Melhores Práticas de Retail Analytics para o Varejo

Segunda-feira de manhã, reunião de resultados. A loja do shopping fechou o mês 7% abaixo da meta e a explicação da equipe é a de sempre: "o movimento caiu". Ninguém na sala consegue dizer se entraram menos pessoas, se entraram as mesmas pessoas e compraram menos, ou se o quadro de horários estava errado nos sábados. É exatamente aí que a maioria dos projetos de retail analytics falha: não por falta de dados, mas por falta de um dado básico que transforme a venda em uma fração com numerador e denominador. Este artigo reúne práticas que separam as operações que decidem com números das que apenas os coletam.

Comece pelo denominador, não pelo dashboard

Receita, ticket médio e itens por cupom já vivem no PDV. O que falta em quase toda rede é o número de pessoas que entrou na loja. Sem ele, a taxa de conversão no varejo vira estimativa, o dimensionamento de equipe vira intuição e a avaliação de campanhas vira discussão. Um contador de pessoas instalado em cada entrada é a primeira camada de qualquer análise de dados varejo que pretenda sair do relatório de vendas.

Três cuidados definem se esse número vai ser confiável o suficiente para sustentar decisões de orçamento:

• Exclusão de funcionários. Em uma loja de 40 m² com três vendedores que saem para fumar, buscar estoque e fazer reposição, a equipe pode representar 15% das passagens pela porta. Algoritmos de exclusão de colaboradores retiram essas passagens do total; sem isso, a conversão fica artificialmente baixa justamente nas lojas menores.
• Precisão declarada por contrato. Fornecedores sérios assumem um mínimo contratual (no caso da Vemco, 96%), e na prática entregam entre 98% e 99% quando iluminação, layout e comportamento do visitante permitem. Desconfie de quem promete 99% fixo em qualquer condição: vitrines com contraluz forte e portas largas com fluxo cruzado derrubam qualquer sensor.
• Todas as entradas, não só a principal. Lojas de rua com porta lateral para estacionamento costumam contar só a fachada e depois estranham a conversão acima de 100% em dias de chuva.

Retail analytics que a operação usa toda semana

A pergunta certa para cada métrica não é "é interessante?", e sim "quem muda o que, em qual prazo, por causa deste número?". Na prática, quatro cruzamentos resolvem a maior parte das decisões operacionais:

• Fluxo por hora versus funcionários escalados por hora. É o relatório que mais rápido paga o sistema. Redes que o implantam costumam descobrir que o pico de entrada de sábado é às 15h, enquanto a escala concentra gente às 11h, horário em que o gerente "sente" a loja cheia porque está no caixa.
• Conversão por loja no mesmo cluster. Comparar venda bruta entre uma loja de shopping e uma de rua é inútil. Comparar conversão entre cinco lojas com fluxo de pessoas em loja semelhante expõe diferença de execução, não de localização.
• Taxa de captura em shopping center. Quantos dos visitantes que passam pelo corredor entram na loja. Separa o problema de vitrine (captura baixa) do problema de atendimento (captura alta, conversão baixa).
• Fluxo versus mídia. Campanha de rádio local, panfletagem no bairro ou ação no Instagram: se a entrada de pessoas não se move na semana seguinte, o investimento não trouxe tráfego, independentemente do que a venda fez.

O detalhe que distorce a conversão por hora

Uma observação que só aparece depois de algumas implantações: o PDV registra a venda no fechamento do cupom, não no momento em que o cliente entrou. Em categorias com tempo de permanência longo (calçados, eletrônicos, móveis, ótica) isso desloca a venda para a hora seguinte à entrada. O resultado é uma conversão aparentemente baixíssima às 10h e absurdamente alta às 12h, e um gerente convencido de que a equipe da manhã não vende. Antes de qualquer conclusão sobre produtividade por turno, aplique uma defasagem compatível com o tempo médio de permanência do formato. Para lojas de conveniência isso não importa; para uma loja de colchões, muda o diagnóstico inteiro.

Integre antes de contratar mais relatórios

O erro mais caro em análise de dados varejo não é escolher a ferramenta errada; é ter três ferramentas que não conversam. Contagem em uma plataforma, vendas no ERP e escala no sistema de RH, com um analista colando planilhas na sexta-feira. Quando a reunião de segunda acontece, o dado tem uma semana e ninguém confia totalmente nele.

Dois critérios na seleção evitam esse cenário. Primeiro, o sistema de contagem de pessoas precisa entregar dados por API ou conector direto para o PDV, o ERP e a ferramenta de BI já usada pela rede, de modo que conversão e produtividade apareçam onde o gestor já olha, e não em mais um login. Segundo, a plataforma deve ser independente de hardware. Redes que crescem por aquisição herdam sensores de marcas diferentes (Xovis, Milesight, Hikvision, AXIS) e trocar todos de uma vez raramente cabe no orçamento. Uma plataforma que consolida fabricantes distintos em uma única base, com regras de qualidade iguais para todas as lojas, resolve o problema sem obra.

Faça a governança caber em uma página

Projetos de dados morrem quando cada área calcula o mesmo indicador de um jeito. Defina por escrito, antes de abrir o primeiro dashboard:

• O que conta como visitante (uma passagem de entrada, com funcionários excluídos e crianças tratadas conforme a categoria da loja).
• O que conta como conversão (cupons fiscais sobre visitantes, com trocas e cancelamentos retirados).
• Quem é dono do dado de cada loja e qual é o prazo para investigar uma anomalia, como um sensor que registra zero entradas em um sábado.
• Qual é a meta de conversão por cluster, revisada trimestralmente, e não uma meta única para a rede inteira.

Com esse acordo, a reunião de resultados deixa de ser uma disputa sobre qual número é o certo e passa a ser uma conversa sobre o que fazer com ele.

Segmentação: quando vale, quando é vaidade

Sensores com IA conseguem estimar faixa etária e gênero e separar crianças de adultos. Para uma loja de brinquedos ou uma praça de alimentação, saber que 30% das entradas são crianças muda a leitura da conversão e do ticket. Para uma loja de material de construção, a mesma informação dificilmente altera uma decisão. A regra prática: contrate a segmentação quando houver uma ação específica dependendo dela (mix por loja, horário de ativação, formato de vitrine). Caso contrário, invista a verba em cobrir mais lojas com contagem básica e confiável. Mais lojas com dado bom vale mais do que poucas lojas com dado sofisticado.

Perguntas frequentes

Quanto custam os sensores de contagem de pessoas? O investimento varia com a tecnologia (sensor 3D estéreo, câmera com IA, infravermelho), a largura e a quantidade de entradas por loja e o modelo de contratação do software, que pode ser hospedado pelo fornecedor ou em nuvem privada. O que define o retorno não é o valor unitário do sensor, mas a economia em escala de equipe e o ganho de conversão que o dado permite; por isso, peça ao fornecedor uma simulação baseada no número de portas e no formato das suas lojas, não uma tabela genérica.

Como medir o fluxo de pessoas em uma loja? Instale um sensor de contagem acima de cada entrada, calibrado para a altura do pé-direito e a largura da porta, com exclusão de funcionários ativa. O software consolida as passagens em intervalos de 15 minutos ou por hora e cruza esse volume com as vendas do PDV para gerar conversão, e com a escala de trabalho para gerar produtividade por hora. Valide a precisão com uma contagem manual de algumas horas nas primeiras semanas antes de usar o dado em metas.

Se a sua rede já tem vendas no ERP, escala no RH e ainda assim não consegue explicar por que uma loja converte 12% e a vizinha 19%, o problema está no denominador. Fale com a equipe da Vemco para mapear quais lojas e entradas devem ser cobertas primeiro e como integrar a contagem de visitantes ao PDV e ao BI que vocês já usam.