Glossário de métricas de varejo & CX
A análise de cesta descobre o que os clientes compram juntos. Veja como ler — e como fazer acontecer na loja física.
Análise de cesta — market basket analysis, no vocabulário clássico de mineração de dados — é a técnica de varrer as suas transações para descobrir quais produtos são comprados juntos na mesma compra. Ela responde perguntas que os relatórios por categoria nunca fazem: quando alguém leva o tênis de corrida, com que frequência a meia vai na mesma sacola? Quem compra a furadeira leva o jogo de brocas? A matéria-prima não tem nada de exótico: são as linhas de cupom que já estão no seu PDV.
O resultado é uma lista de associações — o produto A tende a aparecer com o produto B — cada uma pontuada por três números de nome intimidador e significado simples: support, confidence e lift. Lidos do jeito certo, os três dizem quais pares são frequentes o bastante para importar, quão confiável é a conexão, e se existe uma relação real ou apenas dois produtos populares se cruzando por acaso. Esta página explica os três sem matemática pesada, mostra o que fazer com uma associação depois de encontrá-la, e nomeia o passo que separa o e-commerce do salão de loja: online, a associação vira recomendação automática; na loja física, a recomendação é uma pessoa.
Análise de cesta (market basket analysis)
Compra conjunta = (cestas com A e B ÷ cestas com A) × 100
cestas com A e B = transações que contêm os dois produtos na mesma compra · cestas com A = todas as transações que contêm o produto A · Compra conjunta = isto é a confidence clássica da associação A → B: dado A, a probabilidade de B
Calculadora de compra conjunta (confidence)
Uma rede de artigos esportivos puxa um mês de cupons. O tênis de corrida aparece em 1.000 cestas; em 240 delas, a meia de performance também está. Confidence da associação tênis → meia = (240 ÷ 1.000) × 100 = 24%. Para saber se isso significa algo, confira o lift: a meia aparece em 8% de todas as cestas, então lift = 24% ÷ 8% = 3,0 — quem compra tênis tem três vezes mais chance que o cliente médio de levar meia. É uma associação real, e uma sugestão que a equipe deveria fazer em toda venda de tênis.
O que é uma associação forte?
Não existe tabela universal de associações — elas são específicas do seu sortimento — mas estes limiares de leitura e pares clássicos do varejo servem de mapa:
| Pares fortes clássicos | celular → capinha, aparelho → lâminas, tinta → pincel, tênis → meia |
|---|---|
| Confidence acima de 30% | acionável — coloque a sugestão no script de venda e treine |
| Confidence de 10–30% | vale testar — adjacência de gôndola, kit ou promoção casada |
| Lift acima de 1,5 | associação real — o par acontece bem além do acaso |
| Lift perto de 1,0 | coincidência — os dois produtos são só populares por conta própria |
Os limiares são heurísticas práticas, não regra de livro de estatística: os cortes certos mudam com a largura do sortimento e o tamanho médio da cesta. Calcule nos seus próprios cupons antes de agir.
Support, confidence e lift — sem matemática pesada
Support é simplesmente a frequência da combinação: a fatia de todas as cestas que contém A e B juntos. Se tênis + meia aparecem juntos em 240 de 10.000 cestas no mês, o support é 2,4%. O support filtra as curiosidades — uma associação que acontece quatro vezes por ano pode ser fascinante e ainda assim não justificar mudança de planograma.
Confidence é a pergunta de direção: das cestas que contêm A, que fatia também contém B? Lê-se como probabilidade condicional — dado o tênis, a meia vem em 24% das vezes. Repare que a confidence tem direção: tênis → meia e meia → tênis costumam dar números diferentes, porque os dois produtos vendem em volumes diferentes.
Lift é o teste de honestidade. Ele compara a confidence de A → B com a frequência com que B é comprado de qualquer forma. Lift de 3,0 significa que o par acontece três vezes mais do que o acaso preveria; lift perto de 1,0 significa que não há nada ali — você encontrou dois campeões de venda, não uma relação. Qualquer associação em que você pretenda agir deve passar de um lift claramente acima de 1.
O que fazer com uma associação depois de encontrá-la
Adjacência de gôndola é o movimento mais barato: coloque B ao alcance da mão de quem pega A, e a cesta se completa sozinha. Funciona melhor para complementos de baixa consideração — pilha perto do brinquedo, meia perto do tênis — em que ver o produto já dispara a compra.
Kits e promoções casadas monetizam a associação diretamente: monte A + B com um desconto leve, ou dispare um cupom de B quando A passa no caixa. Como você já sabe que o par co-ocorre, o desconto subsidia uma compra que provavelmente aconteceria de qualquer jeito — então mantenha-o pequeno e acompanhe margem, não só volume de attach.
O movimento de maior alavancagem é o script de sugestão: ensinar a equipe que quem leva A deve receber a oferta de B, com uma frase concreta e um momento concreto da venda para dizê-la. É aqui que a associação deixa de ser relatório e vira receita — e, como argumenta a próxima seção, é também aqui que a maioria dos varejistas físicos perde silenciosamente o valor da análise inteira.
O ponto cego: online o achado se recomenda sozinho. Na loja, quem recomenda é uma pessoa.
No e-commerce, a análise de cesta fecha o próprio ciclo: a associação alimenta um motor de recomendação, o motor exibe o 'quem comprou também levou' em cada página de produto, e o incremento é medido automaticamente. Descoberta e execução são o mesmo sistema.
Na loja física, o ciclo quebra no meio. O dado pode descobrir que quem compra tênis leva meia três vezes mais que o acaso — mas nenhuma gôndola escuta esse insight. O único motor de recomendação do salão é o vendedor, e a associação só produz receita se virar uma frase dita no momento certo da conversa.
Essa camada de execução é exatamente o que o dado transacional não enxerga. O cupom conta quando a sugestão funcionou; não diz nada sobre os milhares de atendimentos em que ela nunca foi feita. Duas lojas com o mesmo sortimento e a mesma tabela de associações podem ter desempenho de attach completamente diferente — e a diferença mora inteira em a conversa ter acontecido ou não.
O dado descobre a cesta. A conversa constrói a cesta.
A Cognifyze instrumenta a metade que falta do ciclo: capta a própria interação de venda presencial — com consentimento e sem identificar nenhum cliente — e mostra se as sugestões que a sua análise de cesta prescreve estão de fato sendo feitas no salão: quais complementos são oferecidos, em que momento, e o que acontece quando são. A tabela de associações diz o que falar; a medição da interação diz se está sendo falado.
Em implantações medidas, tornar a interação visível levou a conversão same-store de 51,5% para 79,5% (+28pp, p<0,001), com ROI de 383% e payback em 1,4 mês.
Descubra se as cestas que o seu dado revelou estão sendo construídas na loja — agende um diagnóstico executivo.
Métricas e guias relacionados
Análise de cesta — perguntas frequentes
O que é market basket analysis?
É a análise dos seus registros de transação para encontrar produtos comprados juntos na mesma compra com mais frequência do que o acaso explicaria. Cada associação é pontuada por support (frequência da combinação), confidence (dado A, a chance de B) e lift (o quanto o par supera a coincidência).
Qual a diferença entre support, confidence e lift?
Support mede frequência: a fatia de todas as cestas que contém o par. Confidence mede direção: entre as cestas com A, a fatia que também tem B. Lift mede surpresa: quanto o par ocorre acima do que ocorreria se os dois produtos fossem independentes. Você precisa dos três — frequente, confiável e acima do acaso — antes de agir.
Quantas transações preciso para uma análise de cesta?
O bastante para os pares que interessam aparecerem dezenas de vezes, não um punhado. Como piso prático, trabalhe com alguns milhares de cupons por período e por grupo de lojas parecidas; abaixo disso, confidence e lift oscilam forte e você vai perseguir pares que eram ruído. Para categorias lentas, agregue janelas mais longas.
Qual a diferença entre análise de cesta e attach rate?
O attach rate acompanha um par que você já decidiu empurrar — acessórios anexados a um aparelho, por exemplo — e mede a execução ao longo do tempo. A análise de cesta é a etapa de descoberta: varre todas as combinações para achar quais pares merecem virar meta de attach. A descoberta alimenta a meta; o attach rate monitora a meta.
Análise de cesta funciona no varejo físico ou só no e-commerce?
A análise funciona igual — os cupons do PDV são tudo de que ela precisa. O que muda é a execução: online, o achado alimenta um motor de recomendação automático; na loja, ele precisa viajar por planograma, kit e, acima de tudo, pela conversa de venda. A análise vale exatamente o quanto a loja consegue fazer a sugestão acontecer.