Ticket médio e conversão: leitura operacional de desempenho

O que são ticket médio e conversão (e por que são operacionais)

Em pequenos negócios, “vender mais” pode acontecer por dois caminhos bem diferentes: aumentar o número de compras (mais pedidos) ou aumentar o valor de cada compra. Ticket médio e conversão ajudam a separar esses efeitos e a enxergar onde está o gargalo no dia a dia.

Ticket médio é o valor médio por pedido (ou por venda). Ele responde: “quando alguém compra, quanto leva em média?”.

Conversão é a proporção de pessoas (ou oportunidades) que avançam para uma compra. Ela responde: “de tudo que entrou no funil (visitas, atendimentos, orçamentos), quanto virou pedido?”.

Esses dois indicadores são operacionais porque apontam ações concretas: melhorar abordagem, reduzir atrito no checkout, ajustar mix de produtos, criar combos, treinar equipe, revisar política de frete, melhorar disponibilidade de estoque, entre outras. No Power BI, o objetivo é permitir leitura rápida por dia, loja, canal, vendedor e categoria, com sinais claros de “o que mudou” e “onde mexer”.

Quando usar cada um

• Ticket médio: útil quando o volume de pedidos está estável, mas o faturamento oscila; ou quando você quer aumentar receita sem necessariamente aumentar tráfego/atendimentos.
• Conversão: útil quando há muito movimento (visitas, leads, atendimentos), mas poucos fechamentos; ou quando o faturamento cai mesmo com tráfego/atendimento alto.
• Os dois juntos: ajudam a entender se a receita caiu por menos pedidos (conversão/volume) ou por pedidos menores (ticket).

Definições práticas (com exemplos)

Ticket médio

Forma mais comum:

Continue em nosso aplicativo

Você poderá ouvir o audiobook com a tela desligada, ganhar gratuitamente o certificado deste curso e ainda ter acesso a outros 5.000 cursos online gratuitos.

ou continue lendo abaixo...

Baixar o aplicativo

Ticket Médio = Faturamento Líquido / Nº de Pedidos

Exemplo: no dia, você faturou R$ 8.000 em 100 pedidos. Ticket médio = 8.000 / 100 = R$ 80.

Variações úteis (dependendo do seu negócio):

• Ticket médio por item: Faturamento / Quantidade de itens vendidos. Ajuda a entender se o aumento veio de preço ou de volume de itens.
• Ticket médio por cliente: Faturamento / Nº de clientes únicos. Útil quando um cliente pode fazer mais de um pedido no período.
• Ticket médio sem frete: quando frete distorce a leitura (e-commerce). Você pode separar “produto” e “frete” para não confundir aumento de ticket com aumento de custo logístico.

Conversão

Conversão depende do que você consegue medir como “entrada do funil”. Em pequenos negócios, as fontes mais comuns são:

• Loja física: atendimentos registrados, senhas, contagem de pessoas (contador), ou até “orçamentos” emitidos.
• WhatsApp/Instagram: número de conversas iniciadas, leads, orçamentos enviados.
• E-commerce: sessões/visitas, add-to-cart, checkouts iniciados.

Forma geral:

Conversão = Nº de Pedidos / Nº de Entradas no Funil

Exemplo (WhatsApp): 200 conversas no dia e 30 pedidos fechados. Conversão = 30/200 = 15%.

Importante: conversão não é “um número universal”. Ela é sempre “conversão de X para pedido”. Por isso, no dashboard, nomeie claramente: “Conversão de Atendimento”, “Conversão de Orçamento”, “Conversão de Sessão”, etc.

Cuidados para não interpretar errado

1) Ticket médio pode subir por motivo ruim

Ticket médio maior nem sempre é vitória. Ele pode subir porque você perdeu pedidos pequenos (por falta de estoque, prazo ruim, frete caro) e ficou só com pedidos grandes. Por isso, sempre leia ticket médio junto com número de pedidos e, se possível, com itens por pedido.

2) Conversão pode cair por aumento de topo de funil

Se você faz uma campanha que traz muita gente curiosa, o número de entradas no funil sobe rápido e a conversão pode cair mesmo com mais vendas. Nesse caso, olhe também o número absoluto de pedidos e o custo/qualidade do lead (quando houver).

3) Misturar canais distorce

Conversão de e-commerce e conversão de loja física têm bases diferentes. Evite um único número “geral” sem segmentar por canal. No Power BI, use segmentadores (canal, loja, origem) e destaque comparações dentro do mesmo contexto.

4) Devoluções e cancelamentos

Se seu faturamento líquido considera devoluções/cancelamentos, o ticket médio líquido pode cair mesmo com pedidos “bons”. Uma prática é mostrar dois tickets: Ticket Bruto (antes de devoluções) e Ticket Líquido (após devoluções), para entender se o problema é venda ou pós-venda.

Medidas em DAX para ticket médio e conversão

A seguir, um conjunto de medidas típicas para montar a leitura operacional. Ajuste os nomes de tabelas/colunas conforme seu modelo.

Ticket médio (por pedido)

Pedidos = DISTINCTCOUNT ( FatoVendas[IdPedido] )

Ticket Medio = DIVIDE ( [Faturamento Liquido], [Pedidos] )

Se você quiser itens por pedido:

Itens Vendidos = SUM ( FatoVendas[Quantidade] )

Itens por Pedido = DIVIDE ( [Itens Vendidos], [Pedidos] )

Se quiser preço médio por item (ajuda a separar efeito “preço” vs “quantidade”):

Preco Medio por Item = DIVIDE ( [Faturamento Liquido], [Itens Vendidos] )

Conversão (com base de funil)

Você precisa de uma tabela (ou fato) que registre a entrada do funil: por exemplo, FatoAtendimentos, FatoOrcamentos ou FatoSessoes. A medida base:

Entradas Funil = COUNTROWS ( FatoFunil )

Conversao = DIVIDE ( [Pedidos], [Entradas Funil] )

Se houver mais de um tipo de entrada, crie medidas específicas e use um seletor (tabela desconectada) para alternar, ou mantenha cartões separados por canal.

Variação vs período anterior (leitura rápida)

Para leitura operacional, é útil mostrar variação percentual do ticket e da conversão em relação ao período anterior (por exemplo, ontem, semana passada, mês anterior). Como a inteligência de tempo já foi tratada anteriormente, aqui foque no uso: crie medidas de comparação e mostre em cartões com cor condicional.

Ticket Medio Var % = DIVIDE ( [Ticket Medio] - [Ticket Medio Periodo Anterior], [Ticket Medio Periodo Anterior] )

Conversao Var % = DIVIDE ( [Conversao] - [Conversao Periodo Anterior], [Conversao Periodo Anterior] )

Mesmo sem detalhar a implementação do “período anterior”, a ideia é: sempre que o indicador oscilar, você enxerga rapidamente se foi melhora ou piora e em que magnitude.

Leitura operacional: como diagnosticar em 60 segundos

Uma forma prática de usar ticket médio e conversão é montar uma “matriz de diagnóstico” com quatro cenários. Você pode aplicar isso diariamente.

Cenário A: Conversão cai e ticket médio cai

• Sinal: menos pedidos e pedidos menores.
• Hipóteses comuns: ruptura de estoque nos itens de entrada, atendimento lento, preço fora do mercado, campanha trazendo público errado, problemas no checkout/pagamento, frete alto.
• Ações: checar disponibilidade dos top sellers, revisar tempo de resposta, validar meios de pagamento, analisar carrinho abandonado (e-commerce), revisar script de atendimento.

Cenário B: Conversão cai e ticket médio sobe

• Sinal: você vende para menos gente, mas quem compra leva mais.
• Hipóteses comuns: perda de pedidos pequenos por atrito (frete/prazo), foco excessivo em upsell que afasta clientes, campanha com público mais “premium” porém menor, falta de opções de entrada.
• Ações: criar oferta de entrada, revisar política de frete mínimo, testar abordagem de upsell (momento e forma), analisar mix por faixa de preço.

Cenário C: Conversão sobe e ticket médio cai

• Sinal: mais pedidos, mas menores.
• Hipóteses comuns: promoções agressivas, desconto alto, foco em itens baratos, ruptura de itens de maior valor, equipe fechando rápido sem complementar venda.
• Ações: revisar desconto médio, criar combos, sugerir complementos, garantir estoque dos itens de maior valor, ajustar vitrine/ordem de oferta.

Cenário D: Conversão sobe e ticket médio sobe

• Sinal: melhora completa do desempenho comercial.
• Hipóteses comuns: campanha bem segmentada, produto certo com estoque, atendimento eficiente, oferta/combos bem desenhados.
• Ações: identificar o que mudou (canal, vendedor, produto, horário) e padronizar; replicar para outros canais/lojas.

Passo a passo prático: construindo uma página operacional no Power BI

O objetivo desta página é permitir que você responda rapidamente: “o que aconteceu hoje/esta semana?” e “onde mexer?”.

Passo 1: Defina a unidade de análise (pedido) e valide contagens

Antes de colocar visuais, valide se o número de pedidos está consistente por dia e por canal. Em muitos negócios, um erro comum é contar linhas de itens como se fossem pedidos. Garanta que a medida Pedidos usa DISTINCTCOUNT(IdPedido).

Checklist rápido:

• Um cartão com Pedidos (no período).
• Uma tabela com Data e Pedidos para ver se há picos estranhos.
• Se houver múltiplos canais, uma tabela com Canal e Pedidos.

Passo 2: Crie os cartões principais (com comparação)

Coloque no topo quatro cartões:

• Ticket Médio + variação % vs período anterior
• Conversão + variação % vs período anterior
• Pedidos + variação %
• Entradas do Funil + variação %

Isso evita o erro de olhar ticket médio isolado. Se o ticket subiu, mas pedidos caíram muito, a leitura muda completamente.

Passo 3: Adicione um gráfico de tendência (linha) para os dois indicadores

Use um gráfico de linhas por dia (ou por semana) com:

• Linha 1: Ticket Médio
• Linha 2: Conversão

Se a escala atrapalhar (ticket em reais e conversão em %), use dois gráficos separados ou eixo secundário com cuidado. Em operação, clareza é mais importante do que “economizar espaço”.

Passo 4: Quebre por canal e por loja (onde aplicável)

Crie uma matriz com linhas = Canal (ou Loja) e colunas:

• Entradas Funil
• Pedidos
• Conversão
• Ticket Médio
• Itens por Pedido

Ordene pela maior queda de conversão (variação %) para destacar rapidamente o problema. Se você tiver uma medida de variação, use-a como critério de ordenação.

Passo 5: Quebre por vendedor/atendente (se fizer sentido)

Para negócios com equipe, uma tabela por vendedor com:

• Entradas (atendimentos/leads)
• Pedidos
• Conversão
• Ticket Médio
• Desconto médio (se disponível)

Interpretação prática:

• Vendedor com alta conversão e baixo ticket: pode estar fechando rápido sem complementar; oportunidade de treinamento em venda adicional.
• Vendedor com baixo conversão e alto ticket: pode estar selecionando demais ou perdendo clientes no meio do processo; oportunidade de melhorar abordagem e follow-up.

Passo 6: Diagnóstico por mix (categoria/produto) para explicar o ticket

Quando o ticket muda, a causa costuma estar em uma destas três alavancas:

• Preço médio por item (mudança de preços, descontos, mix mais caro/barato)
• Itens por pedido (mais/menos itens no carrinho)
• Mix de categorias (mais participação de categorias de maior/menor valor)

Monte dois visuais:

• Gráfico de barras: Itens por Pedido por canal/loja
• Tabela Top 10: produtos/categorias com maior impacto no faturamento do período (para explicar mudanças)

Uma prática útil é usar um segmentador de “Categoria” e observar como o ticket muda quando você filtra uma categoria específica. Se o ticket geral caiu, mas ao filtrar “Categoria A” ele se mantém, o problema pode ser mudança de mix (vendeu menos da categoria A e mais de categorias baratas).

Passo 7: Use tooltips e drill-through para sair do “sintoma” e chegar na causa

Operação precisa de velocidade. Configure:

• Tooltip no gráfico de tendência: ao passar o mouse em um dia, mostrar Pedidos, Entradas, Conversão, Ticket, Itens por Pedido e Desconto médio.
• Drill-through por canal/loja: clicar em um canal e abrir uma página com detalhamento de produtos, horários e vendedores daquele canal.

Assim, quando a conversão cair em um canal, você não fica preso no “caiu”; você vai direto para “caiu por quê?”.

Exemplos de leitura (situações reais do dia a dia)

Exemplo 1: E-commerce com queda de conversão

Você vê no dashboard:

• Entradas (sessões) +30%
• Pedidos +5%
• Conversão caiu
• Ticket médio estável

Leitura operacional: a campanha trouxe mais tráfego, mas menos qualificado, ou houve atrito no checkout. Próximos cortes no Power BI:

• Filtrar por origem/mídia (se houver) e ver conversão por origem.
• Comparar conversão por dispositivo (mobile vs desktop), se disponível.
• Ver se houve aumento de pedidos cancelados por pagamento (se você registra esse motivo).

Exemplo 2: Loja física com ticket médio caindo

Você vê:

• Atendimentos estáveis
• Conversão estável
• Pedidos estáveis
• Ticket médio -12%
• Itens por pedido -10%

Leitura operacional: o problema não é fechar venda; é o tamanho do carrinho. Ações prováveis: reforçar venda complementar, ajustar exposição de itens de impulso, criar kits/combos. No Power BI, procure:

• Quais categorias perderam participação no período.
• Se algum produto “âncora” ficou sem estoque (o cliente compra o âncora e leva complementos).

Exemplo 3: WhatsApp com conversão alta, mas volume baixo

Você vê:

• Conversas -25%
• Conversão +3 p.p.
• Pedidos -23%
• Ticket médio +5%

Leitura operacional: o atendimento está eficiente, mas entrou menos gente no funil. A ação é de aquisição/topo (mais leads), não de fechamento. No Power BI, acompanhe entradas por dia e por origem (link, anúncio, orgânico), e crie alertas visuais quando entradas caírem abaixo de um patamar.

Indicadores complementares que deixam ticket e conversão acionáveis

Ticket e conversão ficam mais úteis quando você adiciona alguns “explicadores” simples na mesma página:

• Itens por pedido: separa queda de ticket por carrinho menor vs preço menor.
• Preço médio por item: sinaliza efeito de desconto ou mudança de mix para itens mais baratos.
• % de pedidos com desconto e desconto médio: evita confundir “ticket alto” com “desconto baixo” ou vice-versa.
• Ruptura (indicador de falta de estoque): quando disponível, explica queda de conversão e de itens por pedido.
• Tempo de resposta (para canais de atendimento): frequentemente correlaciona com conversão.

Mesmo que você não tenha todos esses dados agora, planeje o dashboard para receber esses campos no futuro (por exemplo, deixando espaço e estrutura de visuais).

Padrões de segmentação (como cortar os dados sem se perder)

Para leitura operacional, segmentar demais pode confundir. Um padrão simples e eficiente é:

• Segmentadores principais: Período, Canal, Loja
• Segmentadores secundários (em um painel recolhível): Vendedor, Categoria, Forma de pagamento

Ao investigar uma queda:

• Primeiro, confirme se foi geral ou concentrada em um canal/loja.
• Depois, olhe vendedor (se aplicável) para ver se é comportamento de equipe.
• Por fim, olhe categoria/produto para explicar ticket (mix) e conversão (ruptura/atratividade).

Boas práticas de visualização para operação

• Mostre unidade: ticket em R$, conversão em %, entradas e pedidos em contagem.
• Use metas com parcimônia: para operação, muitas vezes é melhor usar “faixas” (bom/atenção/crítico) do que uma meta fixa única.
• Destaque variações: cartões com variação % e cores condicionais ajudam a priorizar o que investigar.
• Evite poluição: poucos visuais, mas bem escolhidos, funcionam melhor do que muitos gráficos pequenos.