Uma persona útil para CRO não é uma ficha com nome, idade e foto. É a descrição de um grupo de visitantes pelo comportamento no funil, que responde quem chega, o que precisa sentir para comprar e em que etapa desiste. Ela nasce do GA4, se valida com pesquisa e atendimento, e vira uma linha priorizada no backlog.
- A persona que serve para CRO responde três perguntas: quem é essa pessoa, o que ela precisa sentir para comprar e onde exatamente desiste.
- A média de conversão de um canal mistura públicos opostos. Quem não separa novos de recorrentes pode cortar verba do segmento que mais vende.
- A mesma página falha de jeitos diferentes para públicos diferentes. Uma correção que ajuda o cliente recorrente pode não mover o visitante novo e cético.
- O GA4 já tem o material para começar, com cinco cortes: novo ou recorrente, dispositivo, canal, termo de busca interna e meio de pagamento.
- Persona tirada de dado de comportamento é hipótese: diz o que a pessoa faz, não por quê. A validação vem de fontes qualitativas.
A persona de slide que ninguém usa
Quase todo projeto de e-commerce já teve uma persona. Ela costuma aparecer numa apresentação de branding: "Maria, 35 anos, gosta de yoga, compra pelo celular no fim do dia". Tem nome, foto de banco de imagem e uma lista de interesses. E, depois da reunião em que foi apresentada, raramente volta a ser aberta.
Não é falta de disciplina do time. É que essa persona não responde a nenhuma pergunta que o time de CRO precisa responder na segunda-feira de manhã. Ela não diz qual etapa do funil corrigir primeiro, qual página está perdendo mais gente, nem por que a mesma mudança funcionou para um público e não para outro.
A persona de e-commerce que serve para CRO é outra coisa. Ela responde três perguntas:
- Quem é essa pessoa, descrita pelo comportamento: de onde chega, em que aparelho, se já comprou antes.
- O que ela precisa sentir para comprar: confiança, clareza, rapidez, sensação de bom negócio.
- Onde exatamente ela desiste: em que etapa do funil, em que tela, diante de qual decisão.
Sem essas três respostas, o time otimiza para uma média. E a média de um e-commerce quase nunca descreve uma pessoa real.
Persona demográfica e persona comportamental
A diferença entre as duas não é de detalhe, é de função.
A persona demográfica descreve quem a marca quer atingir. Ela é útil para comunicação de marca, tom de voz e escolha de canais. Mas idade e interesses são, na maioria das lojas, preditores fracos do que acontece dentro do site. Duas pessoas da mesma idade, com os mesmos gostos, se comportam de jeitos opostos se uma já comprou três vezes e a outra chegou agora por um anúncio.
A persona comportamental descreve quem já chega ao site e o que essa pessoa faz lá dentro. Ela nasce do dado de navegação e de compra, e por isso conversa diretamente com o funil.
A persona demográfica diz para quem a marca fala. A comportamental diz quem está desistindo, e onde.
Esse segundo tipo tem três usos práticos que a persona de slide não tem.
A média esconde públicos opostos. Num exemplo hipotético, um canal com conversão média de 1% pode ser a soma de visitantes novos convertendo 0,5% e clientes recorrentes convertendo 5%. Quem olha só a média pode cortar verba de um canal que, para a base de clientes, é o que mais vende. Já mostramos em outro estudo que boa parte do crescimento do e-commerce brasileiro vem de quem já compra gastando mais e comprando mais vezes (leia a análise de mercado). Separar esse público do resto deixa de ser detalhe.
A mesma página falha de jeitos diferentes. O cliente recorrente já confia na loja e quer recomprar rápido; para ele, cada etapa a mais é atrito. O visitante novo e desconfiado precisa de prova antes de pagar; para ele, tirar informação da página pode piorar a decisão. Uma correção que ajuda um pode não mover o outro, e um teste A/B que mistura os dois pode dar resultado neutro escondendo dois efeitos opostos.
A persona ordena o backlog. Saber qual público traz mais volume e qual perde mais gente em qual etapa diz qual fricção corrigir primeiro. É a diferença entre uma lista de melhorias e uma lista priorizada.
Como montar personas comportamentais a partir do GA4
O ponto de partida não é uma pesquisa nova, é o dado que a loja já coleta. No GA4, cinco cortes cobrem a maior parte do trabalho:
- Novo ou recorrente. É o corte que mais separa comportamento. Uma ressalva importante: o GA4 identifica o usuário pelo navegador, e não pela pessoa. Quem troca de aparelho ou limpa os cookies volta como novo.
- Categoria do dispositivo. Celular e computador costumam ter funis com desenhos diferentes, e não só taxas diferentes.
- Canal de origem. Busca orgânica, mídia paga, redes sociais, e-mail e acesso direto trazem intenções diferentes.
- Termo de busca interna. O que a pessoa digita na busca do site é uma das poucas declarações explícitas de intenção que o analytics registra.
- Meio de pagamento. O evento de dados de pagamento aceita o parâmetro
payment_type, que registra o meio escolhido. Quando ele está preenchido, mostra preferências que se repetem por público.
O método é cruzar esses cortes com as etapas do funil, numa exploração de funil com detalhamento por um corte de cada vez, e procurar grupos que se comportam de forma parecida entre si e diferente do resto. Cada grupo com volume relevante e um ponto de abandono claro é uma candidata a persona.
Para ilustrar, um conjunto hipotético de personas que esse cruzamento costuma sugerir, válido para lojas de vários nichos:
- Novo e cético, no celular. Sinal nos dados: grande volume no mobile, fechamento do checkout abaixo do resto. Onde trava: na etapa de pagamento. O que tende a ajudar: checkout mais curto, sinais de segurança visíveis, meios de pagamento claros desde o início.
- Pesquisador indeciso. Sinal nos dados: usa muito a busca interna, compara vários produtos, compra pouco. Onde trava: diante de muitas opções parecidas sem diferenciação. O que tende a ajudar: filtro por objetivo de uso, destaque para os mais vendidos, kits prontos.
- Recorrente fiel. Sinal nos dados: converte muito acima da média em qualquer canal. Onde trava: quase não trava, mas sente cada atrito desnecessário. O que tende a ajudar: recompra rápida, e-mail e lembrete no momento certo.
- Caçador de desconto. Sinal nos dados: procura cupom, compara preço por meio de pagamento. Onde trava: quando o benefício esperado não aparece ou não se aplica. O que tende a ajudar: regras de desconto claras e visíveis antes do checkout.
Nenhuma dessas quatro é uma verdade sobre a sua loja. São formatos que costumam aparecer. A sua pode ter três, ou seis, e com fronteiras diferentes.
Como validar com fontes qualitativas
Aqui está o ponto honesto do método: persona tirada de dado de comportamento é hipótese. O GA4 diz o que a pessoa faz. Ele não diz por quê.
O visitante que abandona no pagamento pode estar inseguro com a loja, pode ter se assustado com o valor do frete, pode ter tido o cartão recusado ou pode ter decidido terminar a compra no computador. O dado mostra o mesmo abandono nos quatro casos. A correção certa é diferente em cada um.
Para fechar essa lacuna, quatro fontes qualitativas que quase toda loja já tem ou consegue ter rápido:
- Pesquisa curta no pós-compra. Uma ou duas perguntas abertas, como "o que quase fez você desistir?", mostram o atrito que foi superado.
- Conversas do SAC e do chat. As dúvidas que chegam antes da compra são, muitas vezes, a explicação do abandono de quem não perguntou.
- Avaliações de produto. O que os compradores elogiam e reclamam revela o que importa na decisão.
- Entrevistas curtas. Cinco a oito conversas de quinze minutos com clientes de um mesmo grupo costumam bastar para confirmar ou derrubar uma hipótese de persona.
A persona só sai do estado de hipótese quando o dado de comportamento e a fonte qualitativa contam a mesma história.
Como transformar persona em decisão
Uma persona que não muda nenhuma decisão é decoração. O teste prático é simples: cada persona validada vira uma linha no backlog de CRO, com cinco campos.
- Persona: quem é, pelo comportamento.
- Volume: quanto do tráfego ou da receita ela representa.
- Ponto de perda: a etapa do funil em que ela mais desiste.
- Hipótese de causa: o que o dado e as fontes qualitativas sugerem.
- Próxima ação: a correção ou o teste, com a métrica que vai dizer se funcionou.
Com isso, a priorização deixa de ser opinião. Uma persona de muito volume, com perda concentrada numa etapa e causa já validada, vai para o topo. Uma persona pequena, com causa ainda incerta, espera mais evidência.
A mesma linha orienta o resto da operação. O argumento da página de produto, a oferta e a segmentação de mídia mudam conforme a persona que se quer mover. E os testes passam a ser lidos por persona, e não só pelo resultado geral, o que evita descartar uma melhoria que funcionou para o público certo.
É esse cruzamento, entre quem chega, onde desiste e o que corrigir primeiro, que estrutura um diagnóstico de CRO feito com dado da própria operação.
O que este método não resolve
Três limites precisam ficar claros.
O primeiro é técnico: o GA4 trabalha com navegador, não com pessoa. Uma parte dos "novos" é cliente antigo em outro aparelho, e isso distorce justamente o corte mais importante. Quando a loja tem login, vale conferir os grupos contra a base de clientes da plataforma.
O segundo é de amostra: grupos pequenos geram taxas instáveis. Uma persona que representa uma fração mínima do tráfego pode parecer muito diferente só por acaso. Antes de chamar um grupo de persona, vale confirmar que o padrão se repete em períodos diferentes.
O terceiro é de natureza: personas mudam. Uma campanha nova, uma mudança de preço ou um novo canal alteram quem chega ao site. A persona comportamental não é um documento que se faz uma vez, é uma leitura que se refaz quando o funil muda.
Perguntas frequentes
O que é persona comportamental no e-commerce?
É uma descrição de público construída a partir do que as pessoas fazem no site, e não de idade, gostos ou estilo de vida. Ela junta sinais como dispositivo, canal, histórico de compra e etapa em que a pessoa abandona. Serve para decidir o que corrigir, para quem e em que ordem.
Como criar persona para CRO usando o GA4?
Comece pelos cortes que o GA4 já registra, como usuário novo ou recorrente, categoria do dispositivo, canal de origem, termo de busca interna e meio de pagamento. Cruze esses cortes com as etapas do funil e procure grupos que se comportam de forma parecida entre si e diferente do resto. Cada grupo vira uma hipótese de persona, que depois precisa ser validada com pesquisa e atendimento.
Qual a diferença entre persona de marketing e persona para CRO?
A persona de marketing costuma descrever quem a marca quer atingir, com nome, idade e interesses. A persona para CRO descreve quem já chega ao site e como essa pessoa se comporta no funil. A primeira orienta comunicação; a segunda orienta prioridade de correção e de teste.
Quantas personas um e-commerce precisa ter?
Poucas. Na prática, três a cinco grupos com comportamento claramente diferente já cobrem a maior parte das decisões. Mais do que isso costuma gerar personas que nenhum time consegue usar no dia a dia.
Fontes e metodologia: Artigo de método da Ganica. Os exemplos de personas e os números do exemplo de canal são hipotéticos, declarados como tal no texto, e não descrevem nenhum cliente. Referências de funcionalidade do Google Analytics 4: Central de Ajuda do Google Analytics, artigo "[GA4] Funnel exploration", e Google for Developers, referência de eventos recomendados (parâmetro payment_type), consultadas em outubro de 2026.
