Atena
Analytikos
Cliente com sacolas de compras saindo de uma loja, ilustrando a perda de clientes e o churn no e-commerce

Churn rate no e-commerce: como calcular e interpretar

NAVEGAÇÃO RÁPIDA

Mais lidas

Carregando posts...

Quem vende por assinatura sabe quando o cliente sai: ele cancela. No e-commerce, ninguém cancela. O cliente simplesmente para de comprar, e o painel continua mostrando uma base cheia de contatos que já não respondem.

Por isso a pergunta "qual é o nosso churn?" não tem resposta pronta. Antes da fórmula, é preciso decidir o que significa perder um cliente. Sem essa definição, dois times calculam números diferentes para a mesma loja, e nenhum deles serve para decidir investimento em retenção.

Este guia mostra como definir a janela de inatividade, calcular o churn de clientes e o churn de receita, segmentar o resultado, interpretá-lo e evitar os erros que mais distorcem o número. Os exemplos usam dados hipotéticos de uma loja fictícia, para deixar cada conta visível. Troque pelos seus.

O que é churn rate e por que ele muda no e-commerce

Churn rate é a proporção de clientes que deixam de comprar de uma empresa em um período. A Stripe resume a conta como clientes perdidos no período divididos pelos clientes do início, multiplicados por 100, e separa o churn contratual (a renovação é recusada) do não contratual (o cliente apenas deixa de comprar, caso típico do varejo).

Essa diferença é o ponto central. Em um artigo clássico sobre bases não contratuais, publicado na revista Marketing Science, Fader, Hardie e Shang explicam que a empresa não observa o momento em que o cliente deixa de ser cliente. A saída é silenciosa e só aparece como um intervalo longo demais desde a última compra, sinal ambíguo, porque o mesmo intervalo pode ser apenas uma pausa normal. O trabalho anterior de Schmittlein, Morrison e Colombo parte do mesmo problema: estimar quais clientes ainda estão ativos a partir de quantas compras fizeram e de quando.

Na prática, isso muda três coisas no cálculo. A tabela compara os dois mundos.

PontoAssinatura (contratual)E-commerce (não contratual)
Como o cliente saiCancela ou deixa de pagarPara de comprar, sem aviso
Quando você descobreNo dia do cancelamentoSó depois de um intervalo sem compra
Definição de "perdido"Evento registrado no sistemaRegra sua: janela de inatividade
Risco principal do cálculoCobrança recusada contada como saída voluntáriaJanela mal definida: perda falsa ou perda tardia
Tabela: Analytikos

Em resumo: no e-commerce, o churn não é um dado que o sistema entrega, é uma definição que você constrói. As etapas a seguir mostram como.

Passo 1: defina a janela de inatividade

A janela de inatividade é o número de dias sem compra a partir do qual o cliente passa a ser considerado perdido. Ela transforma um evento invisível em uma regra mensurável. Se for curta demais, você conta como perdido quem apenas está no meio do ciclo de recompra. Se for longa demais, descobre o problema quando já não há o que fazer.

O método mais simples usa o próprio comportamento da base, em quatro etapas:

1. Liste os clientes com duas compras ou mais. 2. Calcule, em dias, o intervalo entre cada compra e a seguinte. 3. Encontre o percentil 80 ou 90 desses intervalos, ou seja, o prazo dentro do qual 80% ou 90% dos retornos acontecem. 4. Use esse prazo como janela. Uma alternativa rápida é multiplicar a mediana dos intervalos por 2.

Exemplo: se a mediana dos intervalos da loja é 55 dias e o percentil 90 é 118 dias, uma janela de 120 dias cobre 9 em cada 10 retornos normais. Quem passa de 120 dias sem comprar entra como churn.

A janela deve variar com a categoria, porque o ciclo de consumo varia. Os valores abaixo são ilustrativos, e a recompra por ciclo de consumo mostra como medir o ciclo de cada produto.

Tipo de produto (exemplo)Mediana entre comprasJanela sugerida
Higiene e beleza de reposição45 dias90 dias
Moda90 dias180 dias
Suplementos e alimentos35 dias75 dias
Casa, móveis e eletrônicos200 dias365 dias
Tabela: Analytikos, valores ilustrativos

Reavalie a janela a cada trimestre. Quando o mix de produtos muda, o ciclo muda junto, e uma regra antiga passa a medir uma loja que já não existe.

Passo 2: calcule o churn de clientes

Com a janela definida, o cálculo tem duas partes: a base ativa no início e quantos desses clientes não voltaram a comprar durante a janela seguinte.

Churn de clientes (%) = clientes ativos no início que não compraram dentro da janela ÷ clientes ativos no início × 100

"Ativo no início" significa ter comprado ao menos uma vez nos dias da janela anteriores à data de corte. Clientes que entram depois do corte ficam de fora desta conta.

Exemplo: na data de corte, a loja tinha 12.000 clientes ativos (compraram nos 120 dias anteriores). Nos 120 dias seguintes, 7.440 compraram de novo e 4.560 não. O churn é 4.560 ÷ 12.000 = 38%, e a retenção é 62%. Para comparar com um período mensal, converta: 1 − 0,62 elevado a 1/4 dá cerca de 11,3% por mês, supondo perda constante ao longo da janela.

Há um cuidado com a fórmula de saldo, que subtrai o número de clientes do fim do número do início. A Shopify usa esse formato e dá o exemplo de 50.000 clientes no início e 48.000 no fim, o que resulta em 4%. O próprio texto observa que a conta ignora os clientes novos adquiridos no período, ou seja, mede a queda líquida da base. Se nesse exemplo tivessem entrado 3.000 clientes novos, o fim de 48.000 esconderia 5.000 perdas: um churn real de 10%, não de 4%.

O diagrama resume o fluxo completo.

Com o churn de clientes calculado, falta saber quanto dinheiro ele representa. Os dois números nem sempre andam juntos.

Conheça a Athena, by Analytikos: GA4, loja e mídia em um só painel. Testar 30 dias grátis

Passo 3: calcule o churn de receita

Churn de clientes conta cabeças. Churn de receita conta valor. A Stripe distingue o churn bruto, que soma apenas o que se perdeu, do líquido, que desconta o que os clientes que ficaram passaram a gastar a mais. Para o e-commerce, a conta usa o gasto dos mesmos 12.000 clientes em dois períodos de 120 dias.

ItemValorComo chegar
Receita da base ativa, período anteriorR$ 1.800.000Soma dos pedidos dos 12.000 clientes
Receita perdida de quem saiuR$ 648.0004.560 clientes × gasto médio anterior de R$ 142,10
Receita adicional de quem ficouR$ 90.000Aumento de gasto dos 7.440 clientes retidos
Receita da mesma base, período seguinteR$ 1.242.0001.800.000 − 648.000 + 90.000
Churn bruto de receita36%648.000 ÷ 1.800.000
Churn líquido de receita31%(648.000 − 90.000) ÷ 1.800.000
Tabela: Analytikos

A leitura é útil. O churn de clientes (38%) foi maior que o bruto de receita (36%) porque quem saiu gastava menos que a média: R$ 142,10 contra R$ 150,00. Já o churn líquido (31%) mostra que parte da perda foi compensada por clientes que passaram a comprar mais. Se os dois números se afastassem na direção oposta, o alerta seria maior: perder poucos clientes, mas de alto valor.

Passo 4: segmente antes de concluir

O churn de 38% da loja é uma média, e médias escondem onde está o problema. Abrir o número por número de compras costuma ser o corte mais revelador, porque o risco de perder o cliente é maior logo depois da primeira compra.

SegmentoBase ativaClientes perdidosChurn
1 compra8.0003.76047%
2 a 3 compras3.00072024%
4 compras ou mais1.000808%
Total12.0004.56038%
Tabela: Analytikos, exemplo hipotético

No exemplo, os clientes de uma compra são 67% da base ativa (8.000 de 12.000), mas respondem por 82% das perdas (3.760 de 4.560). O gargalo está entre a primeira e a segunda compra, e é ali que a ação de retenção rende mais.

Outros cortes que valem o esforço: coorte de aquisição (mês da primeira compra), canal de origem, categoria da primeira compra, uso de cupom na primeira compra e faixa de recência, frequência e valor. A análise de coorte mostra como organizar essas leituras. No GA4, o relatório de visão geral da retenção traz a retenção de usuários por coorte de aquisição nos dias 1, 7 e 30. É um bom sinal de tráfego, mas não substitui a base de pedidos identificados, que é onde o churn de clientes se calcula.

Na página de ajuda do Google Analytics sobre o relatório de retenção, o Google explica o card de retenção de usuários por coorte com um exemplo simples: de quatro usuários que chegam em 1º de outubro, três voltam no dia seguinte, o que dá 75% na linha “Dia 1”. O print abaixo mostra esse trecho e o gráfico do card, com rótulos em inglês, como no original. Note que a coorte do GA4 é de usuários, não de compradores identificados.

Print da Ajuda do Google Analytics com a explicação e o gráfico do card Retenção de usuários por coorte do GA4
Retenção de usuários por coorte no GA4. Fonte: Ajuda do Google Analytics

Como interpretar o número: referência, tendência e combinação de sinais

Não existe churn "bom" universal. A própria Shopify afirma que não há um indicador ideal único de retenção e que a meta depende do tempo de operação, da situação financeira e do setor. Referências de assinatura também enganam. A Stripe cita um estudo da Recurly com mediana de churn mensal de 7,55% para bens de consumo e varejo, mas isso vale para assinaturas, com cobrança recorrente e janela de um mês, e não para uma loja com janela de 120 dias.

A comparação útil é a que você faz com você mesmo: mesma definição, mesma janela, mesmo corte por segmento, ao longo das coortes. A tendência importa mais que o nível. Para ler a combinação dos dois churns, use a tabela.

Churn de clientesChurn de receitaLeitura provável
SobeSobe maisVocê está perdendo clientes de maior valor
SobeEstávelPerda concentrada em clientes de baixo gasto
EstávelSobeTicket médio dos retidos está caindo
CaiCaiRetenção melhorando; confirme por coorte
Tabela: Analytikos

Churn, LTV e o custo de ignorar a perda

O churn é a metade da conta do valor do cliente. Em um modelo simples com perda constante, a vida esperada é 1 ÷ churn: com 38% por período de 120 dias, são 1 ÷ 0,38 ≈ 2,6 períodos, ou cerca de 316 dias. É uma aproximação (a perda real costuma ser maior logo após a primeira compra), mas ela mostra por que reduzir o churn alonga a vida do cliente e aumenta o LTV. O cálculo completo está em LTV no e-commerce.

A Harvard Business Review lembra que, dependendo do estudo e do setor, conquistar um cliente novo custa de 5 a 25 vezes mais do que manter um atual, e atribui a Frederick Reichheld, da Bain & Company, a relação entre 5% a mais de retenção e um lucro de 25% a 95% maior. Trate a faixa como ordem de grandeza: depende do setor, e o texto da HBR é uma fonte secundária. Está em The Value of Keeping the Right Customers.

Para casos em que o modelo simples não basta, os modelos probabilísticos do tipo citado por Schmittlein e colegas estimam, para cada cliente, a probabilidade de ele ainda estar ativo. É um passo seguinte, e só vale depois que a definição de churn estiver estável.

Conheça a Orakulo, by Analytikos: WhatsApp, e-mail e atendimento de vários canais no mesmo CRM. Teste 7 dias grátis

Como agir sobre cada segmento

Primeira para a segunda compra. É o maior bolsão de perda no exemplo. A ação mais eficaz é o contato no ritmo do consumo do produto, e não no calendário da loja. O guia de recompra por ciclo de consumo detalha o gatilho.

Clientes em risco. Dispare quando o cliente chegar a cerca de 70% da janela sem compra (84 dias, em uma janela de 120), e não depois que ela fecha. Nesse ponto ele ainda lembra da loja. Um lembrete útil, uma reposição ou um conteúdo de uso costuma funcionar melhor que um desconto.

Clientes já perdidos. Aqui entra a win-back, com oferta proporcional ao valor histórico do cliente. Teste sempre com grupo de controle, o holdout, para saber quanto da compra foi realmente causado pela campanha.

Sinais que não aparecem como churn. Reclamações sem resposta e queda de engajamento precedem muitas saídas, como descrito em churn silencioso.

Sobre dados pessoais: a comunicação com a base deve respeitar a base legal, o consentimento e o descadastro, tema de LGPD no CRM.

Erros comuns ao calcular e usar o churn rate

A maior parte dos problemas com churn não vem da fórmula, que é curta. Vem da definição, da leitura e da ação que se toma a partir do número. Os doze erros abaixo estão agrupados por natureza, cada um com o motivo da distorção e a correção.

Erros de definição e de cálculo

São os que mudam o número em si. Um deles pode transformar um churn de 38% em 11%, sem que ninguém perceba.

ErroPor que distorceComo corrigir
Usar uma janela única para todo o catálogoCategorias têm ciclos diferentes. Com 90 dias para tudo, quem comprou um sofá há 4 meses vira "perdido", e quem compra shampoo a cada 45 dias só é flagrado tardeDefinir janela por categoria, com base no percentil 80 ou 90 dos intervalos
Dividir pelo total de cadastros, não pela base ativaLeads e clientes antigos inflam o denominador. No exemplo, 4.560 perdas ÷ 40.000 cadastros dão 11,4%, contra 38% da base ativaUsar como denominador só quem comprou dentro da janela antes do corte
Usar a fórmula de saldo (início menos fim)Misturar aquisição e perda esconde saídas. No exemplo da Shopify, 4% de queda líquida escondia 10% de churn realContar perdas da base do início, ignorando clientes novos
Comparar períodos ou janelas diferentes38% em 120 dias equivale a cerca de 11,3% ao mês. Comparar os dois como se fossem iguais gera conclusões erradasConverter para a mesma base de tempo ou manter sempre a mesma janela
Tabela: Analytikos

Erros de interpretação

Aqui o número está certo, mas a conclusão tirada dele não está.

ErroPor que distorceComo corrigir
Tratar o churn como definitivoCliente de ciclo longo volta depois da janela. Se ele reaparece e é contado como novo, o churn fica superestimado e a aquisição, infladaClassificar o retorno como reativado e acompanhar a taxa de reativação ao lado do churn
Olhar só o churn de clientesNo exemplo, 38% de clientes e 31% de receita líquida contam histórias diferentes: parte do prejuízo é compensada por quem gasta maisAcompanhar os dois e as combinações da tabela de leitura
Misturar coortes de datas promocionais com as demaisQuem compra só em data comercial tem churn estruturalmente maior. O trimestre seguinte parece piorar sem que a operação tenha pioradoSeparar coortes por mês e canal e comparar o mesmo período entre anos
Comparar com referências de assinaturaA mediana de 7,55% ao mês citada pela Stripe vem de modelo recorrente. Em uma loja com janela de 120 dias, o número não é comparávelUsar o histórico da própria loja como referência principal
Tabela: Analytikos

Erros de ação e de operação

Mesmo com o cálculo certo, a ação errada desperdiça margem e atenção.

ErroPor que distorceComo corrigir
Agir só depois que a janela fechaO cliente já esfriou. A chance de retorno cai e o custo de reativação sobeDisparar a comunicação em cerca de 70% da janela
Dar desconto a todo cliente em riscoParte voltaria sem cupom. A margem cai e a base aprende a esperar a ofertaTestar com grupo de controle e reservar desconto a quem tem valor histórico alto
Confundir contato inválido com cliente perdidoE-mail que não chega ou número desativado parece desinteresse e dispara campanhas que ninguém recebeFazer a higienização da base e medir o churn por cliente, não por canal
Misturar pedido não pago com desinteressePagamento recusado ou boleto e Pix não concluídos são perda involuntária, não decisão do cliente. A Stripe trata os dois tipos separadamenteMarcar pedidos não pagos à parte e tratar com lembrete de pagamento
Tabela: Analytikos

Para os dois últimos erros, veja também a higienização da base e o guia de holdout.

Checklist: churn rate no e-commerce

  1. Medir o intervalo entre compras de quem recomprou, por categoria.
  2. Fixar a janela de inatividade (percentil 80 ou 90) e registrá-la como regra.
  3. Definir "cliente ativo": comprou dentro da janela antes da data de corte.
  4. Calcular o churn de clientes com a base ativa como denominador.
  5. Calcular o churn de receita, bruto e líquido, sobre a mesma base.
  6. Abrir o resultado por número de compras, coorte, canal e categoria.
  7. Separar clientes reativados dos clientes novos.
  8. Separar perda involuntária (pagamento, contato inválido) da perda por desinteresse.
  9. Comparar com o histórico da loja, não com referências de assinatura.
  10. Criar gatilho de ação em cerca de 70% da janela e medir com grupo de controle.

Perguntas frequentes

Qual é a fórmula do churn rate no e-commerce?

Clientes ativos no início que não compraram dentro da janela de inatividade, divididos pelos clientes ativos no início, vezes 100. A janela é definida pelo ciclo de recompra da sua categoria.

Qual janela de inatividade devo usar?

Meça o intervalo entre compras dos clientes que recompraram e use o percentil 80 ou 90. Uma alternativa rápida é o dobro da mediana. Higiene e beleza costumam pedir janelas curtas; casa e eletrônicos, longas.

Qual é um bom churn rate para e-commerce?

Não há valor universal. A meta depende da categoria, da maturidade da loja e da janela usada. Compare a loja com o próprio histórico e por coorte, e evite referências de assinatura.

Qual a diferença entre churn de clientes e churn de receita?

O primeiro conta quantos clientes deixaram de comprar. O segundo mede quanto dinheiro se perdeu. O de receita pode ser bruto, só com perdas, ou líquido, descontando o aumento de gasto de quem ficou.

Churn é o mesmo que taxa de recompra?

Não. A taxa de recompra mede quantos clientes compraram mais de uma vez. O churn mede quantos clientes ativos deixaram de comprar na janela. Os dois olham a mesma base por ângulos diferentes.

Com que frequência devo calcular o churn?

Mensal ou trimestral, sempre com a mesma janela, para acompanhar tendência. Revise a janela a cada trimestre e sempre que o mix de produtos mudar de forma relevante.

Conteúdos Relacionados

Compartilhar esse post
Facebook
WhatsApp
LinkedIn
Leia também:

Mais lidas

Carregando posts...

Conteúdos Relacionados:

Receba conteúdos exclusivos e novidades

SEO, GEO, GA4, CRM e IA aplicados a e-commerce, direto no seu e-mail.

Analytikos

Estratégia e resultados baseados em dados. SEO, GEO, CRM e IA para e-commerce, de Itajaí (SC) para o Brasil.

© 2026 Analytikos. Todos os direitos reservados.
Rolar para cima