
OS 6 PARÂMETROS

EXEMPLOS REAIS

REGRAS E ERROS

O problema que UTMs resolvem
Imagine que você tem 50.000 visitas por mês no seu site e R$30.000 em receita gerada online. Sem rastreamento de origem, você sabe que o dinheiro chegou — mas não sabe de onde veio. Foi do Google Ads? Do post orgânico no Instagram? Da newsletter que enviou na terça? Da matéria que saiu no G1? Do email do afiliado? Sem essa informação, qualquer decisão de alocação de budget é baseada em intuição, não em dado. Você pode estar investindo R$20.000 num canal que gera R$3.000 e R$2.000 num canal que gera R$18.000 — e jamais vai descobrir.
UTM parameters — Urchin Tracking Module — são a solução para esse problema. Urchin era o nome da empresa de analytics que o Google adquiriu em 2005 e transformou no Google Analytics. O sistema de parâmetros que a Urchin usava para rastrear origem de tráfego sobreviveu e se tornou o padrão universal da web. Hoje, qualquer plataforma de analytics — GA4, Adobe Analytics, Mixpanel, Amplitude, RD Station — lê e processa UTMs.
O mecanismo é elegantemente simples: você adiciona parâmetros especiais à URL de destino de qualquer link que você cria fora do seu site. Quando alguém clica nesse link, os parâmetros são capturados pela plataforma de analytics e associados à sessão daquele visitante. Tudo que acontecer durante a sessão — páginas visitadas, eventos disparados, conversões realizadas — fica associado àquela origem específica. Você consegue responder, com precisão, qual campanha, canal e criativo gerou cada resultado.
Anatomia completa de uma URL com UTM
Uma URL com UTM tem a seguinte estrutura:
https://seusite.com.br/pagina-de-destino?utm_source=google&utm_medium=cpc&utm_campaign=black-friday-2025&utm_term=software-crm&utm_content=banner-topo-azul&utm_id=camp_bf25
Tudo antes do ? é a URL base — o endereço da página de destino. O ? é o separador que inicia a query string. Cada parâmetro é um par chave=valor. O & separa um parâmetro do próximo. A ordem dos parâmetros não importa tecnicamente para o funcionamento — o analytics lê todos independente da sequência — mas por convenção o padrão source → medium → campaign → term → content → id é o mais comum.
Se a URL base já contém uma query string (ex: https://site.com.br/busca?produto=crm), os parâmetros UTM são adicionados com & em vez de ?: https://site.com.br/busca?produto=crm&utm_source=google&utm_medium=cpc.
Caracteres especiais precisam ser URL-encoded: espaços viram %20 ou +, parênteses viram %28%29, & literais viram %26. Na prática, você nunca deve ter caracteres especiais em UTMs — a convenção é usar apenas letras minúsculas, números e hífens.
Os seis parâmetros em profundidade
utm_source — a origem
utm_source identifica a plataforma, o veículo ou o sistema que enviou o visitante. É a resposta à pergunta "de qual lugar veio esse clique?". Deve ser sempre o nome próprio da origem — não uma categoria, não uma descrição, mas o identificador específico da fonte.
A lógica de nomenclatura é: use o nome como a plataforma se chama, em lowercase. Google é google, não google-ads ou gads. Facebook é facebook, não meta ou fb. A newsletter da sua empresa é newsletter — ou, se você tiver múltiplas newsletters, você pode diferenciar: newsletter-semanal, newsletter-educacional. Um parceiro específico é identificado pelo nome: blog-parceiro-x, g1, folha-de-sp, hotmart.
Exemplos de valores canônicos de utm_source por tipo de canal:
Para mídia paga: google, bing, facebook, instagram, tiktok, linkedin, youtube, twitter, pinterest, tabola, outbrain.
Para email: newsletter, email, rdstation, klaviyo, hubspot — a escolha entre usar o nome da ferramenta ou o tipo de envio é de convenção interna; o mais importante é a consistência.
Para mídias sociais orgânicas: instagram, facebook, linkedin, twitter, tiktok, youtube — mesmo nome usado para paid; a diferença aparece no utm_medium.
Para parcerias e PR: o nome do veículo ou site parceiro — g1, exame, startups-com-br, blog-parceiro.
Para WhatsApp: whatsapp.
Para QR codes em materiais físicos: qrcode, evento-nome, folheto-offline.
utm_medium — o canal
utm_medium identifica o tipo ou categoria do canal de marketing — a mecânica de como o tráfego chegou. É a resposta à pergunta "por qual tipo de canal esse clique chegou?". Enquanto utm_source é específico (google, facebook), utm_medium é categórico (cpc, social).
A importância de utm_medium vai além do simples rastreamento: o GA4 usa os valores de utm_medium para agrupar sessões nos Canais padrão dos relatórios de aquisição. Existe uma tabela de mapeamento oficial do GA4 que converte pares source/medium em canais pré-definidos. Se você usar valores não reconhecidos, o GA4 agrupa a sessão em "Unassigned" ou "(other)" — o que polui seus relatórios e dificulta a análise.
Os valores canônicos reconhecidos pelo GA4 são: cpc (paid search, Google Ads, Bing), email (campanhas de email), social (redes sociais orgânicas e paid social quando configurado corretamente), organic (SEO — atribuído automaticamente pelo GA4 via detecção de referrer de buscador, não precisa de UTM), display (banners e display programático), affiliate (afiliados), referral (visitas de links em outros sites sem UTM — atribuído automaticamente), video (campanhas de vídeo pagas), audio (podcast ads, Spotify ads), push (notificações push), sms (SMS marketing), whatsapp (mensageria).
Uma discussão importante na comunidade de analytics é: quando você faz um anúncio pago no Instagram, o utm_medium deve ser cpc, paid-social ou social? A resposta depende de como você quer ver seus relatórios. cpc vai agrupar os anúncios do Instagram com os do Google Search no canal "Paid Search" do GA4 — o que é conceitualmente errado porque são canais muito diferentes. paid-social é mais descritivo mas não é um valor canônico do GA4. A convenção mais limpa para quem quer granularidade é usar cpc para busca paga, social para social orgânico e paid social (diferenciado pelo source e pelo nome da campanha), e criar um agrupamento de canal customizado no GA4 para separar quando necessário.
utm_campaign — a campanha
utm_campaign é o identificador da iniciativa de marketing específica. É onde a maioria das análises de performance começa: comparar resultados entre campanhas diferentes. Deve ser único, descritivo e seguir uma nomenclatura padronizada que o time inteiro usa.
O erro mais comum em utm_campaign é usar nomes genéricos e inconsistentes: campanha-1, teste, promo, ads-meta. Esses valores são inúteis para análise porque não carregam contexto suficiente. A convenção recomendada inclui elementos que contextualizam a campanha no tempo e no propósito:
Uma estrutura robusta de nomenclatura para utm_campaign é: [objetivo]-[público/produto]-[data/ciclo]. Exemplos: aquisicao-leads-pme-q1-2025, retencao-churn-inativos-90d, lancamento-produto-v3-jan25, remarketing-abandono-carrinho-sempre-ativo, nurturing-sequencia-onboarding-saas.
Campanhas "always on" — que ficam rodando continuamente sem data de encerramento — devem ter uma nomenclatura que as identifique como tal: retargeting-visitantes-pagina-preco-always-on, remarketing-alto-engajamento-always-on.
utm_term — a palavra-chave
utm_term foi criado especificamente para identificar qual palavra-chave de busca paga disparou o anúncio. No Google Ads, você pode usar ValueTrack parameters — variáveis dinâmicas preenchidas automaticamente pelo sistema — para capturar a keyword real que ativou o anúncio: utm_term={keyword}. Quando alguém clica no anúncio disparado pela keyword "software crm pequenas empresas", o GA4 registra exatamente essa term.
Isso permite análise de eficiência por keyword: quais palavras-chave geram tráfego que converte, e quais geram cliques caros que não convertem. É a diferença entre gastar R$5.000 em keywords e saber que "software crm gratuito" gera cliques baratos de pessoas que nunca vão pagar, enquanto "melhor crm para equipe de vendas" gera cliques mais caros mas com taxa de conversão 8 vezes maior.
Fora do contexto de Search Ads, utm_term é raramente usado — e quando usado, deve ser para alguma segmentação que faça sentido similar ao de keywords, como identificar qual segmento de audiência foi atingido num anúncio de social.
utm_content — o criativo e a variação
utm_content é o parâmetro mais subutilizado e um dos mais valiosos para otimização. Ele serve para diferenciar versões diferentes do mesmo anúncio, email ou link dentro de uma mesma campanha.
O caso de uso mais direto é o teste A/B de criativos: você está testando dois banners diferentes na mesma campanha. Com utm_content=banner-azul em um e utm_content=banner-vermelho no outro, você consegue ver com precisão qual versão gerou mais sessões, mais engajamento e mais conversões. Sem utm_content, você veria apenas o resultado agregado da campanha e nunca saberia qual criativo estava puxando o peso.
No contexto de email marketing, utm_content é especialmente poderoso para rastrear qual link dentro do email foi clicado. Um email de newsletter pode ter 5 links apontando para a mesma URL: um no topo, um no meio, um no CTA principal, um no banner lateral e um no rodapé. Com utm_content diferente em cada um (link-topo, link-meio, cta-principal, banner-lateral, link-rodape), você consegue saber não só que alguém veio do email, mas qual posição do link dentro do email foi mais efetiva para gerar cliques e conversões. Isso informa diretamente a estrutura dos próximos emails.
utm_id — o identificador de campanha
utm_id é o parâmetro mais novo e mais técnico. Serve para associar a URL a um ID único que pode ser cruzado com sistemas externos — planilhas de controle de custo, CRMs, plataformas de BI, APIs de plataformas de mídia. Se você exporta dados de custo do Google Ads e quer cruzar automaticamente com dados de conversão do GA4, o utm_id é o campo de join entre as duas fontes.
Como o GA4 processa UTMs — o modelo de atribuição
Quando um visitante chega ao seu site com UTMs, o GA4 captura os parâmetros e os armazena em dois níveis: atribuição de primeiro toque do usuário (qual foi a primeira origem conhecida daquele usuário) e atribuição de sessão (qual foi a origem de cada sessão específica).
O modelo de atribuição padrão do GA4 é "last click" — o crédito da conversão vai para a última origem que trouxe o usuário antes da conversão acontecer. Isso significa que se alguém veio primeiro via anúncio do Instagram (utm_source=instagram, utm_medium=social) e depois voltou via Google Ads (utm_source=google, utm_medium=cpc) e converteu nessa segunda visita, 100% do crédito vai para Google/CPC.
Essa é uma simplificação que subestima sistematicamente canais de topo de funil — como social, display e email de nurturing — que iniciam a jornada mas raramente são o último clique. Modelos de atribuição mais sofisticados distribuem o crédito de forma mais justa:
O modelo Linear distribui crédito igualmente entre todos os touchpoints da jornada. O Time Decay dá mais peso aos touchpoints mais próximos da conversão. O Position Based dá 40% ao primeiro toque, 40% ao último, e distribui os 20% restantes pelos touchpoints intermediários. O Data-Driven Attribution — disponível no GA4 para contas com pelo menos 300 conversões por mês — usa machine learning para calcular o peso de cada touchpoint baseado nos padrões reais de conversão da sua conta. É o mais preciso de todos, mas exige volume de dados.
O dicionário de UTMs — a estrutura que evita o caos
O maior inimigo do rastreamento por UTM é a inconsistência. Se diferentes pessoas do time criam campanhas com nomenclaturas diferentes — utm_source=Google e utm_source=google e utm_source=google-ads e utm_source=gads — o GA4 trata como quatro origens diferentes, fragmentando dados que deveriam estar agregados. Depois de seis meses sem padronização, o relatório de aquisição vira uma lista de centenas de combinações únicas impossíveis de analisar.
A solução é criar e manter um documento vivo chamado Dicionário de UTMs — uma planilha centralizada que documenta todos os valores aprovados para cada parâmetro, com exemplos de quando usar cada um. Este documento deve ser a fonte única da verdade para qualquer pessoa no time que cria links. Deve conter: todos os valores aprovados de utm_source, todos os valores aprovados de utm_medium, a convenção de nomenclatura para utm_campaign com exemplos, e uma aba com URLs de exemplo por tipo de campanha.
O dicionário deve ser complementado por um UTM Builder centralizado — uma ferramenta (pode ser uma planilha com fórmulas, pode ser uma ferramenta como o Campaign URL Builder do Google, pode ser um script interno) que constrói a URL com UTM a partir de campos pré-definidos, eliminando a possibilidade de erros de digitação e forçando o uso dos valores canônicos.
O erro mais grave: UTMs em links internos
Este é o erro técnico de rastreamento mais destrutivo e mais comum entre profissionais de marketing sem formação técnica em analytics: colocar parâmetros UTM em links que conectam páginas dentro do próprio site.
Quando um visitante que chegou via Google Ads clica num link interno com UTM, o GA4 interpreta aquele clique como o início de uma nova sessão originada pela nova UTM — descartando a atribuição original de Google/CPC. Se você tem um botão "Saiba mais" na sua homepage que vai para a página de produto com utm_source=homepage&utm_medium=internal, todo usuário que clicar nesse botão vai ter sua sessão reapresentada como originada de "homepage/internal", e a atribuição original (Google Ads, email, orgânico) é perdida para sempre naquela sessão.
O resultado prático é duplo: seus canais de aquisição parecem gerar menos resultado do que realmente geram (porque sessões convertidas são atribuídas às UTMs internas), e você cria um ruído gigantesco de "origens" inexistentes nos seus relatórios de aquisição.
A regra é absoluta: UTMs apenas em links externos que apontam para seu domínio. Para rastrear cliques em elementos internos — botões, banners internos, links de navegação — use eventos customizados no Google Tag Manager, não UTMs.
UTMs e privacidade — o contexto LGPD/GDPR
Um ponto raramente discutido: parâmetros UTM são visíveis na URL do navegador e ficam armazenados em cookies de analytics. Em contextos de LGPD (Brasil) e GDPR (Europa), isso tem implicações. Os dados de origem de tráfego coletados pelo GA4 são considerados dados de uso/comportamento que requerem consentimento do usuário sob políticas de privacidade estritas.
A boa prática é garantir que: o banner de cookies da sua plataforma obtém consentimento antes de disparar o GA4 e carregar os UTMs, a política de privacidade do site menciona o uso de analytics de comportamento, e os dados de UTM são tratados como parte dos dados de sessão — não vinculados a PII (informações pessoais identificáveis) sem consentimento explícito.
UTMs no ecossistema de atribuição — a visão sistêmica
UTMs são a camada de rastreamento client-side — dependem do navegador do usuário para funcionar. Eles têm três limitações estruturais importantes que todo profissional sério de analytics precisa entender.
Primeiro, bloqueadores de anúncio e navegadores focados em privacidade (Safari com ITP, Firefox com ETP) bloqueiam ou limitam os cookies que o GA4 usa para persistir informações de UTM entre sessões. Isso significa que jornadas longas — usuário que viu um anúncio hoje e voltou para comprar em 20 dias — têm a atribuição interrompida. Server-side tracking e a Conversions API do Meta resolvem parte desse problema ao mover o rastreamento para o servidor, fora do alcance dos bloqueadores.
Segundo, UTMs só rastreiam o que você etiqueta. Se alguém clica num link sem UTM — uma menção orgânica num artigo, um link compartilhado no grupo de WhatsApp — a sessão aparece como "direct" ou "referral" sem contexto adicional. Isso subestima canais earned que não passam por links que você cria diretamente.
Terceiro, UTMs não resolvem atribuição cross-device — o usuário que viu o anúncio no celular e comprou no computador aparece como dois usuários diferentes, com a conversão atribuída ao segundo device sem nenhuma conexão com a exposição no primeiro. User ID linking (quando o usuário está logado) e Enhanced Conversions são as soluções parciais para esse problema.
UTMs são, portanto, uma ferramenta indispensável e poderosa — mas são uma peça de um sistema de mensuração maior que inclui server-side tracking, modelos de atribuição multitoque e, para operações de maior escala, Marketing Mix Modeling para capturar o impacto de canais que não passam por cliques.
