz exatamente o oposto do que uma marca precisa para crescer.

Contextual bate hyper-targeting

Aqui a evidência se torna contraintuitiva. A mesma pesquisa do ROI Genome que documenta o viés de último clique também revela que targeting contextual é 1,2 a 2,5 vezes mais eficiente que hyper-targeting baseado em dados de primeira parte, a custo similar.

A lógica é consistente. Hyper-targeting alcança os mesmos suspeitos habituais com alta probabilidade de conversão (e que provavelmente converteriam de qualquer forma). Targeting contextual coloca a marca na frente de audiências novas engajadas com conteúdo relevante. Um gera conversão incremental. O outro gera relatório bonito.

E qual dos dois a atribuição de último clique favorece? Hyper-targeting, naturalmente. Porque converte rápido, porque gera o clique que o modelo rastreia, porque produz o número que vai na reunião de diretoria.

A alternativa existe (e exige coragem)

Marketing Mix Modeling mede o efeito incremental de cada canal controlando as variáveis que atribuição ignora: sazonalidade, preço, distribuição, ações da concorrência, efeitos de longo prazo. Trabalha com dados agregados, dispensando rastreamento individual. Funciona no mundo pós-cookies com a mesma precisão de antes.

Google lançou o Meridian. Meta lançou o Robyn. As duas maiores plataformas de publicidade digital do planeta investiram em ferramentas open-source de MMM. Por que fariam isso? Porque sabem que atribuição de último clique superestima seus próprios canais de performance e subestima o ecossistema que gera a demanda. E sabem que quando as marcas descobrirem, vão querer respostas melhores.

O problema é que MMM exige investimento, exige dados históricos, exige capacidade analítica, exige paciência para esperar resultados que não cabem num dashboard de tempo real. E exige algo mais raro: coragem para questionar os números que toda a organização confia.

"Atribuição modelada superestima o ROI de comunicações de resposta direta e subestima o ROI de comunicações de marca. Se você seguir os dados de atribuição, acaba fazendo só coisas de curto prazo." Les Binet, The Drum (2023)

O ciclo destrutivo

O dano se acumula em espiral. Marca otimiza para último clique. Corta brand building. Performance de curto prazo parece estável. Marca perde saliência. Novos consumidores param de entrar no funil. Performance começa a cair. Empresa compensa comprando mais search e retargeting. O CPM sobe porque a marca está competindo por audiências menores. O ROI aparente cai. Mais cortes em brand. Mais dependência de performance. Mais custo por aquisição. Menos margem.

Binet chama isso de "espiral de morte da efetividade". O IPA Databank confirma: a proporção de campanhas orientadas exclusivamente para ativação subiu vertiginosamente, e a efetividade média despencou. Marcas que investem na proporção 60/40 de brand-to-activation continuam gerando os maiores efeitos de negócio. Marcas que seguem a planilha de atribuição entram na espiral.

Diagnóstico: seu orçamento está preso no último clique?

Mais de 60% do orçamento de mídia vai para search pago e retargeting?
Decisões de canal são tomadas exclusivamente com base em CPA ou ROAS por último clique?
TV, vídeo e awareness são classificados como "custo" em vez de "investimento"?
A empresa mede "eficiência" por canal sem considerar efeitos cruzados entre canais?
Brand health (awareness, consideração, saliência) é medido separadamente das métricas de performance, ou simplesmente ignorado?
O ciclo de análise é menor que 3 meses?
Nenhum teste de incrementalidade controlado foi conduzido no último ano?

Se marcou quatro ou mais, seu orçamento provavelmente está subsidiando conversões que aconteceriam de qualquer forma enquanto a marca perde a capacidade de gerar demanda futura.

O que fazer amanhã

Primeiro: pare de tratar último clique como verdade. Trate como hipótese. Uma hipótese que centenas de bilhões em dados dizem estar errada.

Segundo: conduza pelo menos um teste de incrementalidade por trimestre. Pause um canal por região geográfica, meça o impacto real nas vendas, compare com o que a atribuição previa. O gap entre os dois números é o tamanho do problema.

Terceiro: explore Marketing Mix Modeling. O Google Meridian e o Meta Robyn são open-source. O investimento inicial compensa na primeira rodada de rebalanceamento que eles possibilitam.

Quarto: proteja brand building com budget ringfenced. Se brand depende de aprovação trimestral baseada em atribuição digital, brand perde todo trimestre. Separe o orçamento. Meça com métricas de brand health. Avalie em ciclos de 12 meses, no mínimo.

A planilha de último clique vai continuar mostrando que search e retargeting são os canais mais eficientes. Vai continuar mostrando que brand building "não gera retorno". Vai continuar destruindo valor. A questão é quanto tempo mais você vai deixar.

Referências

Estudos e Pesquisas

Blake, T., Nosko, C. & Tadelis, S. (2015). Consumer Heterogeneity and Paid Search Effectiveness: A Large-Scale Field Experiment. Econometrica, 83(1), 155-174.
Lewis, R. & Rao, J. (2015). The Unfavorable Economics of Measuring the Returns to Advertising. Quarterly Journal of Economics, 130(4), 1941-1973.
Binet, L. & Field, P. (2013). The Long and the Short of It: Balancing Short and Long-Term Marketing Strategies. IPA.
Field, P. (2019). The Crisis in Creative Effectiveness. IPA.
Analytic Partners. ROI Genome Intelligence Reports (2022-2026). analyticpartners.com

Frameworks e Ferramentas

Google Meridian. Marketing Mix Model open-source. github.com/google/meridian
Meta Robyn. Marketing Mix Modeling open-source. github.com/facebookexperimental/Robyn
Sharp, B. (2010). How Brands Grow. Oxford University Press.

Entrevistas e Cobertura

Scott, S. (2023). Digital Attribution is Dead! Les Binet Tells Us Why. The Drum.
Analytic Partners (2025). Marketing's Last-Click Obsession is Undermining ROI. analyticpartners.com
Analytic Partners (2022). Brand Marketing Outperforms Performance Marketing 80% of Time. Adweek.

Diego Isaac escreve sobre estratégia de marca com base em evidência. Economista comportamental por formação, estrategista por escolha.

Beyond Advertising

TL;DR

Last-click attribution overestimates the role of search and performance by up to 10x, according to Analytic Partners' ROI Genome research analyzing hundreds of billions in global ad spend. For every $25 million optimized under this logic, the average brand loses $50 million in value. The model ignores 30% of search clicks generated by other media, punishes brand building, and pushes budgets toward channels that convert people who would have bought anyway. The alternative exists: Marketing Mix Modeling. The question is whether your company has the courage to abandon the comfortable spreadsheet.

The case that shatters the illusion

In 2012, eBay stopped buying paid search ads for its own brand. Shut everything down. Keywords like "eBay," "eBay shoes," "buy on eBay." The marketing team panicked. The attribution model predicted disaster.

Almost nothing happened.

Thomas Blake, Chris Nosko, and Steven Tadelis, three economists with access to internal data, published the results in Econometrica in 2015. The overwhelming majority of paid clicks on brand terms simply migrated to organic results. Consumers typing "eBay" into Google already wanted to go to eBay. The paid ad was charging for intent that already existed.

The last-click attribution model told a different story. In the spreadsheet, paid search appeared responsible for millions in revenue. In reality, it was collecting tolls on a road the consumer would have traveled anyway.

10x How much last-click metrics overestimate the role of search and display, according to Analytic Partners research across hundreds of billions in ad spend

How the trap works

Last-click attribution does something simple: it identifies the last touchpoint before purchase and gives it all the credit. If a consumer saw a TV commercial, heard a radio spot, saw an Instagram post, and finally clicked a Google ad, the model says: Google made the sale.

Les Binet, head of effectiveness at adam&eveDDB and an econometrician by training, compares this to measuring a restaurant's effectiveness by its entrance doors. If 25% of customers enter through the west door, the model concludes the west door is responsible for 25% of sales. But if you close that door, customers simply walk around to another one. The door never generated demand. It only captured traffic from people who had already decided to enter.

This is the fundamental problem. The last click captures conversion but confuses capture with generation. And when you optimize for capture, you kill the investments that generate the original demand.

"If you say this ad generates a million in sales, the true answer could be anything between zero to a million. It looks very scientific, it looks very precise, and it's extremely unreliable." Les Binet, The Drum (2023)

The four biases nobody audits

1. The immediacy bias

The model assumes effective advertising converts immediately. Binet and Peter Field documented with IPA Databank data that brand-building effects accumulate over months and years, with peak returns between 6 months and 3 years after the campaign. Last-click attribution simply ignores everything that happens outside the conversion window. If a consumer saw a campaign, formed an impression, and bought six months later by searching the brand on Google, search gets the credit. Brand building becomes invisible.

2. The measurable channel bias

Digital channels generate granular data. TV, radio, out-of-home, and PR generate real impact and poor data. The model naturally favors what it can track, regardless of what works. Analytic Partners research reveals that 30% of paid search clicks exist because of activities in other media. Linear TV and digital display were the biggest generators of search clicks, followed by radio, social, and digital video. The consumer watches a commercial, searches the brand, clicks. Who gets the credit in the spreadsheet? The click.

3. The selection bias

Lewis and Rao analyzed 25 field experiments involving $2.8 million in digital advertising spend and published in the Quarterly Journal of Economics in 2015. The conclusion was devastating: selection bias, caused by the targeted nature of advertising, made observational methods practically useless for measuring real incrementality. Those who see retargeting ads already visited the site. Those who click on brand search already wanted the brand. Attribution counts as generated conversion what was inevitable conversion.

30% Of paid search clicks are generated by activities in other media, according to Analytic Partners research

4. The short-term bias

The IPA Effectiveness Databank, the world's largest advertising effectiveness database, shows a clear trend: the proportion of short-term-oriented campaigns rose dramatically after 2010. Peter Field documented that creative effectiveness fell to its lowest level in 24 years of analysis. The main reason? Brands are optimizing for activation because the attribution spreadsheet rewards activation. When you optimize for what the model can measure, you end up optimizing for what matters least in the long run.

The math the CFO needs to see

Analytic Partners calculated the real cost of the bias. In ROI Genome research analyzing hundreds of billions of dollars in global advertising investment, the conclusion: for every $25 million invested with last-click-based optimization, the average brand loses $50 million in value.

Read that again. Loses double what it invests.

The mechanism is straightforward. Last click pushes budget toward search and retargeting (channels that convert people who would buy anyway) and pulls budget from TV, video, and display (channels that generate new demand). The result is a brand that looks efficient on the spreadsheet while losing market share in the real world.

The performance vs. brand paradox

Analytic Partners documented that brand marketing outperforms performance marketing in 80% of cases when real sales impact is measured. Metrics like last click and simplistic attribution models used to measure performance are crude, binary tools that ignore the impact of other marketing and non-marketing factors.

Binet and Field propose the 60/40 ratio: 60% brand building, 40% activation. IPA Databank data from thousands of campaigns supports the recommendation. Brands following this ratio achieve the largest long-term business effects.

Binet's thought experiment

Binet proposes an exercise: imagine your company spends on Reddit for two months and receives fewer leads than expected. The attribution model declares failure. But what happens if thousands of people saw the ads, made a mental note, and come looking for your brand in six months, twelve months? In B2B, one-year buying cycles are normal.

Digital attribution simply erases from memory everything that happens outside the tracking window. And every time a cookie expires, an ad blocker activates, or a consumer switches devices, the window shrinks.

Today, 43% of users run blockers that also prevent scripts like Google Analytics from functioning. Apple's iOS 14 update disrupted mobile device tracking. The end of third-party cookies continues advancing. The digital attribution model is going blind, and the industry keeps using the same numbers to make million-dollar decisions.

What eBay teaches about paid search

Blake, Nosko, and Tadelis went beyond brand terms in the eBay experiment. They also tested generic keywords. Results were less dramatic, but the direction was the same: paid search ROI was significantly lower than attribution suggested.

For consumers who already knew eBay (the majority), paid ads on generic terms had marginal effect. Real incremental gains came from new consumers, less familiar with the brand. The attribution model treated all clicks equally. The controlled experiment revealed that most were redundant.

This finding connects directly with Byron Sharp's work. Brands grow primarily through penetration, by winning new buyers. If the attribution model overestimates channels that convert existing buyers and underestimates channels that reach new buyers, it produces exactly the opposite of what a brand needs to grow.

Contextual beats hyper-targeting

Here the evidence becomes counterintuitive. The same ROI Genome research that documents last-click bias also reveals that contextual targeting is 1.2 to 2.5 times more efficient than hyper-targeting based on first-party data, at similar cost.

The logic is consistent. Hyper-targeting reaches the same usual suspects with high conversion probability (who would likely convert anyway). Contextual targeting places the brand in front of new audiences engaged with relevant content. One generates incremental conversion. The other generates a pretty report.

And which one does last-click attribution favor? Hyper-targeting, naturally. Because it converts quickly, because it generates the click the model tracks, because it produces the number that goes to the board meeting.

The alternative exists (and requires courage)

Marketing Mix Modeling measures the incremental effect of each channel while controlling for the variables attribution ignores: seasonality, price, distribution, competitive actions, long-term effects. It works with aggregate data, dispensing with individual tracking. It works in the post-cookie world with the same precision as before.

Google launched Meridian. Meta launched Robyn. The two largest digital advertising platforms on the planet invested in open-source MMM tools. Why would they do that? Because they know last-click attribution overestimates their own performance channels and underestimates the ecosystem that generates demand. And they know that when brands find out, they'll want better answers.

The problem is that MMM requires investment, requires historical data, requires analytical capability, requires patience for results that don't fit in a real-time dashboard. And it requires something rarer: the courage to question the numbers the entire organization trusts.

"Attribution modeling overestimates the ROI from direct response communications and underestimates the ROI from brand communications. If you just follow the attribution data, you end up just doing short-term stuff." Les Binet, The Drum (2023)

The destructive cycle

The damage accumulates in a spiral. Brand optimizes for last click. Cuts brand building. Short-term performance appears stable. Brand loses salience. New consumers stop entering the funnel. Performance begins to decline. Company compensates by buying more search and retargeting. CPM rises because the brand is competing for smaller audiences. Apparent ROI drops. More brand cuts. More performance dependency. Higher cost per acquisition. Lower margin.

Binet calls this the "effectiveness death spiral." The IPA Databank confirms: the proportion of campaigns oriented exclusively toward activation has surged, and average effectiveness has plummeted. Brands that invest in the 60/40 brand-to-activation ratio continue generating the largest business effects. Brands that follow the attribution spreadsheet enter the spiral.

Diagnosis: is your budget trapped in last click?

More than 60% of media budget goes to paid search and retargeting?
Channel decisions are made exclusively based on last-click CPA or ROAS?
TV, video, and awareness are classified as "cost" rather than "investment"?
The company measures channel "efficiency" without considering cross-channel effects?
Brand health (awareness, consideration, salience) is measured separately from performance metrics, or simply ignored?
The analysis cycle is shorter than 3 months?
No controlled incrementality test was conducted in the past year?

If you checked four or more, your budget is probably subsidizing conversions that would happen anyway while the brand loses its ability to generate future demand.

What to do tomorrow

First: stop treating last click as truth. Treat it as hypothesis. A hypothesis that hundreds of billions in data says is wrong.

Second: run at least one incrementality test per quarter. Pause one channel by geographic region, measure real sales impact, compare with what attribution predicted. The gap between the two numbers is the size of the problem.

Third: explore Marketing Mix Modeling. Google's Meridian and Meta's Robyn are open-source. The initial investment pays off in the first rebalancing round they enable.

Fourth: protect brand building with a ringfenced budget. If brand depends on quarterly approval based on digital attribution, brand loses every quarter. Separate the budget. Measure with brand health metrics. Evaluate in 12-month cycles at minimum.

The last-click spreadsheet will keep showing that search and retargeting are the most efficient channels. It will keep showing that brand building "doesn't generate returns." It will keep destroying value. The question is how much longer you'll let it.

References

Studies and Research

Blake, T., Nosko, C. & Tadelis, S. (2015). Consumer Heterogeneity and Paid Search Effectiveness: A Large-Scale Field Experiment. Econometrica, 83(1), 155-174.
Lewis, R. & Rao, J. (2015). The Unfavorable Economics of Measuring the Returns to Advertising. Quarterly Journal of Economics, 130(4), 1941-1973.
Binet, L. & Field, P. (2013). The Long and the Short of It: Balancing Short and Long-Term Marketing Strategies. IPA.
Field, P. (2019). The Crisis in Creative Effectiveness. IPA.
Analytic Partners. ROI Genome Intelligence Reports (2022-2026). analyticpartners.com

Frameworks and Tools

Google Meridian. Open-source Marketing Mix Model. github.com/google/meridian
Meta Robyn. Open-source Marketing Mix Modeling. github.com/facebookexperimental/Robyn
Sharp, B. (2010). How Brands Grow. Oxford University Press.

Interviews and Coverage

Scott, S. (2023). Digital Attribution is Dead! Les Binet Tells Us Why. The Drum.
Analytic Partners (2025). Marketing's Last-Click Obsession is Undermining ROI. analyticpartners.com
Analytic Partners (2022). Brand Marketing Outperforms Performance Marketing 80% of Time. Adweek.

Diego Isaac writes about brand strategy based on evidence. Behavioral economist by training, strategist by choice.