Por que o celular converte menos? Em muitas lojas, a quebra está em uma etapa só

Por que olhar só a conversão geral por dispositivo engana?

Na leitura da Ganica, a conversão geral por dispositivo engana porque soma várias decisões em um número só. Quando a conversão no checkout mobile parece baixa, a reação comum é concluir que a experiência no celular inteira está ruim. O número mostra que existe uma diferença, mas não diz em qual etapa ela nasce.

Saber a etapa define o tamanho do investimento. Um redesenho do site mobile mexe em páginas, navegação e componentes que talvez já funcionem bem. Se a perda estiver em um ponto só, o projeto gasta capacidade de tecnologia no lugar errado.

Médias de mercado também não resolvem. A Baymard calcula em cerca de 70% a média de abandono de carrinho em 50 estudos, na lista atualizada em setembro de 2025, mas a própria lista mostra variação ampla entre eles e não separa o número por dispositivo. Em outro estudo, a Ganica já tratou dos limites desses benchmarks genéricos.

O que muda quando o funil é aberto por etapa e dispositivo?

Abrir o funil por etapa pode inverter a leitura: o dispositivo que parecia pior em tudo pode estar empatado em quase tudo. Funil por dispositivo é a sequência de compra (produto, carrinho, checkout, pedido) dividida entre celular e computador, com a taxa calculada de uma etapa para a seguinte.

Em análise da Ganica de um e-commerce brasileiro, ao longo de alguns meses, o celular empatou ou superou o computador em adicionar ao carrinho e iniciar o checkout. Na mesma análise da Ganica, a taxa de conclusão do checkout até o pedido foi quase 3 vezes maior no computador.

Análise da Ganica de um e-commerce brasileiro. Dados anonimizados e arredondados.

Na Ganica, quando analisamos funis segmentados por dispositivo, esse é um padrão que encontramos com frequência: o celular acompanha o computador na descoberta e no carrinho e perde na reta final da compra. Não é uma lei. É o motivo pelo qual a etapa precisa ser medida antes de qualquer projeto.

O celular não perde sempre no site inteiro. Muitas vezes, ele perde em uma etapa, e a média espalha essa perda por todas as outras.

O que uma quebra em uma etapa só permite descartar?

Na leitura da Ganica, uma quebra em uma etapa só enfraquece tráfego ruim e site mobile confuso como causas principais, mas não descarta preço, frete nem medição. Cada causa comum tende a deixar uma assinatura diferente no funil, e comparar essas assinaturas é o que transforma um número em diagnóstico.

Leitura da Ganica. São tendências, não regras: a tabela orienta a investigação e não prova causa.

A mecânica de pagamento e a falha de medição têm quase a mesma assinatura no funil, e aqui mora o erro mais caro. Muitos meios de pagamento no celular levam o cliente para o aplicativo do banco. Se o evento de compra depende do carregamento da página de confirmação, e o cliente não volta à loja, a venda acontece e o GA4 pode não registrar. A quebra pode estar no relatório, e não no checkout.

Há também uma ressalva sobre público. Celular e computador podem reunir pessoas de renda e intenção diferentes, e o mesmo frete não pesa igual para todas. Por isso, etapas iniciais empatadas sugerem intenção parecida, mas não provam, e preço e frete só perdem força se a distância persistir entre públicos parecidos.

Por que o pagamento pesa mais no celular brasileiro?

Na leitura da Ganica, o pagamento tende a pesar mais no celular porque concentra digitação, autenticação e troca de aplicativo em uma tela pequena. Segundo a TIC Domicílios 2025, do Cetic.br, 65% dos usuários de internet no Brasil acessam a rede só pelo celular, e não pelo computador, e 34% usam os dois.

Para a Ganica, os 65% da TIC Domicílios enfraquecem a interpretação comum de que o cliente pesquisa no celular e termina no computador. A explicação cabe melhor nas classes em que o acesso pelos dois aparelhos é comum, e cabe pior onde só o celular é usado. A tabela C16A da TIC mede o aparelho de acesso, e não o aparelho da compra, portanto essa é uma leitura, não um achado da pesquisa.

Há um limite importante nessa leitura. Na mesma TIC Domicílios 2025, 52% dos usuários de internet compraram online em 12 meses, com 91% na classe A e 76% na classe B, justamente onde os dois aparelhos são mais comuns. Na leitura da Ganica, em marcas premium a troca de aparelho merece mais atenção do que a média nacional sugere.

Fonte: TIC Domicílios 2025, Cetic.br/NIC.br, tabela C16A. Universo: usuários de internet.

A pesquisa Panorama E-commerce, da Visa, com 1.521 entrevistas em dezembro de 2025, ajuda a dimensionar a pressão sobre essa etapa. Segundo o estudo da Visa, 79% dos que compraram online no último mês fizeram a última compra pelo celular, contra 12% no computador. Segundo o comunicado da Visa, entre os consumidores que desistiram de finalizar um pagamento, 58% abandonaram no momento do pagamento: 37% ao escolher o meio e 21% ao inserir ou confirmar dados. A pesquisa da Visa é declarada e vem de uma empresa de pagamentos, portanto serve como sinal, não como medida de abandono.

Três mecânicas são as hipóteses mais comuns para testar. Nenhuma delas descreve um caso específico:

• Digitação. A Baymard estimou, em artigo de 2013, que o teclado virtual ocupa cerca de metade da tela em modo retrato, e aponta, em benchmark atualizado em julho de 2026, erros de endereço mais frequentes no celular.
• Troca de aplicativo. Pix Copia e Cola é o código que o cliente copia na loja e cola no aplicativo do banco. No computador, ele lê um QR Code com o celular e continua vendo a tela da loja. No celular, sai da loja e precisa voltar, e o comunicado da Visa aponta essa saída para o aplicativo do banco como ponto de atrito.
• Autenticação. A confirmação extra do pagamento pode abrir outra tela ou outro aplicativo no meio da compra. Sem retorno claro, o cliente fica sem saber se o pedido foi feito.

Como montar o funil de conversão por dispositivo no GA4?

O caminho mais direto é a exploração de funil do GA4, com a categoria do dispositivo como detalhamento. A exploração de funil é a técnica do GA4 que mostra quantos usuários avançam por etapas definidas. A exploração de funil conta usuários: segundo a documentação do Google Analytics, cada usuário entra uma vez no período e só a primeira sequência é reportada.

1. Crie a exploração. Em Explorar, escolha o modelo Exploração de funil.
2. Defina as etapas por evento. Use view_item, add_to_cart, begin_checkout, add_payment_info e purchase. A ferramenta aceita até 10 etapas. Confira antes se todo meio de pagamento dispara add_payment_info, porque quem pula uma etapa cai do funil, e isso criaria uma quebra falsa.
3. Adicione o detalhamento. Selecione Categoria do dispositivo como dimensão de detalhamento. A documentação avisa que o usuário é atribuído só à primeira ocorrência do valor que se aplica a ele.
4. Comece com o funil fechado. No funil fechado, o usuário precisa entrar pela primeira etapa. No aberto, pode entrar em qualquer uma.
5. Escolha um período sem campanha atípica. A janela precisa ter volume suficiente nos dois dispositivos para que a taxa não oscile por acaso.
6. Calcule o índice por etapa. Divida a taxa do celular pela do computador, etapa por etapa. Índice perto de 1 indica empate. A etapa em que ele despenca é a que merece investigação.

Para uma primeira leitura, o GA4 tem o relatório de jornada de checkout (Checkout journey), na área de Monetização. Ele segue, em funil fechado, os eventos begin_checkout, add_shipping_info, add_payment_info e purchase, com a categoria do dispositivo como detalhamento padrão. Se não aparecer, editores e administradores podem incluí-lo pela Biblioteca.

O que fazer depois de achar a etapa que quebra?

Depois de achar a etapa, confira a medição primeiro e só então mexa no checkout. Esta é a ordem que a Ganica segue nos diagnósticos:

1. Audite a compra. O DebugView do GA4 exige o modo de depuração ativo, por Tag Assistant, modo de visualização do Tag Manager ou parâmetro debug_mode. Com ele ligado e o consentimento aceito, faça pedidos de teste no celular, com cada meio de pagamento, voltando à loja e também sem voltar, e veja se purchase dispara.
2. Cruze com os pedidos. Compare o transaction_id das compras do GA4 com os pedidos pagos da loja, sem os expirados. Como quem recusa cookies também pode faltar, compare falta e sobra entre meios de pagamento, e não o valor absoluto.
3. Abra a etapa. Use as subetapas de envio e pagamento para saber se a perda vem antes ou depois de informar o pagamento.
4. Separe por meio de pagamento. Quando a loja preenche o parâmetro opcional payment_type em add_payment_info, ele registra o meio escolhido. Para usá-lo em relatórios e explorações, crie uma dimensão personalizada de escopo de evento, que pode levar de 24 a 48 horas para aparecer.
5. Compare públicos parecidos. Repita o funil com um segmento, como clientes recorrentes. Se a distância persistir, a explicação por perfil de público perde força.
6. Observe pessoas pagando. Use gravações de sessão e compras reais em Android e iPhone, em rede móvel, para ver o que o funil não mostra.
7. Corrija um ponto por vez. Reduza campos, ajuste o teclado de cada campo, deixe claro o retorno do aplicativo do banco e mostre a confirmação do pedido.
8. Meça na etapa certa. Acompanhe o índice daquela etapa, e não a conversão geral, que mistura outros efeitos.

Quando a loja já separa seus públicos, vale repetir o corte por persona comportamental, porque o cliente recorrente e o visitante novo costumam travar de formas diferentes. Localizar a etapa, descartar a falha de medição e estimar o ganho em receita é o trabalho central de um diagnóstico de CRO.

O que ainda não sabemos

Um caso isolado ilustra um método e não mede o mercado. Os números acima vêm de um único e-commerce, arredondados, e mostram onde a perda aparece, não por que ela acontece. A frequência do padrão é observação de campo da Ganica, não uma contagem.

Faltam dados públicos brasileiros que separem a conversão por etapa e por dispositivo com método aberto. A tabela C16A da TIC Domicílios descreve o aparelho de acesso, não o aparelho da compra, e a pesquisa da Visa traz o que os consumidores declaram. O artigo da Baymard sobre teclado é de 2013.

O GA4 também tem limite próprio: ele identifica navegadores, não pessoas, e quem troca de aparelho sem login pode aparecer como dois usuários. Antes de decidir qualquer investimento, vale medir o funil da sua própria loja. É isso que um diagnóstico de CRO entrega.

Perguntas frequentes

Fontes e metodologia: Análise de funil de um e-commerce brasileiro, com dados anonimizados e arredondados. A frequência do padrão descrito é observação de campo da Ganica, não uma contagem. TIC Domicílios 2025, Cetic.br/NIC.br, tabelas C16A e H2, usuários de internet. Panorama E-commerce, Visa do Brasil, conduzido pela On The Go, 1.521 entrevistas online com consumidores digitalizados acima de 18 anos, de 18 a 26 de dezembro de 2025, margem de erro de 2,5 pontos percentuais, conforme o estudo e o comunicado da Visa de fevereiro de 2026. Baymard Institute: lista de taxas de abandono de carrinho (50 estudos de 2006 a 2025, atualizada em setembro de 2025), benchmark de UX mobile (atualizado em julho de 2026) e artigo sobre checkout mobile (2013). Central de Ajuda do Google Analytics: Funnel exploration, Checkout journey report, Create event-scoped custom dimensions e Monitor events in DebugView, e referência de eventos recomendados do Google for Developers, consultadas em novembro de 2026.