A loja fatura, o painel mostra número, e mesmo assim a decisão sai errada. Isso acontece porque analytics para e-commerce não é instalar uma tag e abrir relatório: é medir o funil com o evento certo, no momento certo, com o valor certo. Quando essa base falha, o prejuízo não aparece como erro na tela. Aparece como verba de mídia queimada em campanha que parecia boa.
O padrão que mais vemos é a loja tomando decisão de estoque, preço e anúncio em cima de um analytics para e-commerce que nunca foi validado. O time corta a campanha que convertia e sobe orçamento na que só recebia crédito indevido de atribuição. Em três meses, a conta fica cara.
Quanto custa um analytics para e-commerce mal configurado
Quando o analytics para e-commerce está errado, o custo aparece em quatro frentes ao mesmo tempo. Primeiro, mídia paga otimizando para conversão duplicada ou fantasma. Segundo, decisão de catálogo baseada em produto que parece vender e não vende.
Terceiro, o diagnóstico de checkout fica cego: você sabe que perde venda, não sabe em qual etapa. Quarto, o histórico some antes de você precisar dele, e aí não dá para comparar temporada com temporada.
Nenhuma dessas falhas de analytics para e-commerce dispara alerta. A loja segue rodando e a margem vai sendo consumida por decisão errada tomada com confiança.
Analytics para e-commerce começa no evento, não no relatório
Painel bonito não corrige coleta ruim, e todo analytics para e-commerce nasce na camada de evento. A documentação oficial do Google para medição de e-commerce lista os eventos que sustentam o funil inteiro: view_item_list, select_item, view_item, add_to_cart, view_cart, remove_from_cart, begin_checkout, add_shipping_info, add_payment_info, purchase e refund.
Cada um desses eventos carrega um array de itens. Os campos centrais são item_id, item_name, price e quantity, e a orientação do Google é explícita: no evento de compra, o valor precisa ser a soma de preço multiplicado pela quantidade de todos os itens, com a moeda declarada no nível do evento.
Parece detalhe técnico. Não é, e é onde a maioria dos projetos de analytics para e-commerce falha. Um analytics para e-commerce que envia purchase sem transaction_id duplica receita a cada recarregamento da página de obrigado. Um que envia valor com frete embutido infla o ticket médio e destrói qualquer cálculo de margem.
As 9 métricas que o analytics para e-commerce precisa entregar
Painel com quarenta gráficos não ajuda ninguém a decidir. Um analytics para e-commerce útil entrega poucas leituras, e estas nove respondem as perguntas que mudam ação:
- Taxa de conversão por origem de tráfego. Média geral esconde canal ruim dentro de canal bom.
- Receita por sessão. Mede melhor que conversão isolada, porque incorpora ticket.
- Ticket médio por categoria. Mostra onde vale empurrar mix, não só volume.
- Taxa de adição ao carrinho por página de produto. Isola problema de ficha de produto de problema de preço.
- Queda entre begin_checkout e purchase. É o número mais caro da loja e o mais ignorado.
- Queda entre add_shipping_info e add_payment_info. Frete costuma ser o assassino silencioso.
- Participação de busca interna nas compras. Quem busca e compra vale ouro para o catálogo.
- Taxa de reembolso por produto. Produto que vende e volta não é venda, é custo.
- Receita por landing page de entrada. Liga SEO e mídia ao dinheiro, não ao clique.
Note o que não está na lista: usuários totais, pageviews e tempo médio. São métricas de vaidade dentro de um analytics para e-commerce. Se o assunto for aumentar venda com ajuste técnico, o caminho passa por as alavancas de conversão da loja virtual, não por gráfico de visitas.
Checklist para auditar seu analytics para e-commerce hoje
Este bloco você aplica sozinho, sem contratar ninguém. É a auditoria mínima de analytics para e-commerce. Reserve uma hora e vá item por item:
- Faça uma compra teste de verdade e confira se o evento purchase chegou uma única vez, com transaction_id preenchido.
- Recarregue a página de obrigado e verifique se a receita duplicou. Se duplicou, seu faturamento medido está inflado.
- Compare a receita do último mês fechado no painel com a receita real do financeiro. Diferença acima de 5 por cento indica coleta quebrada.
- Confira se o valor enviado exclui frete e impostos, ou se a regra está documentada e é a mesma em todos os eventos.
- Verifique se add_to_cart dispara no clique e não apenas na página de carrinho.
- Confirme que begin_checkout, add_shipping_info e add_payment_info existem, porque são eles que montam o funil de compra recomendado no material oficial de configuração de e-commerce do Google.
- Cheque se item_id no analytics é o mesmo SKU do ERP e do feed de anúncio. Códigos diferentes quebram qualquer cruzamento.
- Teste a compra no celular, em rede 4G, com bloqueador de anúncio ativo.
- Abra a configuração de retenção de dados e anote o prazo atual.
Se três ou mais itens falharem, pare de otimizar campanha. O problema não está na mídia, está no seu analytics para e-commerce.
Retenção de dados: o histórico que some sem aviso
Este é o item de analytics para e-commerce que mais surpreende dono de loja. A propriedade padrão do Google Analytics 4 vem configurada com retenção curta para dados de evento, e o ajuste para o prazo estendido não é retroativo. Ou seja, o que já expirou não volta.
Na prática: você quer comparar a Black Friday deste ano com a do ano passado numa exploração personalizada e descobre que o histórico não existe mais. Os relatórios padrão continuam mostrando agregados, mas a análise granular, aquela que responde qual criativo trouxe qual receita, morreu.
A correção leva dois minutos e precisa ser feita no primeiro dia da propriedade. Quem monta analytics para e-commerce sem tocar nessa configuração entrega um sistema com prazo de validade.
Aquisição: de onde o tráfego da loja realmente vem
Medir origem é o que separa investimento de aposta, e é metade do valor de um analytics para e-commerce. O relatório mensal de e-commerce da Conversion mostra que o setor brasileiro fechou dezembro de 2025 com 33,6 bilhões de acessos nos últimos doze meses e retração de 5,3 por cento no tráfego mensal, com busca orgânica respondendo por 27,5 por cento e busca paga por 21,8 por cento das entradas.
Quase metade do tráfego do setor nasce em busca. Se o seu painel não separa orgânico de pago por landing page e por receita, você está financiando cliques sem saber quais pagam a conta. Esse cruzamento é o que converte o trabalho de SEO de página de produto em argumento de orçamento, e não em promessa.
Vale o mesmo para loja nova. Sem medição de entrada por página, o esforço de rankear uma loja virtual do zero vira achismo sobre o que está funcionando.
Se você já desconfia que o número do painel não bate com o do financeiro, o diagnóstico técnico do Growtor Store começa exatamente por aí: coleta, funil e receita conferidos contra o caixa real.
Onde o faça você mesmo para de funcionar
O checklist acima resolve boa parte dos casos de analytics para e-commerce. Existem três situações em que ele não basta.
A primeira é consentimento. Com bloqueio de cookie e recusa de consentimento, parte das sessões deixa de ser coletada e o painel passa a subestimar a conversão. Corrigir exige modelagem e configuração de consentimento, não ajuste de tag.
A segunda é medição no servidor. Loja com volume alto perde evento por bloqueador e por limitação do navegador. A saída é enviar evento pelo servidor, o que envolve infraestrutura própria e domínio de primeira parte.
A terceira é o cruzamento com ERP e gateway. Receita medida, receita faturada e receita liquidada são três números diferentes. Só reconciliar os três permite calcular margem real por canal. Quem já passou por causas técnicas de carrinho abandonado sabe que o dado do checkout costuma ser o mais frágil da cadeia.
Como priorizar a correção quando tudo parece quebrado
Ao arrumar o analytics para e-commerce, a ordem importa mais que a pressa. Comece pelo que contamina decisão financeira, depois pelo que contamina otimização, e por último pelo que é conforto de análise.
- Receita e transação. Sem purchase confiável, nada mais vale.
- Funil de checkout. É onde o dinheiro escapa e onde o ajuste tem retorno mais rápido.
- Origem de tráfego. Define para onde vai a verba do próximo trimestre.
- Catálogo e item. Alimenta feed, remarketing e decisão de estoque.
- Retenção e governança. Protege a análise do ano que vem.
Essa fila também evita retrabalho. Corrigir catálogo antes de corrigir receita é arrumar a prateleira de uma loja com a porta emperrada. O mesmo raciocínio de prioridade se aplica aos erros de UX que derrubam venda: primeiro o que quebra transação, depois o que atrita.
A rotina de 30 dias para voltar a confiar no número
Fecho com o plano de analytics para e-commerce que aplicamos em auditoria, adaptado para você rodar internamente.
Semana 1. Compra teste em desktop e celular, conferência de purchase, transaction_id e valor. Ajuste da retenção de dados. Registro do que está quebrado, sem corrigir ainda.
Semana 2. Correção dos eventos de funil na ordem da fila acima. Padronização do item_id contra o SKU do ERP. Nova rodada de compra teste para validar.
Semana 3. Reconciliação da receita medida com a receita do financeiro do mês anterior. Meta prática: diferença abaixo de 5 por cento. Acima disso, volte para a semana 2.
Semana 4. Montagem de um único painel com as nove métricas da lista e definição de quem olha, com que frequência e qual decisão cada número dispara. Painel sem dono não é usado.
Ao fim disso você tem um analytics para e-commerce que sustenta decisão de verba, de estoque e de preço. Se preferir encurtar o caminho, a Growtor faz esse diagnóstico com acesso direto a quem programa. Falar com a Growtor pelo WhatsApp ou conhecer o Growtor Store, nosso pacote de e-commerce sob medida.
Perguntas frequentes sobre analytics para e-commerce
Qual a diferença entre receita do painel e receita do financeiro?
O analytics para e-commerce mede o que o navegador conseguiu enviar. O financeiro registra o que foi aprovado e liquidado. Diferença pequena é normal, por bloqueio e recusa de consentimento. Diferença grande indica evento duplicado, evento ausente ou valor calculado errado.
Preciso de tagueamento no servidor desde o começo?
Não. Loja em fase inicial resolve bem com medição no navegador, desde que os eventos e o valor estejam corretos. Medição no servidor entra quando o volume cresce e a perda por bloqueio passa a distorcer a decisão de mídia.
Quantas métricas um painel de loja deveria ter?
Poucas e com dono. As nove listadas aqui cobrem o essencial de analytics para e-commerce: receita, funil, catálogo e aquisição. Métrica que ninguém olha semanalmente pode sair do painel principal sem prejuízo.
Analytics para e-commerce funciona igual em qualquer plataforma?
O conceito sim, a implementação não. Plataforma fechada costuma entregar eventos prontos com menos controle sobre o valor enviado. Ambiente aberto dá controle total e exige quem saiba configurar. A escolha do modelo de checkout também muda o que é possível medir.
Com que frequência revisar a configuração?
Revise o analytics para e-commerce com uma compra teste por mês e uma reconciliação com o financeiro por trimestre. Toda alteração de tema, checkout ou plataforma exige nova validação no mesmo dia da mudança.
