O que é Análise de Coorte (Safra) e como usar no e-commerce

Duas lojas podem ter exatamente a mesma taxa de recompra geral — e estar em situações opostas. Uma está melhorando a cada leva de clientes novos, a outra está piorando mês a mês. A média geral esconde essa diferença. Olhar por safra mostra.

Publicado em 07 de agosto de 2026 · Por Allam Wermelem, Head de Analytics

O que é uma safra (coorte) de clientes

Coorte — no e-commerce, quase sempre chamada de safra — é qualquer grupo de clientes que compartilha uma característica no mesmo período de tempo. A mais usada é a safra de aquisição: todos os clientes que fizeram a primeira compra no mesmo mês formam uma safra, e essa turma é acompanhada ao longo do tempo como um grupo só, separada das safras anteriores e seguintes.

É a mesma lógica de uma safra agrícola: a colheita de janeiro é acompanhada separada da colheita de fevereiro, porque cada uma teve condições diferentes de "plantio" — nesse caso, campanha de aquisição, sazonalidade, canal de origem — e comparar as duas turma por turma mostra se a qualidade está melhorando ou piorando.

Por que olhar por safra muda a leitura

Uma métrica de recompra ou retenção calculada sobre a base inteira mistura clientes que têm um ano de relacionamento com a marca com clientes que compraram semana passada — os primeiros já tiveram tempo de sobra para voltar a comprar, os segundos ainda nem chegaram lá. Essa mistura produz uma média que não representa nenhum dos dois grupos direito, e pior: esconde tendência. Se a safra mais recente está retendo pior que as anteriores, a média geral pode continuar estável por meses até o problema aparecer nos números consolidados — quando já é tarde para agir na causa.

Os dois tipos de coorte mais usados no e-commerce

Coorte de aquisição

Agrupa clientes pela data da primeira compra (o mais comum é por mês). Responde à pergunta: "os clientes que eu conquistei este mês estão sendo mais ou menos fiéis do que os que conquistei nos meses anteriores?" — o termômetro mais direto da qualidade da aquisição ao longo do tempo, não só do volume.

Coorte comportamental

Agrupa clientes por uma ação em comum, independente de quando entraram na base — por exemplo, todos que compraram uma categoria específica, todos que usaram um cupom de primeira compra, ou todos que vieram de um canal específico. Responde a perguntas mais pontuais: "clientes que compraram via cupom recompram tanto quanto os demais?"

Como montar uma tabela de coorte na prática

O cálculo segue três passos, todos a partir do histórico de pedidos:

• 1. Agrupe os clientes pela data da 1ª compra — normalmente por mês, formando uma safra por mês de entrada.
• 2. Para cada safra, calcule quantos clientes voltaram a comprar em cada período seguinte (mês 1, mês 2, mês 3...), como percentual do total daquela safra.
• 3. Monte a tabela com uma linha por safra e uma coluna por "mês desde a aquisição" — o resultado é sempre uma tabela triangular, porque safras mais recentes ainda não têm dados dos meses mais distantes.

Mês 0 é sempre 100% (a própria primeira compra). Mês 1 mostra que só 35–41% de cada safra voltou a comprar no mês seguinte — e é essa coluna, comparada safra a safra, que mostra se a retenção recente está melhorando (Fev/2026, com 41%) ou piorando (Mar/2026, com 35%) frente ao histórico.

Como ler a curva de coorte (o que é uma "boa" curva)

O formato da curva importa mais que qualquer número isolado. Uma curva que cai rápido e some — quase ninguém volta a comprar depois do mês 2 ou 3 — indica uma operação inteiramente dependente de aquisição contínua, sem base fiel sustentando a receita. Já uma curva que cai nos primeiros meses e depois estabiliza num platô (por exemplo, 15–20% continuando a comprar mês após mês, indefinidamente) revela um núcleo real de clientes fiéis — e é esse platô, mais que o pico inicial, que sustenta o negócio no longo prazo.

Comparar o mesmo ponto da curva entre safras diferentes (mês 1 de Janeiro vs mês 1 de Fevereiro vs mês 1 de Março) é o que transforma a análise de coorte em ferramenta de decisão: uma queda sustentada nesse número, safra após safra, geralmente aponta para mudança na qualidade do público adquirido, no onboarding pós-compra ou na experiência de entrega — não para "sazonalidade".

Como o Dash Analytics resolve isso

O Dash Analytics monta a tabela de coorte automaticamente a partir do histórico real da sua base — sem exportar planilha, sem montar fórmula de safra na mão — junto com LTV por coorte e a Matriz RFM, para você comparar a qualidade de cada safra de aquisição e agir assim que uma turma nova começar a reter pior que as anteriores.