Relatórios

Abandono do funil de checkout de e-commerce por etapa e dispositivo

Monta um funil de checkout do GA4 com seis etapas para os últimos 28 dias em comparação com os 28 anteriores, dividido por dispositivo, sinaliza as etapas fracas e termina com hipóteses testáveis para a mais fraca.

Quando usar

Quando as vendas da sua loja online caíram ou você suspeita que os compradores estão abandonando o checkout e não sabe em qual etapa ou em qual dispositivo.

O que você recebe

Uma tabela do funil de checkout com seis etapas, comparação entre períodos e blocos por dispositivo, as etapas fracas sinalizadas e três hipóteses testáveis para a etapa mais fraca.

Ele altera algo na minha conta?

Não. O assistente apenas lê seus dados e apresenta um relatório.

Funciona com

GA4

Preencha antes de enviar

[propriedade do GA4]

Use minha conexão com o Opus Growth para isso. Se você não encontrar a ferramenta de que precisa, procure entre as ferramentas do Opus Growth (com search_tools, se estiver na sua lista); se não conseguir acessar as ferramentas de forma alguma, não adivinhe, me avise. Na propriedade do GA4 [propriedade do GA4], monte o funil de checkout da minha loja para estes eventos: - view_item - add_to_cart - begin_checkout - add_shipping_info - add_payment_info - purchase Como obter os números: 1. Execute ga4_list_conversions para eu saber quais desses eventos são eventos-chave. Os seis ainda podem ser contados como eventos. 2. Execute ga4_report com dimension=date, dimension2=event, days=56 e um limit alto (por exemplo, 2000). Mantenha apenas os seis eventos acima e depois divida as linhas em duas janelas: os últimos 28 dias e os 28 dias anteriores. Isso dá contagens de eventos limpas para os dois períodos. 3. Execute ga4_report com dimension=event, dimension2=device, uma vez com days=28 e outra com days=56. Mantenha apenas os seis eventos. As contagens por dispositivo do período anterior são o valor de 56 dias menos o de 28 dias. Informe na resposta que o período anterior por dispositivo é derivado dessa forma. 4. Execute ga4_overview com days=28 para obter a taxa de engajamento atual. Não há uma taxa de engajamento limpa para os 28 dias anteriores, então mostre a taxa de engajamento de 56 dias apenas como referência combinada, com rótulo claro, e não a apresente como o período anterior. Monte uma tabela do funil: etapa, contagem de eventos, taxa entre etapas, taxa geral a partir de view_item e a variação em relação ao período anterior. Adicione um bloco por dispositivo (desktop, mobile, tablet) com as mesmas colunas. Sinalize uma etapa em qualquer um destes casos: - a taxa entre etapas caiu mais de 10% (relativo) em relação ao período anterior - a taxa no mobile nessa etapa está abaixo de 60% da taxa no desktop Se algum desses eventos estiver ausente ou registrar zero em qualquer um dos períodos, diga isso claramente e não faça estimativas. Se a contagem de uma etapa for maior que a da etapa anterior (por exemplo, add_payment_info acima de add_shipping_info), aponte isso como provável problema de rastreamento, e não como resultado real do funil. Termine com a etapa mais fraca e três hipóteses concretas que eu possa verificar no site, como a revelação do custo de frete, as opções de pagamento ou a criação de conta obrigatória. Esta tarefa é somente leitura.

Na propriedade do GA4 [propriedade do GA4], monte o funil de checkout da minha loja para estes eventos:
- view_item
- add_to_cart
- begin_checkout
- add_shipping_info
- add_payment_info
- purchase

Como obter os números:
1. Execute ga4_list_conversions para eu saber quais desses eventos são eventos-chave. Os seis ainda podem ser contados como eventos.
2. Execute ga4_report com dimension=date, dimension2=event, days=56 e um limit alto (por exemplo, 2000). Mantenha apenas os seis eventos acima e depois divida as linhas em duas janelas: os últimos 28 dias e os 28 dias anteriores. Isso dá contagens de eventos limpas para os dois períodos.
3. Execute ga4_report com dimension=event, dimension2=device, uma vez com days=28 e outra com days=56. Mantenha apenas os seis eventos. As contagens por dispositivo do período anterior são o valor de 56 dias menos o de 28 dias. Informe na resposta que o período anterior por dispositivo é derivado dessa forma.
4. Execute ga4_overview com days=28 para obter a taxa de engajamento atual. Não há uma taxa de engajamento limpa para os 28 dias anteriores, então mostre a taxa de engajamento de 56 dias apenas como referência combinada, com rótulo claro, e não a apresente como o período anterior.

Monte uma tabela do funil: etapa, contagem de eventos, taxa entre etapas, taxa geral a partir de view_item e a variação em relação ao período anterior. Adicione um bloco por dispositivo (desktop, mobile, tablet) com as mesmas colunas.

Sinalize uma etapa em qualquer um destes casos:
- a taxa entre etapas caiu mais de 10% (relativo) em relação ao período anterior
- a taxa no mobile nessa etapa está abaixo de 60% da taxa no desktop

Se algum desses eventos estiver ausente ou registrar zero em qualquer um dos períodos, diga isso claramente e não faça estimativas. Se a contagem de uma etapa for maior que a da etapa anterior (por exemplo, add_payment_info acima de add_shipping_info), aponte isso como provável problema de rastreamento, e não como resultado real do funil.

Termine com a etapa mais fraca e três hipóteses concretas que eu possa verificar no site, como a revelação do custo de frete, as opções de pagamento ou a criação de conta obrigatória. Esta tarefa é somente leitura.

Abrir no Claude Abrir no ChatGPT Discutir no fórum

Buscas relacionadas

abandono no checkout abandono de carrinho análise de funil funil ga4 taxa de conversão caiu checkout no celular funil de compra adicionar ao carrinho iniciar checkout conversão de e-commerce

Estes prompts funcionam melhor quando seu assistente de IA está conectado às suas contas com o Opus Growth.

Conecte suas contas grátis

Mais prompts

RelatóriosSomente leitura

Monte um scorecard mensal da visibilidade da sua marca nas respostas de IA e compare com o mês passado

Mede o mesmo conjunto de perguntas no ChatGPT, no Perplexity e no Gemini todo mês, verifica se você é citado nas respostas de IA do Google e combina isso com as indicações de IA no GA4 e as buscas pela marca no Search Console. Informa abertamente o ruído de medição e os limites das ferramentas.

Quando usarVocê quer acompanhar todo mês, com a mesma régua, sua visibilidade na busca com IA, e não apenas uma vez, e ver se o seu trabalho está dando resultado.

Monte o scorecard deste mês sobre a visibilidade da minha marca [nome da marca] e do meu site [domínio] nas respostas de IA. Mercado: [país], idioma: [código do idioma, por exemplo: en]. Meus concorrentes: [até 3 nomes de marcas concorrentes]. Meu conjunto fixo de perguntas: [5 a 6 perguntas que não citem minha marca, formuladas como um cliente de verdade perguntaria]. Scorecard do mês passado: [cole a tabela do mês passado ou escreva "primeiro mês"]. Esta tarefa é somente leitura.

Mantenha o conjunto de perguntas idêntico todo mês, caso contrário os meses não podem ser comparados. Se eu não tiver informado perguntas, proponha 6 (2 do tipo "melhor [serviço] em [cidade]", 2 comparações, 1 sobre preço, 1 de como fazer), peça minha aprovação e avise que o conjunto não vai mudar.

1. Verificação de créditos. Use seo_history para encontrar consultas executadas recentemente com esses argumentos. Chame novamente as reutilizáveis com os mesmos argumentos, elas retornam sem custo. Diga quantas chamadas novas são necessárias.
2. Participação nos chats de IA. Execute seo_geo_tracker com brand=[nome da marca], brand_domain=[domínio], os concorrentes e o conjunto de perguntas, engines='chat_gpt,perplexity' e repeats=2. A ferramenta executa no máximo 24 consultas ao modelo de linguagem por chamada (perguntas × mecanismos × repetições) e reduz as repetições por conta própria quando esse limite é excedido, então informe prompts_used e calls da resposta para manter os meses na mesma escala. Use a taxa de menção da marca, o número de respostas que citam meu domínio, a taxa por mecanismo, a taxa de cada concorrente e os domínios de fontes mais citados. Esta ferramenta não retorna o texto da resposta, apenas taxas e domínios de fontes.
3. Respostas de IA do Google. Execute as 3 perguntas com maior intenção comercial em seo_ai_overview: target=[domínio], location=[nome do país em inglês, ex.: United Kingdom], language=[código do idioma]. Para cada uma, registre se uma resposta de IA aparece, se meu domínio é citado e quais domínios são citados no lugar. Atenção: a lista de references pode voltar vazia enquanto as fontes aparecem apenas como links dentro do texto de ai_answer; nesse caso, não confie em target_cited, conte os domínios dos links no texto. ai_answer é cortado em 1.200 caracteres, então escreva "não citado" como "não está na parte visível", não como uma certeza.
4. Menções gerais. Execute seo_geo_citations com brand=[nome da marca] e use as contagens de menções nas respostas de IA do Google e no ChatGPT. Se o nome da minha marca for feito de palavras comuns (por exemplo, duas palavras do dia a dia), esse número pode ser inflado por textos sem relação; avise isso e use esta linha para a tendência, não como um valor exato.
5. Visitas reais. Na minha propriedade do GA4 [propriedade do GA4], use ga4_report com dimension='source' para obter sessões e eventos-chave dos últimos 30 dias e dos 30 dias anteriores. Some chatgpt.com, perplexity.ai, gemini.google.com, copilot.microsoft.com, claude.ai e qualquer outra origem que claramente pertença a um assistente de IA. Deixe de fora o tráfego pago marcado com parâmetros utm (por exemplo, uma origem de anúncio como chatgpt_ads), porque isso não é visibilidade orgânica.
6. Buscas pela marca. Na minha propriedade do Search Console, use get_report com platform='search_console', breakdown='query', para os últimos 28 dias e os 28 dias anteriores, e some impressões e cliques das consultas que contêm o nome da minha marca. Ser mencionado em respostas de IA muitas vezes aumenta as buscas pela marca, então esta linha é um sinal indireto.

Formate a saída assim. Primeiro, um resumo de quatro frases. Depois, a tabela do scorecard: métrica, este mês, mês passado, variação, observação. Linhas: taxa de menção no ChatGPT, taxa de menção no Perplexity, respostas que citam meu domínio, taxa de menção de cada concorrente, perguntas em que a resposta de IA do Google me cita, contagens de menções de seo_geo_citations, sessões e eventos-chave de assistentes de IA, impressões de buscas pela marca. Depois, uma tabela por pergunta: pergunta, mencionado no ChatGPT, mencionado no Perplexity, citado pelo Google, fonte de concorrente mais citada. Depois, os 10 domínios de fontes mais citados e quantos deles são do meu site, do site de um concorrente ou de terceiros.

Regras de decisão: com duas repetições, classifique qualquer variação de taxa abaixo de 10 pontos como "dentro do ruído" e não a interprete como uma mudança real. Se este for o primeiro mês, deixe a coluna de variação vazia e registre este mês como a linha de base. Termine com uma recomendação para o próximo mês e entregue a tabela em um formato que eu possa copiar e colar de volta no mês que vem.

RelatóriosSomente leitura

Meça o atraso de conversão antes de avaliar os últimos dias

Calcula, por campanha, quantos dias após o clique as conversões são registradas, estima o quanto os últimos dias ainda estão incompletos e diz se uma decisão de lances deve esperar.

Quando usarQuando as conversões parecem ter caído nos últimos dias e você quer saber se conversões tardias explicam isso antes de mexer em lances ou orçamentos.

Na minha conta do Google Ads [nome da conta], o custo por conversão dos últimos 7 dias parece mais alto. Antes de agir, quero saber se é uma queda real ou apenas conversões que ainda não foram registradas. Esta é uma análise somente leitura, não altere nada.

1. Conheça as ações de conversão. Liste as ações com list_conversion_actions, incluindo o tipo de contagem e a janela de atribuição de cliques (click_lookback_days). Nas etapas seguintes, use apenas ações incluídas na coluna Conversões (included_in_conversions).
2. Monte a curva de atraso. Com google_ads_query, busque os últimos 90 dias por campanha segmentados por segments.conversion_lag_bucket, com metrics.conversions e metrics.conversions_value. Informe o intervalo de datas com BETWEEN e datas explícitas, porque DURING LAST_90_DAYS não é um valor GAQL válido. Para cada campanha, calcule que parcela das conversões chega no primeiro dia, nos primeiros 3 dias, nos primeiros 7 dias e nos primeiros 14 dias.
3. Estime o que ainda falta. Busque os últimos 14 dias dia a dia: cliques, custo, metrics.conversions (pela data do clique) e metrics.conversions_by_conversion_date (pela data em que a conversão aconteceu). Usando a curva da etapa 2, estime quanto das conversões de cada dia ainda está por vir. Por exemplo, se uma campanha recebe 60% das conversões em 3 dias, um dia de 3 dias atrás mostra hoje cerca de 60% do seu número final.
4. Corrija a comparação. Compare os últimos 7 dias com os 7 dias anteriores de duas formas: números brutos e estimativas ajustadas pelo atraso. Identifique cada número ajustado como "estimativa".

Regras de decisão:
1. Se uma campanha tiver menos de 30 conversões nos últimos 90 dias, sua curva de atraso não é confiável. Não faça estimativa para ela, escreva "dados insuficientes" e mostre apenas o número bruto.
2. Se a estimativa ajustada ficar dentro de 15% da semana anterior, atribua a queda ao atraso e não recomende nenhuma mudança de lance, orçamento ou meta.
3. Se a estimativa ajustada ainda mostrar uma queda clara, o atraso não a explica. Diga isso claramente e liste os três primeiros lugares para investigar.
4. Se uma campanha precisar de mais de 7 dias para reunir 90% das conversões, não recomende mudar o CPA desejado ou o ROAS desejado com base nos últimos 7 dias.

Formate a saída assim: primeiro um resumo de três frases. Depois uma tabela com uma linha por campanha: campanha, conversões nos últimos 90 dias, parcela no primeiro dia, parcela nos primeiros 7 dias, dias necessários para 90% das conversões, conversões brutas dos últimos 7 dias, conversões finais estimadas dos últimos 7 dias, custo por conversão bruto e estimado, decisão (esperar, investigar, dados insuficientes). Termine com uma regra para a equipe: nesta conta, quantos dias esperar antes de avaliar uma semana.

RelatóriosAltera após sua aprovação

Ranking mensal de eficiência dos canais pagos com proposta de divisão do orçamento

Um ranking de todos os canais pagos por custo por conversão, com participação no investimento vs participação nas conversões e uma proposta de divisão do orçamento para o próximo mês.

Quando usarQuando um novo mês está começando e você precisa decidir quais canais pagos merecem mais ou menos orçamento.

Compare o último mês completo entre Google Ads, Meta, TikTok e Microsoft Ads.

Monte uma tabela com estas colunas para cada canal:
- investimento
- conversões
- custo por conversão
- valor de conversão e ROAS, onde o valor é rastreado
- participação no investimento total (%)
- participação nas conversões totais (%)

Classifique os canais por custo por conversão. Meu custo por conversão alvo é [CPA alvo].

Regras de decisão:
- Se a participação de um canal nas conversões estiver pelo menos 10 pontos abaixo da participação no investimento, marque-o como candidato a corte.
- Se a participação de um canal nas conversões estiver pelo menos 10 pontos acima da participação no investimento, marque-o como candidato a escala. Para o Google Search, só faça isso se a análise de parcela de impressões mostrar que as campanhas estão perdendo parcela de impressões por orçamento.
- Se um canal tiver menos de 10 conversões, marque como "dados insuficientes" e mantenha o orçamento dele inalterado.

Depois, proponha a divisão do próximo mês em uma tabela com o investimento mensal atual, o investimento proposto e um motivo de uma linha para cada canal. Mantenha o total dentro de [orçamento mensal].

Não aplique nada. Se eu aprovar, mostre uma prévia de cada alteração de orçamento e aguarde minha confirmação.

RelatóriosAltera após sua aprovação

Relatório mensal de Google Ads para o cliente com link compartilhável em white-label

Cria um relatório mensal de uma página, sem jargões, para o cliente, com os números exatos do mês-calendário em comparação ao mês anterior, explica cada grande variação de KPI com base nos dados das campanhas e só gera o link white-label depois que você aprovar o rascunho.

Quando usarQuando você precisa enviar a um cliente os resultados mensais de Google Ads em linguagem simples e explicar o que mudou e por quê.

Prepare o relatório mensal de Google Ads de [conta do cliente] referente a [mês, ex.: 2026-09], comparado ao mês-calendário anterior.

Dados:
- Use list_accounts para encontrar o ID de cliente de [conta do cliente].
- Extraia os números exatos do mês-calendário com get_report (plataforma google_ads) usando start_date e end_date de [mês] e depois repita para o mês anterior. Traga tanto os totais da conta quanto as linhas no nível de campanha.
- Se precisar de mais detalhes das campanhas, use performance_report no nível de campanha.
- KPIs: custo, cliques, conversões, valor de conversão, CPA, ROAS e CTR, cada um com a variação em %. Se o valor de conversão não for rastreado nesta conta, deixe o ROAS de fora e explique o motivo em uma linha.

Escreva para um cliente que não é da área de marketing:
1. Um resumo executivo de 3 frases com o resultado, o principal fator e o que vem a seguir.
2. Uma tabela de KPIs com este mês, o mês passado e a variação em %.
3. As 3 principais campanhas por conversões. Cite também a campanha com o maior CPA entre as que consumiram mais de 10% do gasto total do mês.
4. Três próximos passos concretos que daremos no mês que vem, cada um ligado a algo nos dados.

Sinalize todo KPI que variou mais de 15%. Explique cada um com evidências das linhas no nível de campanha, como uma mudança de investimento entre campanhas, uma variação de CPA em uma campanha específica ou uma queda de conversões. Se os dados não explicarem a variação, diga isso claramente e não chute.

Mantenha em uma página e sem jargões. Mostre o rascunho primeiro e pare.

Depois que eu aprovar o rascunho, crie o link compartilhável white-label com client_report_link usando brand_name [nome da agência ou da marca do cliente]. Atenção: essa ferramenta só aceita uma janela móvel de dias terminando agora, não um mês específico. Portanto, antes de criá-lo, me diga quais datas exatas o link vai cobrir com o valor de days que você pretende usar e se isso corresponde a [mês]. Se não corresponder (por exemplo, se já passamos bastante do fim do mês), me diga isso claramente e deixe que eu escolha: criar o link mesmo assim com a janela móvel dele, ou não criar o link e eu mesmo envio o rascunho aprovado. Depois me passe a URL.