Três lojas podem relatar a mesma “taxa de recompra” e estar medindo coisas diferentes. Uma divide clientes que compraram duas vezes pelo total de clientes. Outra conta pedidos feitos por quem já tinha comprado. A terceira olha só os 30 dias após a primeira compra. Os números não se comparam, e as decisões que saem deles também não.
Este guia define a taxa de recompra, separa-a das métricas vizinhas, mostra as fórmulas com contas completas e explica como extrair o dado no GA4, na plataforma e no ERP (Enterprise Resource Planning, sistema de gestão). Depois trata do que fazer quando o número está baixo e das alavancas que o elevam, com atenção ao contexto brasileiro: WhatsApp, LGPD (Lei Geral de Proteção de Dados) e Pix.
A taxa de recompra não é a mesma coisa que LTV (Lifetime Value, valor do cliente ao longo do tempo). Ela é uma das entradas do LTV e aparece aqui só como tal. O cálculo completo de LTV está em guia próprio.
O que é taxa de recompra e o que ela não é
Taxa de recompra é a proporção de clientes que fizeram pelo menos uma segunda compra em uma janela de tempo definida. A palavra decisiva é “janela”. Sem período e sem regra de contagem, o percentual não tem significado.
Quatro métricas costumam ser confundidas. Cada uma responde a uma pergunta diferente.
| Métrica | Pergunta que responde | Fórmula | Base de cálculo |
|---|---|---|---|
| Taxa de recompra (repeat purchase rate) | Que parte dos clientes comprou de novo? | Clientes com 2 ou mais pedidos ÷ clientes com 1 ou mais pedidos | Clientes únicos, em uma janela |
| Taxa de clientes recorrentes (returning customer rate) | Que parte de quem comprou no período já era cliente? | Compradores do período com pedido anterior ÷ compradores do período | Compradores de um período, olhando para trás |
| Taxa de retenção | Quantos clientes ativos continuam ativos? | (E − N) ÷ S, em que E = clientes ao fim, N = novos, S = clientes no início | Base de clientes entre dois pontos no tempo |
| Frequência de compra | Quantos pedidos, em média, cada cliente fez? | Pedidos ÷ clientes únicos | Média, sensível a poucos clientes muito ativos |
| Tempo até a segunda compra | Em quantos dias o cliente volta? | Mediana de (data do 2º pedido − data do 1º) | Só clientes que recompraram |
A diferença prática: a taxa de recompra olha para a base de clientes e pergunta quantos voltaram. A taxa de clientes recorrentes olha para as vendas do período e pergunta quantos compradores já eram conhecidos. Uma loja com campanha forte de aquisição pode ter taxa de recorrentes baixa e taxa de recompra alta, porque o denominador de cada uma é outro.
A Shopify adota essa lógica em sua documentação: um cliente recorrente é aquele cujo histórico já inclui pelo menos um pedido antes da nova compra, e o relatório de coorte agrupa clientes pela data do primeiro pedido para medir retenção. Fonte: relatórios de clientes da Shopify (documentação oficial). Outras plataformas usam nomes e regras próprios, por isso vale registrar a definição antes de comparar.
Como calcular: por período e por coorte
1. Taxa de recompra por período
Escolha uma janela, por exemplo os últimos 12 meses. Conte os clientes únicos com pelo menos um pedido pago e, entre eles, os que têm dois ou mais.
Exemplo: em 12 meses, 4.000 clientes únicos compraram. Desses, 1.000 fizeram 2 ou mais pedidos. Taxa de recompra = 1.000 ÷ 4.000 = 25%.
O método é simples, mas tem um viés: quem comprou há dois meses ainda não teve tempo de recomprar. Quanto mais clientes novos, menor a taxa aparente.
2. Taxa de clientes recorrentes no período
Exemplo: no terceiro trimestre, 1.200 clientes únicos compraram. Desses, 420 tinham pedido anterior ao trimestre. Taxa de recorrentes = 420 ÷ 1.200 = 35%. Os outros 780 (65%) eram primeira compra.
3. Taxa de recompra por coorte (a mais confiável)
Agrupe clientes pelo mês da primeira compra e acompanhe cada grupo por uma janela fixa. Isso elimina o viés do item 1, porque todos os clientes da coorte têm o mesmo tempo para voltar. O método é detalhado em análise de coorte para retenção e LTV.
Exemplo: a coorte de janeiro teve 800 clientes novos. Em 90 dias, 120 fizeram o segundo pedido. Recompra em 90 dias = 120 ÷ 800 = 15%. Se a coorte de fevereiro, com 900 clientes, teve 153 recompras em 90 dias, a taxa é 153 ÷ 900 = 17%. A melhora de dois pontos percentuais é comparável porque a janela é idêntica.
4. Como escolher a janela: o ciclo de compra
A janela correta depende de quanto tempo o produto dura. Café e suplementos pedem janelas de 30 a 60 dias. Moda, de 90 a 180. Eletrônicos e móveis, de 12 meses ou mais, e a taxa tende a ser baixa por natureza.
Um método prático, que é recomendação da Analytikos: calcule a mediana de dias entre o primeiro e o segundo pedido dos clientes que recompraram, e use como janela o percentil 80 desse intervalo. Se 80% das segundas compras ocorrem em até 95 dias, use 90 ou 100 dias. A janela passa a refletir o comportamento real da sua base.
5. Retenção e frequência, com conta
Retenção: início do trimestre com 1.000 clientes ativos (S), fim com 1.100 (E), dos quais 300 são novos (N). Retenção = (1.100 − 300) ÷ 1.000 = 80%.
Frequência: 6.000 pedidos em 12 meses para 4.000 clientes únicos. Frequência = 6.000 ÷ 4.000 = 1,5 pedido por cliente. Esse número sobe com poucos clientes muito ativos, por isso não substitui a taxa de recompra.
Como extrair o dado: GA4, plataforma e ERP
GA4
O GA4 (Google Analytics 4) mede usuários, não clientes. A documentação do Google Analytics define usuário novo como quem registra o evento first_visit ou first_open, e usuário recorrente como quem iniciou pelo menos uma sessão anterior, engajada ou não. Isso mede visita, não compra. Use com cautela como proxy de recompra.
Para uma leitura mais próxima da compra, use a exploração de coorte. Segundo a ajuda do GA4 sobre coortes, o critério de inclusão pode ser a primeira interação ou uma transação, e o critério de retorno pode ser qualquer transação, com granularidade diária, semanal ou mensal. Há limites: até 60 coortes exibidas e thresholding em dimensões demográficas. A leitura depende de o evento purchase estar corretamente implementado e de o user_id ser enviado, ou o mesmo cliente aparecerá como vários usuários em dispositivos diferentes.
Plataforma de e-commerce
Na Shopify, a documentação lista os relatórios “Clientes recorrentes” (dois ou mais pedidos), “Clientes de uma única compra” e a “Análise de coorte de clientes”, que mostra a taxa de retenção por coorte de primeiro pedido. Em outras plataformas, procure relatórios equivalentes e confirme a definição de “cliente recorrente” na documentação. Se não houver, exporte pedidos e calcule fora.
ERP ou exportação de pedidos
A fonte mais confiável é a tabela de pedidos. Os campos mínimos são: identificador do cliente (CPF ou ID interno, tratado conforme a LGPD), data do pedido, status de pagamento e valor. Regras que evitam erro:
- Considere só pedidos pagos e não cancelados. Pix pendente e boleto não compensado inflam a contagem.
- Desconte devoluções totais dentro do prazo de arrependimento, ou registre-as à parte.
- Una cadastros duplicados do mesmo cliente (e-mails diferentes, CPF igual).
- Separe pedidos de marketplace, se o cliente final não é identificável.
- Defina a data do primeiro pedido como a data de pagamento aprovado, de forma consistente.
Com a tabela em mãos, o cálculo cabe em planilha: uma linha por cliente, com a data do primeiro e do segundo pedido, e um filtro pela janela. Esse mesmo arquivo alimenta a análise RFM (recência, frequência e valor).
Benchmarks: o que existe e o que não existe
Não encontramos, nas fontes que abrimos, um benchmark primário e confiável de taxa de recompra por segmento para o e-commerce brasileiro. Os números que circulam em blogs costumam não informar país, ano, amostra nem a definição de janela. Um glossário de fornecedor de software, por exemplo, cita 20% a 30% como taxa “boa”, mas não informa mercado, ano nem fonte dos dados. Sem esses elementos, o número não serve de meta.
A recomendação é tratar benchmarks externos como contexto, nunca como alvo. Compare sua loja com ela mesma: coorte contra coorte, com a mesma janela, por canal de aquisição e por categoria. Para dados setoriais de retenção com escopo declarado, consulte os benchmarks de retenção e LTV em CRM 2026, onde cada número vem com fonte e escopo.
Como regra de leitura, a taxa varia sobretudo com o ciclo do produto. Itens de consumo e recorrência natural (beleza, alimentos, suplementos, pet) tendem a taxas maiores que itens duráveis. Isso é lógica de negócio, não dado de pesquisa, e vale para qualquer segmento.
Diagnóstico: por que a taxa está baixa
Antes de montar campanhas, descubra a causa. Quatro hipóteses cobrem a maior parte dos casos.
| Hipótese | Sinal nos dados | Como verificar | Ação provável |
|---|---|---|---|
| Produto sem necessidade de reposição | Recompra baixa em toda coorte e canal; tempo longo até a 2ª compra | Mediana de dias entre pedidos por categoria | Cross-sell de complementares; foco em indicação e em novos produtos |
| Experiência ruim | Recompra cai em coortes com atraso de entrega, troca ou devolução | Cruzar recompra com prazo, NPS (Net Promoter Score) e taxa de troca | Corrigir logística e atendimento antes da régua |
| Ciclo mal compreendido | Mensagens chegam antes ou depois da necessidade | Comparar data do disparo com a distribuição do intervalo entre pedidos | Reprogramar a régua pelo percentil do ciclo |
| Aquisição por desconto | Coorte de cupom agressivo recompra menos que coorte orgânica | Segmentar coortes por cupom e por canal | Rever a política de desconto na 1ª compra; testar benefício não monetário |
A leitura da tabela: o mesmo número baixo tem causas opostas. Se o problema é experiência, mais disparos pioram o quadro. Se é ciclo, a régua certa resolve sem custo adicional. Para o último caso, vale cruzar com a janela de 90 dias de retenção pós-conversão, período em que a maior parte da decisão de voltar se forma.
Alavancas para aumentar a taxa de recompra
Pós-compra: da entrega ao primeiro uso
A segunda compra começa antes do pedido terminar. Confirmação clara, rastreio proativo, instruções de uso e um contato após o recebimento reduzem o arrependimento e preparam a próxima compra. É o que mais costuma faltar.
Réguas por ciclo de compra
Dispare a oferta de reposição um pouco antes do fim estimado do produto. Se o ciclo típico é de 60 dias, comunique em torno do dia 45 a 50. A Analytikos descreve a lógica de planejamento por datas em régua de CRM para a Black Friday, que serve de modelo também para ciclos fora de datas sazonais.
E-mail e WhatsApp
E-mail funciona bem para conteúdo e reposição programada. O WhatsApp tem alta visibilidade, mas exige regra. A política de mensagens do WhatsApp Business determina que a empresa só contate quem deu opt-in (permissão de recebimento), que o método de coleta é responsabilidade dela, que fora da janela de 24 horas só se enviam templates aprovados e que pedidos de bloqueio ou descadastro devem ser respeitados. Use o canal para mensagens úteis (reposição, status, oferta combinada) e ofereça saída simples.
Fidelidade e benefícios
Programas de pontos ou cashback aumentam a motivação quando o benefício é percebido e fácil de usar. O erro é tratá-los como desconto disfarçado. A integração com a base de clientes e com a inatividade está em fidelidade integrada ao CRM.
Cross-sell e personalização
Recomende itens que combinam com o que o cliente comprou, não os mais vendidos da loja. Cuidado com repetição: ofertas do mesmo produto em excesso cansam. O tema é tratado em personalização repetitiva e abandono.
Pix e checkout
Pix reduz atrito no pagamento e acelera a aprovação, o que é útil porque o ciclo de recompra só começa com o pedido pago. Para a segunda compra, o ganho vem de checkout curto, dados já preenchidos (com consentimento) e identificação por login ou e-mail. É recomendação da Analytikos, não dado de pesquisa.
LGPD: base legal para a régua de recompra
A régua usa dados pessoais e precisa de base legal. A Lei 13.709/2018 (LGPD) admite o tratamento com consentimento (art. 7, I) ou para atender a interesses legítimos do controlador (art. 7, IX), este último limitado a finalidades legítimas e aos dados estritamente necessários (art. 10). O titular tem direito a informação clara sobre a finalidade (art. 9), pode revogar o consentimento (art. 18, IX) e opor-se a tratamento feito sem consentimento quando houver descumprimento da lei (art. 18, §2).
Na prática: registre a base legal de cada comunicação, informe a finalidade no cadastro, ofereça descadastro em um clique e mantenha o histórico de consentimento. Esta seção não substitui parecer jurídico, que é recomendável para o caso concreto.
Dashboard simples para acompanhar
Quatro números bastam para começar. O gráfico abaixo é ilustrativo e usa os valores dos exemplos deste artigo.
Se você não quer montar e manter essa planilha, a Athena, plataforma de BI para e-commerce da Analytikos, já traz a taxa de recompra calculada automaticamente, com os pedidos da loja, o GA4 e a mídia no mesmo painel, sem exportação manual.
Segmente o painel por canal de aquisição, categoria e uso de cupom. O corte que mostra a maior diferença entre coortes costuma apontar onde agir primeiro.
Erros comuns
Quase todo número de recompra que parece bom demais tem um desses erros por trás. Eles se dividem em três grupos: erros de cálculo, que distorcem o número; erros de interpretação, que levam a conclusões erradas; e erros de ação, que desperdiçam verba e desgastam a base.
Erros de cálculo
São os mais frequentes e os mais fáceis de corrigir, porque dependem só de definir regras antes de contar.
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| Calcular sem janela definida | Um período de 30 dias e um de 365 dias dão taxas muito diferentes, e comparar os dois não diz nada. | Fixe a janela pelo ciclo de compra do produto e use a mesma em todos os relatórios. |
| Contar pedido cancelado, Pix não pago e devolução | Cada pedido que não se concretizou entra como se fosse uma compra, e a taxa sobe sem que ninguém tenha recomprado. | Considere só pedidos pagos e aprovados, e desconte devoluções totais. |
| Contar duas compras no mesmo dia como recompra | Um cliente que fez dois pedidos seguidos por esquecer um item parece fiel, mas foi uma única decisão de compra. | Agrupe pedidos do mesmo cliente feitos no mesmo dia ou na mesma sessão como uma compra só. |
| Tratar cadastros duplicados como clientes diferentes | O mesmo cliente com dois e-mails ou dois CPFs vira dois clientes, e a recompra dele desaparece. | Use CPF ou ID interno como chave e unifique cadastros antes de calcular. |
| Usar “usuário recorrente” do GA4 como recompra | O GA4 mede visita recorrente, não compra recorrente. Quem volta ao site várias vezes sem comprar entra na conta. | Calcule recompra com a base de pedidos da plataforma ou do ERP, e use o GA4 só como apoio. |
Erros de interpretação
Aqui o número está certo, mas a leitura leva a uma decisão ruim.
- Olhar só a taxa geral. Ela mistura clientes de três anos atrás com clientes de três semanas atrás. Os recentes ainda não tiveram tempo de recomprar e puxam a taxa para baixo, enquanto uma base antiga fiel esconde uma queda recente. A leitura por coorte separa os dois efeitos.
- Copiar benchmark de outro país ou categoria. Moda, cosméticos, pet e eletrônicos têm ciclos de compra completamente diferentes. Uma meta tirada de outro segmento faz uma operação saudável parecer ruim, ou o contrário.
- Confundir taxa de recompra com retenção. A recompra diz quantos clientes compraram de novo. A retenção diz quantos continuam ativos em um período. São métricas diferentes, e usar uma no lugar da outra gera meta errada.
- Comparar lojas ou canais sem ajustar o mix. Uma loja que vende consumível e outra que vende durável não têm a mesma taxa esperada, mesmo com a mesma qualidade de atendimento.
- Ignorar o tamanho da amostra. Uma coorte de 40 clientes oscila muito de um mês para o outro. Não tire conclusão de variações pequenas em bases pequenas.
Erros de ação
Mesmo com o cálculo e a leitura corretos, a ação para aumentar a recompra pode falhar.
- Enviar a mesma oferta a todos. Quem acabou de comprar um item de uso longo não precisa de desconto em 15 dias. Respeite o ciclo do produto ao montar a régua.
- Tentar resolver problema de entrega ou qualidade com mais disparos. Se o cliente não recompra porque o pedido chegou atrasado ou veio errado, mais e-mails só aceleram o descadastro. Resolva a causa antes.
- Dar desconto em tudo para provocar recompra. O desconto recorrente ensina o cliente a esperar a promoção e reduz a margem sem criar hábito.
- Usar WhatsApp sem opt-in registrado. Além do risco com a LGPD, mensagens sem consentimento geram bloqueios e derrubam a qualidade do número.
- Não medir o resultado de cada ação. Sem grupo de controle ou comparação por coorte, não dá para saber se a régua aumentou a recompra ou se o cliente já ia comprar de qualquer jeito.
Checklist
- Definir por escrito: cliente, pedido válido, primeira compra e janela.
- Calcular o intervalo mediano e o percentil 80 entre a 1ª e a 2ª compra.
- Medir a recompra por coorte mensal com janela fixa.
- Separar recompra por canal, categoria e uso de cupom.
- Conferir se o user_id e o evento purchase chegam corretamente ao GA4.
- Mapear a régua pós-compra do dia 0 até o fim do ciclo.
- Registrar base legal e opt-in de cada canal.
- Revisar o painel todo mês e testar uma alavanca por vez.
Perguntas frequentes
Qual a diferença entre taxa de recompra e taxa de retenção?
A taxa de recompra mede a parte dos clientes que fez uma segunda compra. A retenção mede quantos clientes ativos no início de um período seguem ativos no fim, descontando os novos. Uma loja pode reter clientes sem que todos comprem de novo no período.
Como calculo a taxa de recompra?
Divida os clientes com dois ou mais pedidos pagos pelos clientes com ao menos um pedido pago, em uma janela definida. Se 1.000 de 4.000 clientes compraram duas vezes ou mais, a taxa é 25%. Para comparar períodos, prefira a versão por coorte.
Qual é uma boa taxa de recompra no Brasil?
Não encontramos benchmark primário e confiável por segmento para o Brasil. O ciclo do produto pesa mais que qualquer média. Compare sua loja com as próprias coortes, na mesma janela.
Que janela devo usar?
Use o ciclo de compra da sua base. Calcule o intervalo entre a primeira e a segunda compra dos clientes que voltaram e adote o percentil 80 como janela. Produtos de consumo pedem janelas curtas, duráveis pedem janelas longas.
O GA4 mede a taxa de recompra?
Não diretamente. O GA4 mede usuários, e o usuário recorrente é quem teve sessão anterior, sem relação com compra. A exploração de coorte com transação como critério de retorno é mais próxima, mas a base de pedidos continua sendo a fonte mais confiável.
Posso usar WhatsApp para estimular a recompra?
Sim, desde que o cliente tenha dado opt-in e que haja forma simples de sair. Fora da janela de 24 horas, só templates aprovados podem ser enviados. Registre também a base legal conforme a LGPD.
Descontos aumentam a recompra?
Nem sempre. Coortes adquiridas com desconto agressivo podem recomprar menos. Segmente as coortes por cupom e compare antes de definir a política.
