Duas lojas virtuais fecham o mês com a mesma taxa de conversão: 1,5%. Mesmo segmento, ticket parecido, volume de visitas igual. Uma perde a venda na vitrine, antes de o cliente abrir um produto. A outra perde no checkout, quando ele já decidiu comprar. Se as duas seguirem a mesma lista de dicas para converter mais, pelo menos uma vai gastar dinheiro consertando o que não estava quebrado.
Esse é o limite de tratar a taxa de conversão do e-commerce como um número único. Ela é ótima para acompanhar a saúde da operação e péssima para dizer o que fazer. Quase todo conteúdo sobre o tema começa pela fórmula, passa pela média do mercado e termina numa lista de táticas: prova social, gatilho de escassez, botão maior, cor diferente. Falta o passo do meio, que é descobrir em qual etapa do funil a intenção de compra está se perdendo.
Este artigo é sobre esse passo. Como quebrar a taxa em partes, ler cada uma, calcular quanto vale corrigir cada gargalo e decidir onde colocar o próximo real, seja em mídia, seja na loja.
O que a taxa de conversão do e-commerce mede, e o que ela esconde
A taxa de conversão do e-commerce é a porcentagem de sessões que terminam em pedido: número de compras dividido pelo número de sessões, multiplicado por 100. Uma loja com 10.000 sessões e 150 pedidos no mês converte 1,5%. Ela mostra a eficiência da loja em transformar visita em venda, mas não diz em que ponto do caminho os outros 98,5% desistiram.
Dois cuidados de cálculo mudam bastante o número. O primeiro é o denominador: dividir por usuários em vez de sessões infla a taxa, porque a mesma pessoa costuma visitar a loja mais de uma vez antes de comprar. O segundo é o numerador: pedidos aprovados não são o mesmo que pedidos gerados. Em operações com muito boleto ou Pix não pago, a diferença entre os dois pode ser grande, e a taxa de conversão “de pedido” passa uma imagem melhor do que a de receita.
Escolha uma definição, registre e mantenha. Comparar períodos com cálculos diferentes produz conclusões que parecem análise e são só ruído.
Por que comparar sua loja com a média do mercado leva a decisões ruins
Os números que circulam não têm origem clara
Basta pesquisar “taxa de conversão média e-commerce” para encontrar cifras entre 1,2% e 2,5%. A mais repetida em blogs brasileiros aparece atribuída a fontes diferentes conforme o site, ora a um relatório, ora a outro, quase sempre sem metodologia, amostra ou data. Benchmarks internacionais misturam lojas de moda, eletrônicos, supermercado e assinatura no mesmo cálculo.
Mesmo um número bem medido diria pouco sobre a sua operação. Ticket médio, categoria, proporção de tráfego mobile, peso da mídia de topo de funil e recorrência de clientes mudam a taxa mais do que qualquer ajuste de layout. Uma loja de colchões com 0,8% pode estar indo muito bem. Uma de cosméticos com 2% pode estar desperdiçando metade do tráfego.
A melhor referência para a sua taxa de conversão é a própria loja: o mesmo período do ano anterior, a mesma origem de tráfego, o mesmo dispositivo. Benchmark externo serve para levantar uma suspeita. Não serve para fechar diagnóstico.
A taxa é uma multiplicação, e cada fator tem um dono
Em vez de um número, pense na taxa de conversão como o produto de quatro taxas menores, uma para cada etapa do funil de compra:
× (adicionam ao carrinho ÷ veem produto)
× (iniciam checkout ÷ adicionam ao carrinho)
× (compram ÷ iniciam checkout)
Essa decomposição muda a conversa dentro da empresa. Cada etapa tem causas diferentes e, muitas vezes, responsáveis diferentes. A primeira depende de mídia, SEO, vitrine e busca interna. A segunda, de página de produto, preço e informação de frete. A terceira e a quarta, de carrinho, checkout, meios de pagamento e plataforma. Quando todo mundo olha só o resultado final, ninguém sabe qual parte é sua.
Mesma taxa de conversão, problemas opostos
Duas lojas hipotéticas com 10.000 sessões no mês e cerca de 150 pedidos cada. O funil mostra onde cada uma perde a venda.
Loja A
10.000 sessões · 150 pedidos · 1,5%
De cada 100 pessoas que começam o checkout, 62 desistem. O cliente quer comprar e algo o impede.
Loja B
10.000 sessões · 149 pedidos · 1,5%
Sete em cada dez visitas nem chegam a um produto. O checkout funciona; falta interesse ou caminho até ele.
O que isso significa na práticaNa Loja A, trocar o checkout é prioridade. Na Loja B, a mesma obra quase não mudaria o resultado: o trabalho está na mídia, na vitrine e na página de produto.
Números ilustrativos, arredondados, para mostrar o método.Agência Lastro
Como dividir a taxa de conversão em quatro etapas
Cada etapa responde a uma pergunta diferente sobre o comportamento do cliente. Os sinais abaixo são os que mais costumam explicar uma queda em cada uma.
1. Sessão → produto: a visita encontrou o que veio buscar?
Uma proporção baixa de sessões que chegam a uma página de produto aponta para desalinhamento antes da loja ou na entrada dela. Os suspeitos de sempre: anúncio que promete uma coisa e leva para a home, campanha de alcance trazendo público frio, categoria sem filtro útil, busca interna que não reconhece sinônimos ou erros de digitação, banners que ocupam a primeira dobra no celular sem levar a lugar nenhum.
Aqui vale cruzar a etapa com a origem do tráfego. Se o orgânico chega ao produto e o tráfego de uma campanha específica não chega, o problema está na promessa da campanha, não na loja. É uma conversa que precisa juntar quem cuida da mídia paga com quem cuida do site.
2. Produto → carrinho: a página tirou as dúvidas que impedem a compra?
É a etapa em que preço, foto, descrição, avaliações, grade de variações e disponibilidade são julgados de uma vez. No Brasil, entra uma variável que pesa muito: frete e prazo. Quando a pessoa só descobre quanto vai pagar de entrega no carrinho, a página de produto fica com uma pergunta sem resposta, e muita gente sai para comparar em outro lugar.
Uma taxa baixa de adição ao carrinho em produtos com bastante visita costuma ser o melhor ponto de partida para pesquisa qualitativa: gravações de sessão, mapas de calor e, se possível, cinco ou seis pessoas do público-alvo tentando comprar enquanto falam o que pensam.
3. Carrinho → checkout: algo no carrinho mudou a decisão?
O carrinho é onde o custo total aparece. Segundo o Baymard Institute, em pesquisa com consumidores dos Estados Unidos, custos extras altos (frete, taxas, impostos) são o motivo mais citado de abandono: 40% de quem abandonou por razões que não eram “só estava olhando”. Também aparecem entrega lenta (20%) e não conseguir ver ou calcular o custo total antes (12%). O público é americano, mas o mecanismo é o mesmo em qualquer loja: surpresa de preço no carrinho derruba a passagem para o checkout.
Um campo de cupom em destaque é outro clássico dessa etapa. Ele manda parte dos clientes procurar código em outra aba, e alguns não voltam.
4. Checkout → compra: a decisão estava tomada. O que impediu o pagamento?
Quem inicia o checkout já demonstrou intenção alta. Perder essa pessoa costuma ser problema de fricção ou de confiança. Na mesma pesquisa do Baymard, aparecem a exigência de criar conta (18%), checkout longo ou complicado (17%), erros e travamentos no site (17%), desconfiança em informar o cartão (19%) e cartão recusado (10%). O instituto também mede que o checkout médio dos Estados Unidos mostra cerca de 23 elementos de formulário por padrão, quando um fluxo ideal pode ter de 12 a 14.
No contexto brasileiro, vale olhar com atenção o comportamento de cada meio de pagamento separadamente. Pix, cartão e boleto têm taxas de aprovação e de abandono muito diferentes, e uma média única esconde se o problema é antifraude, gateway ou a tela de pagamento em si.
| Etapa | Evento do GA4 que marca a etapa | Pergunta que ela responde | Onde costuma quebrar |
|---|---|---|---|
| Sessão → produto | session_start → view_item | A visita encontrou o que procurava? | Promessa do anúncio, vitrine, busca interna, navegação no celular |
| Produto → carrinho | view_item → add_to_cart | A página respondeu às dúvidas de compra? | Preço, fotos, frete e prazo escondidos, variações, avaliações |
| Carrinho → checkout | add_to_cart → begin_checkout | O custo total confirmou a decisão? | Frete alto ou surpresa, cupom, cálculo de entrega confuso |
| Checkout → compra | begin_checkout → purchase | O que impediu o pagamento? | Cadastro obrigatório, formulário longo, erros, meios de pagamento, recusa |
Como montar esse funil no GA4
Para ver a taxa de conversão por etapa no GA4, use a exploração de funil (Explorar, modelo “Exploração de funil”) com quatro etapas baseadas nos eventos de e-commerce: view_item, add_to_cart, begin_checkout e purchase. Depois, aplique um detalhamento por categoria de dispositivo e compare o resultado com o mesmo período anterior.
A documentação do Google traz alguns detalhes que mudam a leitura:
- Funil aberto ou fechado. No fechado, só entra quem passou pela primeira etapa. No aberto, a pessoa pode entrar em qualquer etapa. Para diagnosticar a loja, o fechado costuma ser mais honesto, porque mostra o caminho completo.
- Detalhamento. Com “Categoria do dispositivo”, cada etapa aparece separada entre celular e computador. A diferença entre os dois costuma ser o primeiro achado relevante.
- Tempo decorrido. A opção mostra o tempo médio entre uma etapa e outra. Um checkout que leva muito mais tempo no celular do que no computador é pista de formulário difícil de preencher.
- Próxima ação. Mostra para onde as pessoas foram depois de cada etapa. Se muita gente sai do carrinho para a página de frete ou de trocas, a informação que ela procura não está onde deveria.
Antes de confiar no funil, confira a medição
Um funil só é tão bom quanto os eventos que o alimentam. Antes de qualquer conclusão, compare o número de compras do GA4 com o número de pedidos da plataforma no mesmo período. Se a diferença for grande, o problema está no rastreamento, não no checkout. Verifique também se add_to_cart dispara em todos os botões de compra (inclusive na vitrine e no carrinho lateral) e se purchase dispara uma vez por pedido, sem duplicar quando o cliente recarrega a página de confirmação.
Quanto vale corrigir cada etapa: a conta que decide a prioridade
Saber onde está a maior queda não basta. É preciso estimar quanto cada melhoria vale em pedidos e receita, para comparar com o custo de fazer e com a alternativa mais comum, que é comprar mais tráfego.
Voltando à Loja A do exemplo, com ticket médio hipotético de R$ 250:
A conta da prioridade, na Loja A
Mesmas 10.000 sessões por mês. Ticket médio de R$ 250. O que cada caminho entrega a mais por mês.
Página de produto
Adição ao carrinho sobe de 12% para 14%
+25 pedidos
cerca de R$ 6.250 a mais por mês, com o mesmo tráfego
Checkout
Fechamento sobe de 38% para 48%
+40 pedidos
cerca de R$ 10.000 a mais por mês, com o mesmo tráfego
Só mídia
Os mesmos +40 pedidos comprando tráfego
+26% sessões
cerca de 2.630 sessões extras; a R$ 1,50 cada, perto de R$ 3.950 todo mês
LeituraA melhoria no checkout entrega o mesmo que 26% a mais de tráfego, e continua valendo para cada sessão que a loja comprar depois.
Cálculo ilustrativo. Custo por sessão e ticket variam muito por segmento.Agência Lastro
Três leituras saem dessa conta. A primeira: o maior ganho está na etapa mais fraca, não na mais visível. A página de produto é onde a maioria das empresas gosta de mexer, porque aparece mais. Na Loja A, ela rende menos.
A segunda: mídia e conversão não competem, se multiplicam. Comprar tráfego resolve rápido e não exige obra na loja, mas o custo volta todo mês. A melhoria de conversão custa uma vez (desenvolvimento, testes, plataforma) e passa a valer para todo o tráfego futuro, inclusive o pago. É por isso que um ROAS que parece estagnado às vezes melhora sem mexer em nenhuma campanha.
A terceira: o número final precisa passar pela margem. Uma melhoria de conversão feita à base de desconto agressivo ou frete grátis sem critério pode subir a taxa e derrubar o lucro. Conversão é meio. O fim é receita com margem.
Para referência de escala, o Baymard estima que um e-commerce de grande porte pode aumentar a taxa de conversão em 35,26% apenas resolvendo problemas de usabilidade de checkout que o instituto documentou em testes com grandes lojas dos Estados Unidos e da Europa. É uma estimativa do potencial, não uma promessa: cada loja parte de um ponto diferente.
Quando a taxa de conversão não é o problema
Nem toda loja com conversão baixa precisa de CRO (otimização da taxa de conversão) primeiro. Alguns cenários pedem outro remédio:
- A medição está quebrada. Se GA4 e plataforma discordam muito, qualquer otimização é feita no escuro. Corrigir o rastreamento vem antes de tudo.
- O tráfego mudou de perfil. Uma campanha nova de alcance ou um conteúdo que viralizou trazem visitas que não estavam procurando comprar. A taxa cai, mas a loja não piorou. Separe a análise por origem antes de concluir qualquer coisa.
- O volume é baixo demais para testar. Teste A/B precisa de pedidos suficientes para chegar a um resultado confiável. Com poucas dezenas de pedidos por mês, um teste pode levar meses. Nesses casos, pesquisa qualitativa e correção de problemas óbvios trazem mais retorno do que experimentos.
- O produto tem ciclo longo. Móveis, eletrônicos caros e itens de alto ticket costumam ser comprados depois de várias visitas. Olhar só a conversão por sessão subestima o papel das primeiras visitas.
- O problema é preço ou sortimento. Se o produto está mais caro que a concorrência para o mesmo público, nenhuma mudança de layout compensa. A loja pode estar ótima e o mercado, decidindo outra coisa.
Por onde começar: um roteiro de diagnóstico
Diagnóstico da taxa de conversão, em cinco passos
Antes de mudar qualquer tela, entenda onde e por que a venda se perde.
- Valide a mediçãoCompras do GA4 batendo com os pedidos da plataforma, eventos de e-commerce disparando uma vez cada.
- Monte o funil por etapaQuatro etapas no GA4, separadas por dispositivo e por origem de tráfego.
- Ache a maior quedaCompare cada etapa com o próprio histórico, não com médias de mercado.
- Descubra o porquêGravações de sessão, mapas de calor, testes com usuários e perguntas a quem desistiu.
- Calcule e priorizeQuanto vale cada correção em pedidos e margem, contra o custo de fazer e contra o custo de mais mídia.
Só depois disso vale escrever hipóteses e desenhar testes.Agência Lastro
O último passo é onde o trabalho vira experimento. Uma boa hipótese diz o que vai mudar, por que se espera que funcione e qual métrica vai confirmar: “Mostrar o prazo e o valor do frete na página de produto, a partir do CEP, deve aumentar a adição ao carrinho no celular, porque as gravações mostram clientes saindo para a página de entregas”. Sem isso, teste vira troca de botão.
Acompanhe também receita por sessão, e não só taxa de conversão. Uma mudança que converte mais, mas reduz ticket médio, pode deixar a loja exatamente onde estava.
A pergunta certa não é “minha conversão está boa?”
A pergunta que leva a uma decisão é outra: em qual etapa a loja perde mais intenção de compra, e quanto vale recuperá-la? Ela separa o que é problema de aquisição do que é problema de experiência, mostra quando vale investir em mídia e quando o dinheiro rende mais dentro da loja, e tira a discussão do campo da opinião.
Taxa de conversão média é termômetro. Funil por etapa é exame. Quem só olha o termômetro sabe que algo vai mal, mas continua escolhendo o tratamento por tentativa e erro.
Quando o gargalo está na estrutura da loja (velocidade, checkout, plataforma), o caminho passa por desenvolvimento de lojas focadas em conversão. Quando o problema é decidir para onde vai o orçamento entre mídia, loja e conteúdo, a consultoria estratégica de marketing ajuda a fazer essa conta antes de gastar.
Descubra em qual etapa sua loja perde vendas
Se você já investe em tráfego e não sabe exatamente onde o funil deixa a receita escapar, um diagnóstico de CRO mostra a taxa de cada etapa, valida a medição e estima quanto vale corrigir cada gargalo antes de qualquer mudança no site.
Solicitar diagnóstico de CROQuer esse diagnóstico aplicado ao seu negócio?
Analisamos seu tracking, suas campanhas e seu funil sem custo.
Solicitar diagnósticoPerguntas frequentes sobre taxa de conversão no e-commerce
Como calcular a taxa de conversão do e-commerce?
Divida o número de compras pelo número de sessões do mesmo período e multiplique por 100. Com 150 pedidos em 10.000 sessões, a taxa é de 1,5%. Use sessões, e não usuários, e defina se vai contar pedidos gerados ou aprovados, mantendo a mesma regra em todas as comparações.
Qual é uma boa taxa de conversão para e-commerce?
Depende de categoria, ticket, dispositivo e origem do tráfego. As médias que circulam ficam entre 1% e 3%, mas raramente informam metodologia. A referência mais útil é o histórico da própria loja, comparando o mesmo período, a mesma origem e o mesmo dispositivo.
Por que a taxa de conversão no celular é menor?
Em geral porque formulários, navegação e comparação de produtos são mais difíceis na tela pequena, e porque muita gente pesquisa no celular e finaliza no computador. Separe o funil por dispositivo no GA4 para ver em qual etapa a diferença aparece, em vez de tratar o mobile como um problema único.
Qual a diferença entre taxa de conversão e abandono de carrinho?
A taxa de conversão mede quantas sessões viram pedido. O abandono de carrinho mede, entre quem criou um carrinho, quantos não concluíram a compra. O Baymard Institute calcula uma média de 70,22% de abandono a partir de 50 estudos. O abandono é uma das etapas que compõem a taxa de conversão.
Aumentar o investimento em mídia melhora a taxa de conversão?
Normalmente não. Mais mídia aumenta o número de sessões e de pedidos, mas a taxa tende a se manter ou cair, porque o público adicional costuma ser menos qualificado. Para subir a taxa é preciso atuar nas etapas do funil em que a loja perde a intenção de compra.
