A maioria das lojas virtuais está obcecada com aquisição: mais tráfego, mais cliques, mais campanhas. Enquanto isso, uma parcela significativa dos clientes conquistados com custo alto fazem uma única compra e somem — nunca mais voltam.
A lógica financeira é simples: reter um cliente existente custa 5–7x menos do que adquirir um novo. E um cliente que compra 3 vezes no mesmo e-commerce tem LTV 3–5x maior do que a soma de 3 compras de clientes diferentes. O e-commerce que entende retenção tem vantagem competitiva sustentável — e margem maior.
O que são métricas de retenção?
Métricas de retenção medem a capacidade de um e-commerce de transformar compradores pontuais em clientes recorrentes. As principais são:
- LTV (Lifetime Value) — receita total gerada por um cliente ao longo do relacionamento
- Taxa de recompra — porcentagem de clientes que fazem uma segunda compra dentro de um período
- Churn — taxa de clientes que param de comprar no período
- Tempo até a segunda compra — dias médios entre o primeiro e o segundo pedido
- Frequência de compra — número médio de pedidos por cliente ativo no período
LTV: como calcular e por que importa
Fórmula básica do LTV
LTV = Ticket médio × Frequência de compra anual × Tempo de vida do cliente (anos)
Exemplo:
- Ticket médio: R$ 150
- Frequência: 3 compras por ano
- Tempo de vida médio: 2,5 anos
- LTV = R$ 150 × 3 × 2,5 = R$ 1.125
Com esse número, você sabe o quanto pode gastar para adquirir esse cliente e ainda ter margem. Se o CAC (Custo de Aquisição de Cliente) está em R$ 80, a relação LTV:CAC é ~14:1 — muito saudável. Se o CAC está em R$ 400, a relação é 2,8:1 — perigosa para a sustentabilidade do negócio.
LTV por cohort de aquisição
O LTV médio esconde variações importantes. O LTV de clientes adquiridos via canal orgânico tende a ser maior que o de clientes adquiridos via cupom de desconto — porque compradores movidos por preço têm menor propensão a recomprar sem desconto.
Calcular o LTV por cohort (grupo de clientes adquiridos no mesmo mês/trimestre, pelo mesmo canal) revela quais fontes de aquisição geram clientes mais valiosos a longo prazo.
Taxa de recompra: o indicador mais prático
Como calcular
Taxa de recompra = (Clientes com 2+ pedidos no período ÷ Total de clientes únicos no período) × 100
Benchmarks típicos por segmento:
- Moda e Acessórios: 20–30% de recompra anual
- Beleza e Cuidados Pessoais: 35–50% (alta recorrência natural)
- Eletrônicos: 10–18% (ciclo longo de recompra)
- Alimentos e Bebidas: 50–70% (necessidade de reposição)
Tempo até a segunda compra
A taxa de recompra muda drasticamente com o timing das ações de retenção. Análises mostram consistentemente que:
- Clientes que voltam nos primeiros 30 dias após a primeira compra têm taxa de recompra 60% maior no ano seguinte
- Clientes que fazem 3 compras têm probabilidade de ~70% de fazer uma quarta
Isso cria uma janela crítica de retenção logo após a primeira compra — o momento ideal para um programa de onboarding pós-venda.
Churn: como medir em e-commerce
Diferente de SaaS, onde churn é direto (cancelamento de assinatura), em e-commerce o churn é implícito: o cliente simplesmente para de comprar sem avisar.
Churn implícito
Define-se um período de "janela de recompra" baseado na frequência típica do seu segmento. Um cliente que não comprou em 2× o período médio de recompra é considerado "em risco de churn".
Exemplo:
- Ticket médio de recompra: 45 dias
- Cliente sem compra há 90+ dias: em risco de churn
- Cliente sem compra há 180+ dias: churned
Como medir retenção no GA4
O GA4 tem um relatório de Análise de Cohort em Explorar:
- Vá em Explorar → Análise de cohort
- Configure: métrica de inclusão = primeiro pedido (
purchase), métrica de retorno = qualquer sessão ou novo pedido - Escolha a granularidade (semana ou mês)
O resultado mostra, para cada cohort de usuários que fez a primeira compra em determinado período, qual porcentagem voltou ao site (ou comprou novamente) nas semanas seguintes.
Limitação do GA4 para retenção: o GA4 é baseado em sessões e eventos de navegação, não em dados transacionais do backend. Para análise de retenção com dados de pedidos reais, o ideal é integrar os dados de pedidos da VTEX com o BigQuery ou uma planilha exportada do OMS.
Estratégias para melhorar a retenção
1. Onboarding pós-venda E-mail com conteúdo útil (dicas de uso, cuidados com o produto) nos 7 dias após a compra. Não é venda — é relacionamento. Clientes que recebem conteúdo pós-compra têm maior propensão a recomprar.
2. Programa de fidelidade simples Pontos por compra com resgate em desconto. O importante não é a complexidade do sistema, mas a frequência de comunicação sobre o saldo e a facilidade de resgate.
3. Régua de reativação Clientes sem compra há 60–90 dias recebem uma sequência de e-mails/SMS com oferta personalizada. Custo baixo, ROI alto porque a audiência já conhece a marca.
4. Personalização de produto baseada em histórico Recomendar produtos complementares ao que o cliente já comprou aumenta relevância e probabilidade de recompra. Na VTEX, isso é feito via VTEX Intelligent Search ou plataformas de personalização como Nosto ou Dynamic Yield.
Se quiser configurar análise de retenção e cohort baseada nos seus dados de pedido VTEX, fala comigo ou conheça o serviço de analytics.