Métricas relativas (ou razões) são comparações entre dois números que entregam perspectiva proporcional: em vez de olhar “500 vendas”, você olha “1% de conversão sobre 50 mil visitas”. A regra prática é uma só: número sem denominador conta meia história, e meia história leva a decisão errada.
Cena de reunião: alguém anuncia, todo orgulhoso, que a empresa vendeu 500 unidades no mês. Palmas. Só que aí alguém pergunta quantos visitantes o site recebeu no mesmo período: 50 mil. A conta é rápida e dolorida: taxa de conversão de 1%. O número absoluto que abriu a reunião com aplausos escondia a pergunta que realmente importava: de todo mundo que chegou, quantos compraram? Soa familiar? Este artigo é sobre trocar os números que enfeitam a reunião pelos números que mudam a decisão.
O que são razões (e por que o denominador importa)
Razões são comparações entre dois valores: um numerador (o resultado) e um denominador (o contexto). A taxa de conversão compara vendas com visitantes; o custo por lead compara investimento com leads gerados. Em vez de analisar números isolados, a razão relaciona os números entre si, e é nessa relação que mora o insight. O mesmo “500 vendas” pode ser um desastre ou um foguete: sobre 50 mil visitas, é 1% de conversão (funil vazando); sobre 2 mil visitas, é 25% (máquina afiada, hora de investir em tráfego). O número é o mesmo; o denominador muda tudo, inclusive a decisão que você toma em seguida.
O primo perigoso: a métrica de vaidade
O oposto da métrica relativa tem nome e sobrenome. Eric Ries, autor de The Lean Startup, chama de métrica de vaidade o número que te faz sentir bem mas não ajuda a decidir nada¹: pageviews, usuários registrados, seguidores, likes. São números que só crescem (ninguém “desregistra”), então o gráfico sempre aponta pra cima e todo mundo dorme tranquilo. Enquanto isso, 500 mil likes e ninguém baixando o app. A métrica acionável, na definição dele, é a que mostra causa e efeito: o que eu fiz, o que mudou, e o que faço a seguir.
Um exemplo de todo dia: o time comemora 50 mil downloads do app. Pergunta de vaidade respondida. Agora a pergunta acionável: quantas dessas pessoas abriram o app esta semana? Se a resposta é 800, a razão conta a verdade: 1,6% de ativação. O gráfico bonito de downloads estava enfeitando um produto que não segura ninguém, e o trabalho da semana acabou de mudar de “comprar mais instalações” pra “entender por que ninguém volta”.
A régua do Lean Analytics: boa métrica é uma razão
O livro Lean Analytics transformou essa conversa numa régua prática. Pra Alistair Croll e Benjamin Yoskovitz, uma boa métrica tem quatro características²:
- É comparável: permite confrontar períodos, canais e segmentos. “Conversão de 2,1% em setembro contra 1,4% em agosto” conta uma história; “340 vendas” sozinho não conta nada.
- É compreensível: se o time não consegue lembrar e discutir a métrica, ela nunca muda comportamento. “1 em cada 50 visitantes compra” qualquer pessoa da empresa entende, repete e questiona.
- É uma razão ou taxa: razões medem forças que se opõem. Um SaaS que fecha 400 clientes novos por mês parece voar; se o churn é de 5% numa base de 8 mil, ele perde os mesmos 400 no período. Crescimento líquido: zero. Nos números absolutos, uma máquina de vendas; na razão, uma esteira parada.
- Muda o que você faz: se o custo por lead do canal dobra, você pausa o anúncio e troca o criativo amanhã. Se só “o número de leads caiu”, você nem sabe onde mexer.
Repara que os quatro critérios se reforçam: a razão é comparável justamente porque tem denominador, e é o denominador que a torna acionável.
Por que razões mandam no jogo
- Contextualização: “vendemos 500 unidades” não diz nada sem o total de visitantes e o período. A razão embute o contexto no próprio número.
- Comparabilidade: razões permitem comparar períodos, produtos e segmentos de igual pra igual, revelando tendências que o absoluto esconde.
- Identificação de ineficiências: visita alta com conversão baixa aponta exatamente onde o funil vaza (a página? a oferta? o público?).
- Impacto real: ao avaliar uma campanha, a razão mostra o efeito proporcional, sem a distorção de sazonalidade ou de volume.
A mesma empresa, dois relatórios
Pra tangibilizar de vez, olha a mesma operação contada de dois jeitos. No relatório absoluto, o mês 2 é de recorde: as visitas cresceram 80% e as vendas 20%, dá até vontade de mandar mensagem no grupo. Agora o relatório relativo, com os mesmos números:
| Métrica | Mês 1 | Mês 2 | Leitura |
|---|---|---|---|
| Visitas | 10.000 | 18.000 | +80% 🎉 |
| Vendas | 240 | 288 | +20% 🎉 |
| Investimento em mídia | R$ 10 mil | R$ 20 mil | dobrou |
| Conversão | 2,4% | 1,6% | caiu um terço 🚨 |
| CAC | R$ 42 | R$ 69 | +67% 🚨 |
Mesmos dados, história oposta: o crescimento do mês 2 foi comprado, não ganho. O tráfego novo converte menos e cada venda custa 67% mais caro. Quem só olha o relatório absoluto dobra a aposta no que está piorando; quem olha as razões pausa, investiga o tráfego novo e salva o trimestre. É exatamente esse tipo de decisão que separa os dois relatórios.
As razões que toda startup deveria acompanhar
- Taxa de conversão: ações desejadas divididas pelo total de visitantes ou usuários. Ex.: 30 vendas sobre 1.500 visitas = 2%. A métrica-mãe de qualquer funil.
- CAC (Custo de Aquisição de Clientes): investimento em aquisição dividido pelos clientes novos. Ex.: R$ 12 mil investidos ÷ 40 clientes = R$ 300 por cliente. Tem guia completo aqui no blog, com o cálculo certo pra cada fase do canal.
- LTV (Lifetime Value): a receita que cada cliente gera ao longo da relação. Ex.: assinatura de R$ 100 por mês × 14 meses de permanência média = R$ 1.400.
- LTV:CAC: a razão das razões. Nos exemplos acima: R$ 1.400 ÷ R$ 300 ≈ 4,7, acima da régua de 3 pra 1 do guia do CAC. Negócio saudável.
- Churn: clientes perdidos divididos pela base ativa. Ex.: 50 cancelamentos numa base de 1.000 = 5% ao mês. Parece pouco? No acumulado do ano, é quase metade da base indo embora.
- Conversão por etapa e por safra: as taxas acumuladas do funil, acompanhadas por cohort, que mostram onde cada grupo de leads trava.
Como migrar do absoluto pro relativo
- Revisite suas métricas: abre o teu dashboard e pergunta, número por número: isso tem denominador? Se não tem, qual seria? “Leads” vira “leads por real investido”; “vendas” vira “conversão sobre oportunidades”.
- Atualize os dashboards: os painéis devem dar palco às razões, com os absolutos como apoio (você ainda precisa deles pra dimensionar, só não pra decidir sozinhos).
- Treine o time: uma sessão curta alinhando o que cada razão significa e qual decisão ela alimenta. O ganho aparece rápido: decisões mais bem informadas, foco nas alavancas certas (otimizar conversão em vez de só comprar mais tráfego) e reuniões em que todo mundo fala a mesma língua.
Adotar métricas relativas não é escolha técnica, é mudança de mentalidade: sair do número que aplaude pro número que ensina. É isso! Agora tá contigo: abre o teu painel e conta quantos números têm denominador. Pra cada um que não tiver, pergunta “dividido por quê?”. Bora dar contexto aos teus números?
¹ O conceito de métricas de vaidade contra métricas acionáveis é de Eric Ries, criador do movimento Lean Startup (Vanity Metrics vs. Actionable Metrics, 2009).
² Os quatro critérios de uma boa métrica (comparável, compreensível, razão/taxa e capaz de mudar comportamento) são do livro Lean Analytics, de Alistair Croll e Benjamin Yoskovitz (O’Reilly, 2013; resumo do framework).
📘 Métrica de vaidade é o combustível da startup zumbi. O livro gratuito Faça Coisas que Não Escalam mostra 13 startups que escaparam dela medindo o que importa desde o primeiro experimento.