E-commerceArtigo
Conversão da loja caiu: roteiro para achar a causa antes de mexer no site
Em resumo
Quando a taxa de conversão cai, o primeiro passo é conferir se a medição continua certa. Depois, separar visitas de pedidos, achar o grupo de visitantes e a etapa da compra em que a queda está. O ConnectWeek mostra o roteiro com os relatórios do GA4, um exemplo hipotético com a conta, um quadro do que conferir em cada etapa e uma ficha para registrar o diagnóstico.
A taxa de conversão caiu de uma semana para a outra. Antes de trocar o tema, mexer no preço ou culpar a campanha, vale tratar o número como sintoma, não como causa. O diagnóstico cabe em quatro perguntas, feitas nesta ordem: o número está certo, o que mudou foi a visita ou o pedido, em que grupo de visitantes a queda está e em que etapa da compra o cliente passou a sair. Este roteiro percorre as quatro com os relatórios do Google Analytics 4 (GA4) e termina com uma ficha para registrar o que foi encontrado. Os exemplos numéricos são hipotéticos, montados pelo ConnectWeek para mostrar a conta.
A queda é real ou foi a medição que mudou?
A primeira hipótese a derrubar é a de que a loja vende como antes e o painel é que passou a contar diferente. Três conferências resolvem isso.
- O período já fechou? A página de atualização de dados da Ajuda do Google Analytics informa que o tratamento pode levar de 24 a 48 horas e que, nesse intervalo, os números dos relatórios ainda podem mudar. A mesma página indica, como horário típico e sem garantia, 15h30 no fuso da propriedade para os dados diários da véspera ficarem prontos nos relatórios. Na prática: não compare ontem ou hoje com uma semana fechada.
- A compra continua sendo enviada? Segundo a página do relatório Compras de e-commerce, o GA4 não coleta sozinho os eventos de e-commerce: é a loja que precisa enviá-los (a mesma página registra que, nas lojas da Shopify com o Google Analytics configurado, parte desses eventos é coletada pela plataforma), e o evento que chega sem os parâmetros obrigatórios é tratado como personalizado e fica fora do relatório. Na avaliação do ConnectWeek, troca de tema, de checkout ou de aplicativo é o tipo de mudança que pode interromper esse envio sem aviso. O teste é comparar, para os mesmos dias, os pedidos registrados na plataforma da loja com as compras que aparecem no GA4. Na leitura do ConnectWeek, o sinal de alerta não é a diferença entre os dois números, e sim essa diferença ter mudado de uma semana para a outra.
- Os eventos chegam em um pedido de teste? O DebugView mostra os eventos de um dispositivo com o modo de depuração ativado, no momento em que são coletados; a coluna do meio lista os dos últimos 60 segundos. Faça uma compra de teste e confira se o evento de compra aparece. A página avisa que os eventos não ficam visíveis quando o site implementou controles de privacidade no lado do cliente (que rodam no navegador) ou ativou o modo de consentimento e o visitante não autorizou os cookies do Google Analytics. Por isso, na leitura do ConnectWeek, uma alteração no aviso de cookies também entra na lista de suspeitos; o que esse aviso precisa ter está em banner de cookies: o que a LGPD exige e o que a ANPD recomenda.
Confira também se a comparação usa a mesma métrica dos dois lados. A tabela de dimensões e métricas do GA4 traz duas taxas diferentes: a taxa de sessões com eventos principais divide as sessões que tiveram ao menos um evento principal pelo total de sessões; a taxa de eventos principais do usuário divide as pessoas que realizaram um evento principal pelo total de usuários. As duas contam apenas eventos marcados como principais. Vale conferir, na propriedade, quais eventos estão marcados: se houver outros além da compra, como um cadastro, eles também entram na taxa. Já a taxa exibida pela plataforma da loja pode seguir outra contagem de visitas; confira a definição na ajuda da própria plataforma antes de comparar. As fórmulas e as armadilhas de cada indicador estão em KPIs de e-commerce: os 12 indicadores e a fórmula de cada um.
O que mudou: as visitas ou os pedidos?
Taxa de conversão é uma divisão: pedidos em cima, sessões embaixo. Ela cai quando os pedidos diminuem, mas também quando as visitas aumentam sem trazer pedidos na mesma proporção. Olhe os dois números separados antes de olhar a taxa. No exemplo hipotético abaixo, a taxa caiu de 2,0% para 1,6%, e a loja vendeu mais.
| Semana | Sessões | Pedidos | Taxa de conversão |
|---|---|---|---|
| Anterior | 10.000 | 200 | 2,0% |
| Atual | 13.000 | 208 | 1,6% |
Abrindo a semana atual por origem da visita, ainda no exemplo, o quadro muda de sentido: os canais que a loja já tinha repetiram 10.000 sessões e 200 pedidos (2,0%), e uma campanha nova trouxe 3.000 sessões e 8 pedidos (0,27%). A loja não piorou; mudou a mistura de visitantes. A pergunta deixa de ser o que quebrou no site e passa a ser se a campanha está trazendo o público certo. Quando a queda vem de cima da divisão, com visitas estáveis e menos pedidos, o problema tende a estar da porta para dentro, na leitura do ConnectWeek, e as duas perguntas seguintes ajudam a mostrar onde.
Em que grupo de visitantes a taxa caiu?
A média esconde o problema. O passo seguinte é repetir a comparação entre os dois períodos dentro de cada grupo de visitantes. No GA4, isso se faz com as comparações, que põem subconjuntos dos dados lado a lado no mesmo relatório. A página de ajuda dá como exemplos de condição a plataforma, o país e o público-alvo, e informa que a propriedade já vem com comparações prontas para tráfego direto, orgânico, móvel e da Web. O ConnectWeek sugere quatro cortes, nesta ordem, e a leitura de cada um é do portal:
- Dispositivo. A dimensão categoria do dispositivo separa categorias como computador, dispositivo móvel e tablet, conforme a tabela de dimensões. Queda só no celular leva a olhar layout, velocidade e meio de pagamento naquele aparelho.
- Canal. O grupo de canais padrão da sessão mostra por onde a visita chegou. Queda em um canal só leva a olhar a campanha e a página de destino dela.
- Produto ou categoria. O relatório Compras de e-commerce mostra itens acessados, adicionados ao carrinho e comprados, por nome e por categoria do item. Um campeão de vendas sem estoque ou com preço alterado pode puxar a taxa da loja inteira para baixo.
- Região. As dimensões de geografia incluem região e cidade. Queda concentrada em alguns estados leva a olhar frete e prazo para aqueles CEPs.
A regra de leitura, também do ConnectWeek: se a taxa caiu em todos os grupos ao mesmo tempo, a causa tende a ser geral (medição, preço, frete, site instável, fim de uma promoção). Se caiu em um só, comece por ele.
O GA4 também procura mudanças fora do padrão por conta própria. A página de detecção de anomalias explica que o sistema prevê o valor da métrica a partir do histórico e marca como anomalia o ponto que cai fora do intervalo esperado; o histórico usado é de duas semanas na detecção por hora, 90 dias na diária e 32 semanas na semanal. Uma segunda análise, hoje feita semanalmente, examina segmentos e exibe aquele que se comporta de forma anômala e reúne ao menos 0,05% dos usuários da propriedade.
Para não depender de abrir o painel, dá para criar um aviso. Segundo a página de insights do Google Analytics, cada propriedade aceita até 50 insights personalizados, com avaliação por hora (só para dados da Web), diária, semanal ou mensal e alerta opcional por e-mail. Quem escolhe a condição “Tem anomalia” deixa o Analytics decidir quando a mudança é anormal, sem digitar um limite. Criar e editar insights pede função de editor ou administrador.
Em que etapa da compra o cliente está saindo?
Sabendo o grupo, falta o ponto. A lista de eventos recomendados do GA4 para vendas on-line traz os eventos que servem de etapa. Na ordem em que o ConnectWeek sugere montar o funil: view_item (viu um item), add_to_cart (pôs no carrinho), begin_checkout (iniciou a finalização), add_shipping_info (enviou os dados de frete), add_payment_info (enviou os dados de pagamento) e purchase (concluiu a compra).
Com esses eventos, a análise detalhada de funil mostra quantos usuários passam de uma etapa para a seguinte. A página de ajuda informa que cabem até 10 etapas e até quatro segmentos, que o funil pode ser fechado (só entra quem passa pela primeira etapa) ou aberto (a entrada pode ocorrer em qualquer etapa) e que há um detalhamento por dimensão, como a categoria do dispositivo. Um cuidado descrito ali: no detalhamento, o usuário fica no primeiro valor que teve. Quem entrou no funil pelo celular e terminou no computador aparece, em todas as etapas, na linha do celular.
Monte o mesmo funil para os dois períodos e compare a passagem de cada etapa, não o total. O quadro abaixo é uma sugestão do ConnectWeek de por onde começar em cada ponto de queda.
| Onde a passagem caiu | O que conferir primeiro |
|---|---|
| Da página do produto para o carrinho | Preço e parcelamento exibidos, variação sem estoque, fotos e descrição, estimativa de frete na página |
| Do carrinho para o início da finalização | Frete e prazo mostrados no carrinho, cupom que não aplica, exigência de cadastro |
| Do início da finalização aos dados de frete | Formulário, validação de CEP e endereço, opções de entrega para a região |
| Dos dados de frete aos dados de pagamento | Valor e prazo do frete diferentes do que foi estimado antes, falta de opção de entrega, meio de pagamento esperado ausente |
| Dos dados de pagamento à compra concluída | Recusa de cartão, regra de antifraude, erro do meio de pagamento, Pix gerado e não pago |
Os atritos do checkout e a forma de medir cada um estão em checkout que converte: 10 pontos de atrito para medir e corrigir. Se a perda se concentra na aprovação do pagamento, veja antifraude que barra cliente bom.
O que mudou na loja nos dias da queda?
Com período, grupo e etapa definidos, resta cruzar a data da queda com o que foi alterado naqueles dias. A lista abaixo é do ConnectWeek e serve de roteiro para a conversa com quem cuida de site, mídia, estoque e atendimento:
- tema, aplicativo ou script instalado, atualizado ou removido;
- meio de pagamento, regra de antifraude ou parcelamento;
- tabela de frete, transportadora, prazo ou valor mínimo do frete grátis;
- preço, fim de promoção ou cupom que expirou;
- campanha nova, pausada ou com público diferente;
- produto mais vendido sem estoque ou sem alguma variação;
- aviso de cookies ou etiqueta de medição alterados;
- lentidão ou erro em páginas importantes, que se confere com o roteiro de Core Web Vitals para loja virtual.
Sem um registro das mudanças, esse cruzamento depende da memória da equipe. Uma planilha com três colunas (data, o que mudou e quem mudou) resolve, e é ela que encurta o diagnóstico da próxima queda.
Como registrar o diagnóstico?
O modelo abaixo é do ConnectWeek. Preencha antes de mudar qualquer coisa: ele obriga a separar fato de palpite e deixa combinado como saber se a correção funcionou.
- Períodos comparados: [de/até] contra [de/até], com os mesmos dias da semana.
- Medição conferida: pedidos na plataforma [n] e compras no GA4 [n] em cada período; compra de teste vista no DebugView [sim/não].
- Sessões e pedidos: [n] e [n] antes; [n] e [n] depois.
- Grupo em que a taxa caiu: [dispositivo, canal, produto ou região].
- Etapa em que a passagem caiu: [de qual para qual], de [x]% para [y]%.
- Mudanças na loja no período: [lista com datas].
- Hipótese: [uma frase].
- Correção e data: [o que será feito e quando].
- Como saber se resolveu: [métrica, grupo e data de reavaliação].
Quando a hipótese pede mudança de layout ou de texto, e não o conserto de algo quebrado, vale validar antes de aplicar a todos os visitantes: o método está em teste A/B no e-commerce com pouco tráfego.
Quais erros atrapalham o diagnóstico?
A lista abaixo é do ConnectWeek, a partir do roteiro deste artigo.
- Comparar dia incompleto com período fechado. Os dados recentes ainda mudam, como mostra a primeira seção.
- Comparar semanas diferentes por natureza. Semana com feriado, data promocional ou dia de pagamento não é parâmetro para semana comum; quando houver histórico, compare com o mesmo período do ano anterior.
- Olhar só a taxa. Sem os pedidos e as sessões que a formam, não dá para saber de que lado veio a mudança.
- Mudar três coisas ao mesmo tempo. Se a taxa voltar, ninguém sabe o que funcionou.
- Tratar oscilação pequena como queda. Em uma loja hipotética com 20 pedidos por semana, dois pedidos a menos já representam 10% do total. Com volume baixo, olhe períodos mais longos antes de concluir.
Comece por aqui Novo no assunto? Leia primeiro o que é e-commerce, o texto-base desta cobertura.
Fonte: Ajuda do Google Analytics — [GA4] Análise detalhada de funil
Perguntas frequentes
O que fazer quando a taxa de conversão da loja cai?
Antes de alterar o site, responda a quatro perguntas, nesta ordem: a medição continua certa, o que mudou foram as visitas ou os pedidos, em que grupo de visitantes a taxa caiu e em que etapa da compra o cliente passou a sair. Só então cruze a data da queda com as mudanças feitas na loja naqueles dias e registre uma hipótese e uma forma de conferir se a correção funcionou.
Como saber se a queda de conversão é erro de medição?
Compare, para os mesmos dias, os pedidos registrados na plataforma da loja com as compras que aparecem no GA4: se a distância entre os dois mudou, a suspeita é a medição. A Ajuda do Google Analytics informa que os eventos de e-commerce não são coletados automaticamente e que os números recentes ainda podem mudar enquanto são tratados, o que pode levar de 24 a 48 horas. Uma compra de teste acompanhada no DebugView mostra se o evento continua chegando.
A taxa de conversão caiu, mas as vendas não. Por quê?
Porque a taxa é pedidos divididos por sessões, e ela cai quando as visitas crescem mais do que os pedidos. No exemplo hipotético do ConnectWeek, a loja passa de 10.000 sessões e 200 pedidos (2,0%) para 13.000 sessões e 208 pedidos (1,6%): vendeu mais, e a taxa caiu porque uma campanha nova trouxe 3.000 sessões e 8 pedidos.
Como ver no GA4 em que etapa da compra o cliente desiste?
Com a análise detalhada de funil, em Explorar. Segundo a Ajuda do Google Analytics, o funil aceita até 10 etapas, definidas por eventos ou por valores de dimensão, e pode ser detalhado por dimensões como a categoria do dispositivo. Para uma loja, o ConnectWeek sugere usar como etapas os eventos recomendados view_item, add_to_cart, begin_checkout e purchase, que a loja precisa enviar ao GA4.
O GA4 avisa quando a conversão cai?
Dá para configurar um aviso sobre a métrica que a loja escolher. A Ajuda do Google Analytics descreve os insights automatizados, que apontam mudanças incomuns nos dados, e os insights personalizados, limitados a 50 por propriedade, em que a loja define a métrica, a frequência de avaliação e a condição, com alerta opcional por e-mail. A condição “Tem anomalia” deixa o Analytics decidir quando a mudança é anormal.
