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. Muitas vezes 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 geralmente 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.