Toda Black Friday termina com um número na tela: o faturamento. É também o menos informativo de todos. Na edição de 2025, o e-commerce brasileiro faturou R$ 4,76 bilhões, alta de 11,2% sobre 2024, segundo o levantamento da Confi Neotrust divulgado pela Exame. No mesmo levantamento, os pedidos cresceram 28%, para 8,69 milhões, e o ticket médio caiu 12,8%, para R$ 553,60.
Receita maior com ticket menor é o retrato clássico da data: vendeu-se mais, com mais desconto. O que o faturamento não conta é quem comprou, quanto custou trazer esse cliente, quanto sobrou de margem e quantos voltam. Quem responde a essas perguntas no CRM decide bem o planejamento do ano seguinte. Quem para no faturamento repete o plano e a conta.
Este guia monta a análise em seis passos, com fórmulas e um exemplo numérico completo: baseline, novos vs. recorrentes, cupons, margem de contribuição, efeito de antecipação e coorte de recompra. No fim, os erros que mais distorcem a leitura e um checklist para aplicar na semana seguinte à campanha.
O que a análise de Black Friday precisa responder
Uma boa análise não é um relatório longo, é um conjunto pequeno de perguntas com fórmula definida antes da campanha. A tabela abaixo resume as seis perguntas que usamos e de onde sai cada dado. As fórmulas aparecem em detalhe nos passos seguintes.
| Pergunta | Métrica | Fórmula | Onde buscar |
|---|---|---|---|
| A campanha foi incremental? | Receita e margem incrementais | Resultado da campanha − baseline − queda pós-campanha | Loja virtual e CRM |
| Quem comprou? | Participação de novos e recorrentes | Receita (ou pedidos) do grupo ÷ total | CRM, pela data do primeiro pedido |
| Quanto custou o desconto? | Taxa de uso de cupom e desconto concedido | Pedidos com cupom ÷ pedidos; desconto total ÷ pedidos com cupom | Plataforma de e-commerce |
| Sobrou margem? | Margem de contribuição | Receita líquida − CMV − frete − taxas − mídia | Loja, ERP e plataformas de mídia |
| Valeu trazer o cliente novo? | CAC e payback | Mídia ÷ novos clientes; CAC ÷ margem por pedido | Mídia e CRM |
| O cliente volta? | Recompra em 30, 60 e 90 dias | Clientes da coorte com 2º pedido ÷ clientes da coorte | CRM |
Depois da tabela, a regra de ouro: toda comparação precisa de um ponto de referência. Sem ele, qualquer número parece bom.
Passo 1: defina a janela de análise e o baseline
O baseline é o que a loja venderia sem a campanha. Defina três janelas antes de abrir o relatório: pré (as quatro semanas anteriores ao início do aquecimento), campanha (do primeiro dia de oferta divulgado até o último, incluindo a Cyber Monday se ela fez parte do plano) e pós (as três ou quatro semanas seguintes).
O baseline semanal é a média da janela pré. Comparar apenas com a Black Friday do ano anterior ajuda a ver crescimento, mas mistura mudanças de base, de mídia e de calendário. Use as duas referências e deixe claro qual delas sustenta cada conclusão.
No exemplo numérico deste guia (uma loja fictícia), o baseline é de R$ 154.000 por semana, com 700 pedidos e ticket de R$ 220. A semana de campanha fechou com 2.400 pedidos e R$ 480.000 de receita líquida, ticket de R$ 200. Os números são hipotéticos e servem só para mostrar a conta.
Passo 2: separe novos clientes e recorrentes
Novo cliente é aquele cujo pedido pago na campanha é o primeiro da história dele na loja. Recorrente é quem já tinha ao menos um pedido pago anterior. A identificação deve usar CPF, e-mail ou telefone normalizado, que são as chaves do CRM.
Não use a dimensão de novos usuários do GA4 para isso. Na documentação do Google, novo usuário é quem disparou o evento first_visit ou first_open no período, ou seja, um dispositivo ou navegador, não um cliente. Quem comprou no celular e voltou no computador aparece como novo duas vezes. Para saber a origem da receita, a fonte correta é o histórico de pedidos no CRM.
Com a classificação pronta, calcule pedidos, receita e ticket de cada grupo, e a participação na receita: receita do grupo ÷ receita total. No exemplo, os recorrentes geraram R$ 207.000 de R$ 480.000, ou 43,1%.
| Grupo | Pedidos | Receita líquida | Ticket médio | Participação na receita |
|---|---|---|---|---|
| Novos clientes | 1.560 | R$ 273.000 | R$ 175,00 | 56,9% |
| Recorrentes | 840 | R$ 207.000 | R$ 246,43 | 43,1% |
| Total | 2.400 | R$ 480.000 | R$ 200,00 | 100% |
De onde veio a receita da semana de Black Friday
O gráfico mostra que a maior parte da receita veio de gente nova, mas 43% veio de quem já conhecia a loja. Essa fatia é a que mais merece atenção no passo seguinte, porque é a que o desconto pode ter apenas antecipado ou subsidiado.
Passo 3: meça o uso de cupom e o desconto concedido
Cupom e preço promocional são o custo da campanha que não aparece na linha de mídia. Meça duas coisas: a taxa de uso (pedidos com cupom ÷ pedidos) e o desconto concedido (soma do valor descontado). Faça isso separando novos de recorrentes.
| Grupo | Pedidos | Pedidos com cupom | Taxa de uso |
|---|---|---|---|
| Novos clientes | 1.560 | 924 | 59,2% |
| Recorrentes | 840 | 756 | 90,0% |
| Total | 2.400 | 1.680 | 70,0% |
Com desconto médio de R$ 57,14 por pedido com cupom, o desconto total foi de R$ 96.000 (1.680 × 57,14). O dado importante está na segunda linha: 90% dos recorrentes compraram com cupom. Se esses 756 clientes já tinham o hábito de comprar, o desconto concedido a eles foi de R$ 43.200 (756 × 57,14), equivalente a 9,0% da receita da semana (43.200 ÷ 480.000).
Esse valor é um teto, não uma perda confirmada. Parte desses clientes só compraria com a oferta. Para separar o que foi efeito da campanha do que foi subsídio, o método é o teste de controle descrito em como medir a receita incremental do CRM com holdout. Se a loja não separou um grupo de controle desta vez, registre a dúvida e planeje o teste para o próximo ciclo.
Passo 4: calcule a margem de contribuição, não só a receita
Margem de contribuição é o que sobra de cada venda depois dos custos que variam com ela. Para a Black Friday, a fórmula é: receita líquida − custo da mercadoria (CMV) − frete subsidiado − taxas de pagamento − mídia. Receita líquida significa já descontados cupons, devoluções e cancelamentos.
| Linha | Novos clientes | Recorrentes | Total |
|---|---|---|---|
| Receita líquida | R$ 273.000 | R$ 207.000 | R$ 480.000 |
| CMV | R$ 135.000 | R$ 93.000 | R$ 228.000 |
| Frete subsidiado | R$ 16.000 | R$ 8.000 | R$ 24.000 |
| Taxas de pagamento | R$ 9.555 | R$ 7.245 | R$ 16.800 |
| Margem antes da mídia | R$ 112.445 (41,2%) | R$ 98.755 (47,7%) | R$ 211.200 (44,0%) |
| Mídia de aquisição | R$ 120.000 | R$ 0 | R$ 120.000 |
| Margem de contribuição | −R$ 7.555 | R$ 98.755 | R$ 91.200 (19,0%) |
A simplificação aqui é alocar toda a mídia de aquisição aos novos clientes, o que é razoável quando o investimento foi feito em campanhas de prospecção. Se parte da verba foi para remarketing, aloque aos recorrentes.
Agora a conta de payback. O CAC da campanha é a mídia dividida pelos novos clientes: R$ 120.000 ÷ 1.560 = R$ 76,92. A margem antes da mídia por pedido novo é R$ 112.445 ÷ 1.560 = R$ 72,08. Cada primeiro pedido deixou um déficit de R$ 4,84. A campanha só se paga se esses clientes voltarem.
Quanto precisa voltar? Um pedido recorrente deixa R$ 117,57 de margem (R$ 98.755 ÷ 840). O déficit de R$ 4,84 se paga com 0,041 recompra por cliente novo (4,84 ÷ 117,57), ou seja, 4,1 recompras a cada 100 clientes. É uma meta baixa, e é por isso que o passo 6 existe: ele mostra se a loja chegou lá.
Para o conceito de valor do cliente ao longo do tempo, que dá sentido a um CAC acima da primeira margem, veja LTV no e-commerce: o que é e como calcular.
Passo 5: desconte o efeito de antecipação
Parte da receita da Black Friday não é nova: é compra que o cliente faria nas semanas seguintes e adiantou para pegar o preço. Esse efeito aparece como queda de vendas depois da campanha. Se você não o subtrai, superestima o resultado.
| Janela | Receita semanal | Margem de contribuição (31% no baseline) | Resultado |
|---|---|---|---|
| Baseline (média das 4 semanas pré) | R$ 154.000 | R$ 47.740 | Referência |
| Semana da campanha | R$ 480.000 | R$ 91.200 | +R$ 43.460 de margem vs. baseline |
| Pós-campanha (média de 3 semanas) | R$ 138.000 | R$ 42.780 | −R$ 4.960 por semana (−R$ 14.880 em 3 semanas) |
| Efeito líquido | +R$ 28.580 de margem |
A receita incremental bruta da semana parece enorme: R$ 480.000 − R$ 154.000 = R$ 326.000. Depois de olhar margem e queda posterior, o ganho líquido foi de R$ 28.580. É um resultado positivo, mas pequeno perto do número que abriu o relatório. Essa é a diferença entre festejar o faturamento e entender a campanha.
Passo 6: acompanhe a coorte de novos clientes
A coorte da Black Friday é o grupo de clientes cujo primeiro pedido ocorreu na campanha. Ela deve ser congelada na semana seguinte, com a lista de IDs guardada, e acompanhada em 30, 60 e 90 dias. A métrica é a taxa de recompra: clientes da coorte com segundo pedido no prazo ÷ clientes da coorte.
Para saber se o número é bom, compare com uma coorte de controle: novos clientes de um mês normal (por exemplo, outubro), medidos na mesma idade. Se a coorte da Black Friday recompra 40% menos que a coorte normal, o desconto atraiu gente que compra só em oferta, e a meta de 4,1 recompras a cada 100 pode não ser atingida.
As ações para fazer essa coorte voltar entram em uma régua de pós-campanha. O blog detalha o desenho em Pós-Black Friday: como levar o cliente à segunda compra e a fórmula do indicador em Taxa de recompra: como calcular e aumentar. A régua de antes e durante a campanha está em Régua de CRM para a Black Friday.
Do número à decisão: como ler os sinais
A análise só vale se mudar alguma decisão. A tabela liga os sinais mais comuns à ação sugerida para o próximo ciclo. São recomendações da Analytikos, não regras fixas: ajuste ao seu histórico.
| Sinal na análise | Leitura provável | Decisão no próximo ciclo |
|---|---|---|
| Taxa de cupom acima de 80% entre recorrentes | Desconto distribuído a quem compraria de qualquer forma | Reservar o desconto maior para novos e inativos; dar aos recorrentes benefício sem preço, como acesso antecipado |
| Margem antes da mídia dos novos bem abaixo da dos recorrentes | Mix de produtos de isca e frete subsidiado atraem pedidos de baixa margem | Limitar o desconto por categoria e definir pedido mínimo para frete grátis |
| CAC maior que a margem do primeiro pedido | A aquisição depende de recompra para se pagar | Fixar meta de recompra por coorte e orçar mídia com base nela |
| Queda pós-campanha maior que o ganho da semana | Antecipação de compra | Encurtar a campanha ou escalonar ofertas para suavizar a demanda |
| Recompra da coorte abaixo da coorte de controle | Público atraído só pela oferta | Reduzir mídia de prospecção em oferta pura e testar outras mensagens de entrada |
Erros comuns na análise de resultado da Black Friday
Os erros abaixo aparecem em quase toda análise feita às pressas. Eles se agrupam por natureza: de cálculo, de interpretação e de ação. Para cada um, vale entender por que distorce o resultado e como corrigir.
Erros de cálculo e de base de dados
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| Usar receita bruta em vez de líquida | Cancelamentos, devoluções e cupons ficam de fora. Em campanhas com muita troca, a receita pode cair vários pontos percentuais depois da data | Fechar o relatório só depois do prazo de arrependimento e trocas, e usar receita líquida em todas as contas |
| Classificar novos clientes pelo GA4 | O GA4 conta dispositivos e navegadores, não clientes. A participação de novos fica inflada e a de recorrentes, subestimada | Classificar pela data do primeiro pedido pago no CRM, com chave de CPF, e-mail ou telefone |
| Comparar só com o ano anterior | Mudam base de clientes, verba de mídia, calendário e preço. A variação percentual diz pouco sobre a campanha em si | Usar baseline das semanas pré e comparar também com o ano anterior, informando as diferenças |
| Alocar mídia a todos os pedidos igualmente | Recorrentes recebem custo de aquisição que não geraram, e o CAC dos novos fica subestimado | Alocar a mídia de prospecção aos novos e a de remarketing aos recorrentes |
Um exemplo do primeiro erro: se 6% dos pedidos de R$ 480.000 forem cancelados ou devolvidos, a receita líquida cai R$ 28.800 (480.000 × 6%). Como a margem de contribuição da loja de exemplo é de R$ 91.200, a perda equivale a 31,6% dela. A mesma conta feita sobre receita bruta esconderia isso.
Erros de interpretação
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| Olhar só o ticket médio | Ticket baixo não significa lucro baixo, e ticket alto não significa lucro alto. O que decide é a margem por pedido e o mix | Acompanhar margem antes da mídia por grupo e por categoria |
| Atribuir toda a receita da semana à campanha | Parte do volume é demanda que existiria sem a data, e parte foi antecipada de semanas seguintes | Subtrair baseline e queda pós-campanha, como no passo 5 |
| Tratar o cupom como custo zero | O desconto sai da margem, mas não aparece como linha de despesa. A receita parece boa e o lucro, não | Somar o desconto concedido e comparar com a margem por grupo |
| Concluir sobre recompra cedo demais | A maioria dos novos clientes ainda não teve tempo de voltar na primeira semana de pós. A taxa parece baixa por imaturidade da coorte | Medir em 30, 60 e 90 dias e comparar com coorte de controle da mesma idade |
Erros de ação e de operação
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| Não congelar a coorte | Sem a lista de IDs, não há como acompanhar a recompra dessa turma e comparar com outras | Exportar a coorte na semana seguinte e etiquetá-la no CRM |
| Repetir o mesmo desconto geral no ciclo seguinte | Recorrentes aprendem a esperar a oferta. A taxa de cupom sobe a cada edição e a margem cai | Segmentar a oferta por perfil, com teste de controle |
| Deixar a base nova sem régua depois da data | A janela mais fértil para a segunda compra é nas primeiras semanas. Sem contato, o custo de aquisição não se paga | Ativar uma régua de pós-compra nas primeiras 48 horas e acompanhar por coorte |
| Fechar o relatório sem decisões registradas | O aprendizado se perde. No ano seguinte, a equipe refaz as mesmas hipóteses | Terminar toda análise com uma lista de decisões, dono e prazo |
Checklist de análise pós-Black Friday
- Definir janelas pré, campanha e pós e calcular o baseline semanal.
- Fechar a receita líquida só depois do prazo de devoluções e cancelamentos.
- Classificar cada pedido como novo ou recorrente pelo histórico do CRM.
- Calcular pedidos, receita, ticket e participação de cada grupo.
- Medir taxa de uso de cupom e desconto concedido por grupo.
- Montar a margem de contribuição com CMV, frete, taxas e mídia.
- Calcular CAC, margem por pedido e a recompra necessária para o payback.
- Estimar a queda pós-campanha e o efeito líquido.
- Congelar a coorte de novos clientes e agendar as leituras de 30, 60 e 90 dias.
- Registrar as decisões para o próximo ciclo, com responsável e data.
Perguntas frequentes
Qual é a métrica mais importante para avaliar a Black Friday?
Nenhuma isolada. A margem de contribuição por grupo de clientes, somada à recompra da coorte de novos, dá a visão mais próxima do resultado real. Faturamento e ticket ajudam a contextualizar, mas não dizem se a campanha deu lucro.
Como definir novo cliente e cliente recorrente?
Novo cliente é quem fez o primeiro pedido pago na campanha. Recorrente tem ao menos um pedido pago antes dela. A identificação deve usar CPF, e-mail ou telefone normalizado, no CRM, e não a dimensão de novos usuários do GA4.
Quanto tempo esperar para fechar a análise?
Feche a receita líquida depois do prazo de devoluções e cancelamentos. A leitura de recompra precisa de 30, 60 e 90 dias. Por isso, faça um relatório preliminar na semana seguinte e uma revisão completa ao fim dos 90 dias.
O que fazer se a loja não tem grupo de controle?
Use o baseline e a queda pós-campanha para estimar o efeito incremental, deixando claro que é uma estimativa. Para o próximo ciclo, separe um grupo de recorrentes sem a oferta, e compare o comportamento dele com o do grupo exposto.
Dá para medir o resultado de e-mail e WhatsApp separadamente?
Sim, desde que os disparos tenham parâmetros de campanha e que a loja registre a origem do pedido. Com isso, cada canal passa a ter receita, margem e recompra próprias, e a decisão de verba fica mais clara.
Como comparar a Black Friday atual com a do ano anterior?
Compare nas mesmas métricas e janelas: receita líquida, margem, participação de novos e recorrentes e recompra da coorte. Registre mudanças de verba, de mix e de regra de desconto, porque elas explicam parte da variação.
