Um guia prático de Análise de comércio eletrônico

A análise de comércio eletrônico é útil quando conecta o comportamento da loja às decisões de receita. Torna-se barulhento quando cada clique, pixel e característica do cliente são coletados simplesmente porque uma ferramenta pode coletá-los.

Uma loja amiga da privacidade ainda pode responder a questões importantes: de onde vêm os compradores, que produtos atraem interesse, onde é que o checkout é interrompido, que campanhas dão retorno e que páginas precisam de ser melhoradas.

As métricas que mais importam

Taxa de conversão

A taxa de conversão é a parcela de visitantes ou sessões que concluem uma compra. Rastreie-o por origem de tráfego, campanha, categoria de dispositivo, página de destino e categoria de produto.

Não compare taxas de conversão sem contexto. O tráfego de pesquisa paga com forte intenção de compra pode ser convertido de maneira muito diferente do tráfego do blog. A conversão em dispositivos móveis pode ser menor porque os usuários pesquisam em telefones e compram mais tarde em computadores.

Receita por visitante

A receita por visitante combina qualidade do tráfego, taxa de conversão e valor do pedido. É mais útil do que apenas a taxa de conversão.

Fórmula:

revenue per visitor = total revenue / visitors

Se a taxa de conversão cair, mas o valor médio do pedido aumentar o suficiente, a receita por visitante ainda poderá melhorar. Isso ajuda a evitar a otimização apenas para compras baratas.

Valor médio do pedido

O valor médio do pedido mostra quanto os clientes gastam por transação.

Fórmula:

average order value = revenue / orders

Use AOV para avaliar pacotes, limites de frete grátis, recomendações de produtos e merchandising. Cuidado com campanhas de desconto: um desconto pode aumentar a conversão e ao mesmo tempo reduzir a margem.

Abandono de carrinho e checkout

Acompanhe o funil:

• Visualização do produto
• Adicionar ao carrinho
• Visualização do carrinho
• Início da finalização da compra
• Etapa de envio
• Etapa de pagamento
• Compra

Uma alta taxa de abandono de carrinho pode indicar custos de envio inesperados, criação forçada de conta, métodos de pagamento limitados, finalização de compra lenta, UX móvel de baixa qualidade ou preocupações com a confiança. Você não precisa identificar o comprador individual para ver onde o funil vaza.

Desempenho do produto

Medir:

• Visualizações de detalhes do produto
• Taxa de adição ao carrinho
• Taxa de compra
• Receita
• Reembolsos ou devoluções, se disponíveis
• Termos de pesquisa que levam a páginas de produtos

Para fins de privacidade, evite enviar eventos de produtos para plataformas de publicidade, a menos que você tenha um consentimento válido e um motivo claro. A análise agregada da loja geralmente é suficiente para decisões de merchandising.

Métricas de aquisição

As equipes de comércio eletrônico gastam demais quando confiam em painéis de plataformas de anúncios sem medições independentes.

Use UTMs para cada campanha. A documentação do construtor URL do Google explica parâmetros padrão como utm_source, utm_medium, utm_campaign, utm_id e utm_content (construtor Google Analytics URL). Esses parâmetros funcionam na análise que prioriza a privacidade porque são transmitidos na aterrissagem URL.

Acompanhar:

• Sessões por fonte e campanha
• Taxa de conversão por campanha
• Receita por campanha
• Receita por visitante por campanha
• Conversões assistidas onde suas análises as apoiam
• Receita de clientes novos versus recorrentes, se sua plataforma de comércio fornecer isso

Para anúncios pagos, combine análises com dados de gastos da plataforma para estimar o retorno:

ROAS = attributed revenue / ad spend

Não finja que a atribuição é perfeita. Recursos de privacidade do navegador, rejeição de consentimento, compras entre dispositivos e compras atrasadas criam lacunas. Use a atribuição como evidência direcional, não como verdade absoluta.

Design de medição amigável à privacidade

Uma loja não precisa rastrear compradores na web para melhorar as vendas.

Uma configuração enxuta pode usar:

• Página própria e análise de eventos
• Eventos agregados de produtos e funis
• UTMs para origem da campanha
• IDs de pedidos armazenados no back-end comercial, não em perfis analíticos
• País ou região em vez da localização exata
• Retenção curta para eventos brutos
• Pixels de anúncios controlados por consentimento apenas quando necessário

Evitar:

• Envio de endereços de e-mail ou números de telefone para análises
• Gravação de sessões de checkout por padrão
• Carregando pixels de retargeting antes do consentimento
• Armazenar endereços IP brutos por mais tempo do que o necessário
• Combinando eventos analíticos com perfis enriquecidos por corretores

A pilha de análise de comércio eletrônico mais forte separa os dados de pedidos operacionais dos dados de comportamento do site. A plataforma da sua loja precisa dos detalhes do cliente para atender um pedido. A análise do seu site geralmente não.

Como priorizar melhorias

Use métricas para encontrar o problema de maior alavancagem:

• Altas visualizações de produtos, baixo número de adições ao carrinho: melhore a clareza de preços, imagens, avaliações, tamanhos ou disponibilidade.
• Alta adição ao carrinho, baixo início de checkout: revise o carrinho UX, estimativas de envio, distrações de cupons e sinais de confiança.
• Alto início de checkout, baixa compra: teste métodos de pagamento, erros de formulário, validação de endereço e usabilidade móvel.
• Alto tráfego, baixa receita por visitante: analise a intenção da campanha e a correspondência da mensagem da página de destino.
• Alta conversão, baixo AOV: pacotes de teste, limites e recomendações de produtos.

Faça uma alteração de cada vez, sempre que possível, e anote a data de lançamento em suas análises.

Lista de verificação de eventos de comércio eletrônico

Comece com um conjunto compacto de eventos: produto visualizado, carrinho iniciado, finalização da compra iniciada, falha no pagamento, compra concluída, cupom aplicado e reembolso solicitado. Use propriedades seguras, como categoria de produto, faixa de preço, moeda, campanha, classe de dispositivo e país.

Não envie nomes, e-mails, endereços exatos, detalhes de pagamento, notas de pedidos, checkout URLs com tokens ou IDs completos de pedidos para análises do site. Mantenha a verdade sobre a receita na plataforma de comércio e use análises para explicar tendências de aquisição, conteúdo e funil.

O resultado final

A análise do comércio eletrônico deve facilitar as decisões sobre a loja. Concentre-se na conversão, receita por visitante, valor médio do pedido, abandono do funil, desempenho do produto e qualidade da aquisição. Você pode medir tudo isso com uma abordagem que prioriza a privacidade, que respeita os compradores e evita rastreamento desnecessário de terceiros.

Um conjunto de eventos com privacidade segura

Uma loja prática pode começar com um conjunto de eventos compacto: product_viewed, cart_started, checkout_started, payment_failed, purchase_completed, coupon_applied e refund_requested. Propriedades úteis incluem categoria de produto, faixa de preço, moeda, campanha, classe de dispositivo e país. Evite enviar nomes, endereços de e-mail, endereços de entrega exatos, números de telefone, detalhes de pagamento ou notas de pedidos para análises da web.

Mantenha o sistema de pedidos como fonte de verdade para receitas. A análise pode relatar tendências e funilar a saúde, mas reembolsos, impostos, descontos, verificações de fraude e status de cumprimento pertencem aos sistemas comerciais ou financeiros. Essa separação reduz o risco de privacidade e também evita que os profissionais de marketing tomem decisões com base em números de receitas incompletos.

Perguntas Frequentes

Por que não devo comparar a taxa de conversão entre canais diretamente?

As fontes de tráfego trazem intenções de compra diferentes, então um número combinado esconde diferenças reais. Visitantes de busca paga costumam chegar prontos para comprar, enquanto leitores de blog ainda estão pesquisando, então uma taxa de conversão mais baixa no blog não é necessariamente um problema. Visitantes mobile também convertem de forma diferente, já que muitos navegam pelo celular e finalizam a compra depois no desktop. Compare a taxa de conversão por fonte, campanha, dispositivo e página de destino em vez de olhar para um único número combinado.

O que a receita por visitante me mostra que a taxa de conversão não mostra?

A receita por visitante combina qualidade de tráfego, taxa de conversão e valor do pedido em um único número, capturando o quadro completo que a taxa de conversão sozinha não mostra. A fórmula é receita total dividida por visitantes. Isso evita que uma equipe otimize apenas para compras baratas só para elevar o número de conversão.

A receita por visitante pode subir mesmo se a taxa de conversão cair?

A receita por visitante pode subir se o valor médio do pedido subir o suficiente para compensar as compras a menos. Uma campanha que traz pedidos menos frequentes, porém maiores, pode aumentar a receita por visitante mesmo com a taxa de conversão caindo. Por isso as duas métricas precisam ser lidas juntas, não isoladamente.

Como calcular o valor médio do pedido?

O valor médio do pedido é igual à receita dividida pelo número de pedidos. Use-o para avaliar se combos, limites de frete grátis e recomendações de produto estão funcionando. Fique atento a campanhas de desconto, já que um desconto pode aumentar a conversão enquanto reduz a margem.

O que costuma causar abandono de carrinho ou de checkout?

As causas mais comuns são custos de envio inesperados, criação de conta obrigatória, métodos de pagamento limitados, checkout lento, má usabilidade mobile e falta de confiança em geral. Acompanhar o funil desde a visualização do produto até a compra mostra exatamente onde os compradores desistem. Nada disso exige identificar o comprador individual, basta ver onde o funil está vazando.

Quais métricas de produto importam para decisões de merchandising?

Acompanhe visualizações de página de produto, taxa de adição ao carrinho, taxa de compra, receita, reembolsos ou devoluções quando disponíveis, e os termos de busca que levam compradores às páginas de produto. Analytics agregado da loja costuma bastar para decisões de merchandising. Evite enviar eventos no nível de produto para plataformas de anúncios, a menos que haja consentimento válido e um motivo claro.

Para que servem os parâmetros UTM se eu já tenho analytics?

Os UTMs identificam fonte, meio, campanha, ID e conteúdo diretamente na URL de destino, então funcionam mesmo em uma configuração de analytics voltada à privacidade que não depende de rastreamento entre sites. A documentação do construtor de URLs do Google cobre os parâmetros padrão. Marcar cada campanha é o que permite medir sessões, taxa de conversão e receita por fonte, em vez de confiar no painel da própria plataforma de anúncios.

Quão confiável é a atribuição no e-commerce?

Não totalmente. Recursos de privacidade do navegador, rejeição de consentimento, compras entre dispositivos e compras adiadas criam lacunas entre o que de fato aconteceu e o que é atribuído. Trate o ROAS e a receita atribuída como evidência direcional para decisões, não como uma contabilidade exata de cada venda.

Quais dados nunca devem ir para o analytics do site?

Nomes, endereços de e-mail, endereços de entrega exatos, números de telefone, dados de pagamento, notas de pedido, URLs de checkout com tokens e IDs completos de pedido não devem ir para o analytics do site. Fique com propriedades seguras como categoria de produto, faixa de preço, moeda, campanha, classe de dispositivo e país. A verdade sobre receita, reembolsos, impostos e checagens de fraude pertence ao sistema de comércio ou financeiro, não à ferramenta de analytics.

Por que separar dados de pedido de dados de comportamento do site?

Uma plataforma de loja precisa dos dados do cliente para cumprir um pedido, mas o analytics do site geralmente não precisa de nada disso para explicar aquisição, conteúdo e tendências de funil. Manter os dois sistemas separados reduz o risco de privacidade e evita misturar dados operacionais com dados comportamentais. Isso também impede que o time de marketing tome decisões a partir de números de receita incompletos, já que o sistema de pedidos continua sendo a única fonte confiável de receita.