E-mail marketing com IA na loja pequena: o que a ferramenta decide, como testar e o que a LGPD pede

Na leitura do ConnectWeek, esse requisito é o primeiro filtro para a loja pequena. Uma operação hipotética com 300 compradores e 4.000 cadastros de newsletter não chega ao mínimo da Klaviyo, por mais que a lista pareça grande. Nesse estágio, a mesma pergunta (quem está para comprar de novo, quem sumiu) pode ser respondida numa planilha, com o método de segmentação RFM por recência, frequência e valor. A diferença é que, na planilha, a loja sabe por que cada cliente caiu em cada grupo; no modelo preditivo, o critério fica dentro da ferramenta.

Quando a base passa do mínimo, o segmento preditivo e o RFM podem conviver: o RFM serve de referência para conferir se o modelo está separando clientes de um jeito que faz sentido para o negócio.

Linha de assunto escrita pela IA

Gerar assunto é o recurso mais fácil de testar, porque não depende de volume de compradores, só do texto que a loja fornece. No assistente da Klaviyo, a pessoa escolhe o tipo de campanha, descreve o conteúdo e recebe uma lista de sugestões, que pode editar. O RD Station anuncia geração de assuntos personalizados a partir do conteúdo do e-mail.

O assunto gerado precisa de revisão por três motivos práticos. Ele pode prometer o que a campanha não entrega, como um desconto maior que o real. Pode repetir fórmulas que a loja já usou. E pode trazer caixa alta ou pontuação em excesso, que o artigo sobre os fluxos automáticos de e-mail marketing já recomenda evitar. A regra do ConnectWeek: a IA propõe, uma pessoa escolhe as duas melhores opções e o teste decide entre elas.

Na hora de medir, a taxa de abertura engana. A ajuda da Klaviyo sobre teste A/B em fluxos usa clique como métrica padrão e explica que recursos como a proteção de privacidade do Apple Mail podem inflar as aberturas. Para a loja, o critério mais seguro é o clique ou, melhor ainda, o pedido.

Horário de envio otimizado

Cada ferramenta resolve o horário de um jeito diferente:

• Mailchimp: estima quando os contatos tendem a abrir o e-mail e envia dentro das 24 horas da data escolhida.
• Brevo: a Aura escolhe um horário para cada contato, e todos recebem dentro de 24 horas; para quem não tem histórico, usa médias da conta ou da própria Brevo.
• RD Station: segundo a central de ajuda, o algoritmo projeta as aberturas hora a hora para os sete dias seguintes. Um texto do blog da empresa explica que a projeção usa as aberturas do segmento de atividade econômica da conta e que metade dos destinatários recebe no horário projetado e a outra metade no horário definido pela loja, o que já funciona como comparação. O texto do blog é antigo; confira na conta se a divisão continua assim.
• Klaviyo: o Smart Send Time passa por envios exploratórios antes de fixar um horário.

As limitações dizem muito sobre o uso na loja pequena:

• Volume: a Klaviyo só libera o Smart Send Time a partir de 12.000 perfis ativos e 12.000 destinatários por campanha, porque abaixo disso a amostra não basta para achar o melhor horário.
• Histórico: a Mailchimp condiciona o cálculo a dados suficientes de e-mails já enviados; a Brevo recomenda esperar algumas campanhas.
• Tipo de envio: na Mailchimp, o recurso não vale para e-mail automatizado; no RD Station, só para campanhas com finalidade Email Marketing; na Brevo, não vale para campanha de teste A/B.

Na prática, o horário otimizado mexe nas campanhas pontuais (promoção, lançamento, data comemorativa). Os fluxos que disparam por ação do cliente, como carrinho abandonado e pós-compra, já chegam na hora em que a pessoa agiu e ficam de fora em parte das ferramentas.

Como testar: A/B e grupo de controle

Ligar o recurso e olhar se o mês foi melhor não diz nada: o mês pode ter sido melhor por causa da oferta, da data ou do frete. O teste precisa de dois grupos sorteados da mesma lista, recebendo a mesma campanha, com uma única diferença entre eles.

1. Defina o que muda. Assunto escrito pela IA contra assunto escrito pela equipe; ou horário otimizado contra o horário fixo de sempre. Um recurso por teste.
2. Mantenha um grupo de controle. É a parte da lista que recebe o jeito antigo. Sem ela, não há com o que comparar.
3. Escolha a métrica antes. Clique por destinatário ou pedido por destinatário, não abertura.
4. Respeite o tamanho mínimo. A ajuda da Mailchimp sobre testes A/B pede ao menos 10% dos destinatários no teste, recomenda 5.000 contatos por combinação e, quando a variável é o horário, obriga o envio para 100% da lista. A Klaviyo considera um resultado significativo quando cada variação chegou a 50 pessoas e a probabilidade de vitória é de pelo menos 90%.
5. Some campanhas quando a lista é pequena. Com poucos milhares de contatos, repita o mesmo desenho por algumas semanas antes de concluir.

Um conflito aparece aqui: no RD Station, o Envio Inteligente não se combina com o teste A/B de assunto, e na Brevo o envio no melhor horário não funciona em campanha de teste A/B. Nesses casos, o controle pode ser montado à mão, dividindo a lista em dois segmentos sorteados e mandando duas campanhas iguais, uma com o recurso ligado e outra sem. A conta de significância para comparar duas taxas está detalhada no guia de teste A/B no e-commerce com pouco tráfego.

Exemplo hipotético: horário otimizado numa lista de 6.000 contatos

Todos os números a seguir são hipotéticos, criados para mostrar a conta. Uma loja de cosméticos tem 6.000 contatos ativos e quer saber se o horário escolhido pela ferramenta vende mais que o envio fixo das 10h. Ela sorteia a lista em duas metades de 3.000 e manda a mesma campanha às duas.

Pelo teste de duas proporções usado no guia de teste A/B, com corte de 1,96 para 5% de significância, a estatística z dos cliques dá cerca de 1,14 e a dos pedidos, cerca de 0,52. Nenhuma das duas passa: com uma campanha, a diferença ainda cabe no acaso.

A loja repete o desenho em quatro campanhas e, por simplificação, soma os resultados, supondo que as taxas se mantêm. Ficam 12.000 envios por grupo, com 384 cliques contra 324 e 72 pedidos contra 60. O z dos cliques sobe para cerca de 2,29, acima do corte. O dos pedidos fica em cerca de 1,05, ainda abaixo. Há uma limitação: os 12.000 envios de cada grupo saem dos mesmos 3.000 contatos repetidos, e o teste de duas proporções supõe observações independentes. O mesmo cliente que clica sempre pesa quatro vezes, e o resultado somado deve ser lido como indício, não como prova. Para os pedidos, nem esse indício aparece. A decisão de manter o recurso passa a depender do custo: se ele exige um plano mais caro, o ganho em pedidos ainda não está provado.

O que a LGPD acrescenta quando a IA entra

A base legal para mandar e-mail marketing, com consentimento ou legítimo interesse e descadastro em toda mensagem, já está explicada no artigo sobre fluxos automáticos de e-mail. A IA acrescenta três pontos à conversa, todos da Lei nº 13.709/2018, a LGPD, consultada no site do Planalto em outubro de 2026.

• Perfil de consumo definido por máquina (art. 20). O segmento preditivo classifica cada cliente sem ninguém olhar caso a caso. O art. 20 dá ao titular o direito de pedir revisão de decisões tomadas só por tratamento automatizado que afetem seus interesses, e inclui nesse grupo as que definem o perfil de consumo; o § 1º obriga a empresa a explicar, quando solicitada, os critérios e procedimentos usados, respeitado o segredo comercial. A aplicação desse artigo à recomendação de produtos, que funciona com o mesmo tipo de perfil, está no texto sobre recomendação de produtos com IA.
• Oposição (art. 18, § 2º). Quando o envio se apoia numa base que dispensa consentimento, como o legítimo interesse, a lei permite ao titular se opor ao tratamento se houver descumprimento da LGPD. E o art. 7º, § 6º, lembra que dispensar o consentimento não tira da loja as demais obrigações da lei.
• Ferramenta com dados fora do país (arts. 33 a 36). Quando a base de clientes vai para um fornecedor que trata dados no exterior, há transferência internacional. A Resolução CD/ANPD nº 19, de 23 de agosto de 2024, regulamenta esses artigos e aprovou o modelo de cláusulas-padrão contratuais. O que pedir ao fornecedor sobre país de armazenamento e subcontratados está no texto sobre cláusulas do contrato com fornecedor de IA.

Na avaliação do ConnectWeek, o cuidado prático é simples: a política de privacidade da loja deve dizer que os dados de compra e de interação com os e-mails são usados para escolher ofertas e horários, e a equipe deve saber responder, em linguagem simples, por que um cliente recebeu determinada campanha. O texto é informativo e não substitui a análise de um advogado para o caso concreto.

Checklist antes de ligar um recurso de IA no e-mail

• A loja atende ao requisito do recurso (compradores, contatos ativos, histórico, plano, país da conta)?
• O recurso funciona no tipo de envio que a loja quer usar (campanha, fluxo, teste A/B)?
• Há um grupo de controle sorteado e uma métrica de clique ou pedido definida antes do envio?
• Uma pessoa revisa todo assunto e todo texto gerado antes de sair?
• A política de privacidade descreve o uso de dados de compra e de interação para segmentar e escolher horário?
• O contrato com a ferramenta trata da transferência internacional, se os dados saem do país?
• O domínio de envio está autenticado? Sem isso, nenhum recurso de IA resolve a entrega; o passo a passo está em SPF, DKIM e DMARC para o e-mail da loja.