Como interpretar dados de acompanhamento de compradores em lojas
uma loja acompanhou o número de compradores de dois produtos
Esse tipo de acompanhamento é muito comum no varejo brasileiro, especialmente em operações de médio porte que ainda não têm CRM avançado. A maioria das planilhas que vejo segue um padrão simples: duas colunas de produtos, uma linha de compradores exclusivos de cada um e uma interseção para quem comprou ambos. Funciona, mas exige atenção aos detalhes para não errar os cálculos. No fundo, isso é aplicação direta de conjuntos. Se você tem 150 compradores no produto A e 200 no produto B, sabendo que 80 compraram os dois, o total de clientes únicos não é 350. É 270. A conta é: A + B - interseção = total único. Parece básico, mas é exatamente esse erro que eu vejo acontecer toda semana em relatórios de gestão.
O problema real começa quando você tenta cruzar esses dados com outras variáveis. Na minha experiência, a primeira queda de pára-quedas foi com a duplicação de clientes entre canais. Uma cliente podia ter comprado o produto A pelo site e o produto B pela loja física, e o sistema da época registrou como duas pessoas diferentes. O resultado era um inflation artificial dos números de compradores únicos. A solução que funcionou foi criar um identificador único por CPF/CNPJ e consolidar tudo em uma tabela separada antes de fazer qualquer análise de interseção. Outro ponto que pouca gente leva em conta é o efeito do tempo. Se o acompanhamento cobre um período de 30 dias, um mesmo comprador pode aparecer em ambas as colunas em dias diferentes. Às vezes o que você interpreta como "comprador dos dois produtos" é simplesmente o mesmo cliente fazendo compra recorrente. Dependendo do seu objetivo, isso é informação valiosa ou ruído. Se você quer calcular taxa de recompra, conta separado. Se quer entender penetração de portfólio, inclui na interseção mesmo. O erro é tratar os dois cenários da mesma forma.
Construindo a planilha na prática
A estrutura mais robusta que já usei leva cinco etapas e leva cerca de 15 minutos para ser montada em uma operação com até 5.000 transações mensais. Primeiro, extraia os dados brutos do seu sistema de vendas — geralmente um exporte CSV com data, ID do cliente, produto e valor. Segundo, abra no Excel ou Google Sheets e classifique por cliente e produto. Terceiro, crie uma tabela dinamicade dois níveis: produtos nas linhas e tipos de compra (só A, só B, ambos) nas colunas. Quarto, use a função CONTAR.SE como base para contar compradores exclusivos e INTERSEÇÃO como soma conditionais para quem aparece nos dois produtos. Quinto, adicione uma aba de validação cruzada onde você confere se a soma dos exclusivos mais a interseção bate com o total geral de compradores registrados. Se sua operação tiver mais de dois produtos, o modelo escala naturalmente. Você vai precisar de uma matriz de incidencia onde cada cliente é uma linha e cada produto é uma coluna, com valor 1 se comprou e 0 se não. A partir daí, qualquer combinação se torna trivial de calcular. Eu já fiz isso para até oito produtos simultâneos e a planilha rodava limpa em menos de 30 segundos, mesmo com 20 mil linhas.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Pegadinhas que custam horas de retrabalho
A principal é a tratativa de nulos e campos vazios. Cliente que não comprou nenhum dos dois produtos pode simplesmente não constar na base exportada pelo sistema. Isso significa que seu total de compradores únicos será sempre menor que o público real que passou pela loja. Para corrigir, você precisa de uma lista mestra de clientes, mesmo que seja apenas uma relação de CPFs com data da primeira compra. Sem isso, qualquer métrica de penetração estará subestimada. Uma segunda pegadinha que ninguém avisa é a questão da devolução. Se um cliente comprou o produto A, depois devolveu, e ainda assim consta na sua lista de compradores de A, sua interseção com B estará inflacionada. O workaround que eu adotei foi criar uma coluna de "liquidez da venda" — se o valor foi estornado, o registro é marcado como N e cai fora do cálculo de compradores efetivos. Leva mais um passo no processo de extração, mas elimina um viés que distorce completamente a leitura de mix de compras.
Existe também um limite operacional que vale a pena saber de antemão: se você trabalha com dados em tempo real de múltiplas lojas físicas, a convergência de IDs de cliente entre unidades raramente é automática. Eu passei duas semanas resolvendo esse problema em uma rede de três cidades porque o cadastro de pessoa física era feito de forma independente em cada unidade. A solução final foi usar uma chave de correspondência por telefone e endereço, com aprovação manual dos casos ambíguos. Nada automatizado funcionou bem o suficiente para descartar a revisão humana nessa etapa.
Quando abandonar essa abordagem
Se o volume de transações ultrapassar 50 mil por mês, ou se você tiver mais de cinco produtos para cruzar, a planilha começa a engrossar e ficar instável. Aí o caminho natural é migrar para uma consulta SQL simples ou para uma ferramenta como o Google Looker Studio conectado diretamente ao banco de dados. O ganho em velocidade é enorme — consultas que levavam horas para rodar viram segundos — mas exige que você tenha acesso de leitura ao banco e conhecimento mínimo de estrutção de tabelas. Para operações muito pequenas, abaixo de 500 transações mensais, a planilha funciona perfeitamente e o esforço de implementar outra ferramenta não compensa. O ideal é começar simples, validar que os números batem com a realidade, e só escalar a complexidade quando o custo de manutenção da planilha ultrapassar o custo de implementar algo estruturado. Isso geralmente acontece por volta dos 3 mil registros mensais, mas depende muito da familiaridade da equipe com Excel.
O que eu posso afirmar com certeza é que o acompanhamento do número de compradores de dois produtos, tal como descrito na problemática inicial, é mais sobre disciplina de limpeza de dados do que sobre sofisticação analítica. Quem domina a parte suja do trabalho — padronização de IDs, tratamento de devoluções, cruzamento de canais — chega aos resultados corretos sem precisar de ferramentas caras. E quem pula essa etapa acaba tomando decisões baseadas em números que parecem plausíveis mas não representam a realidade do negócio.
