Coortes de clientes no Power BI: acompanhe a recompra

Coortes de clientes no Power BI permitem acompanhar grupos que fizeram a primeira compra no mesmo período. A análise responde quantos voltaram em meses posteriores, sem misturar clientes recém-chegados com carteiras antigas. Ela complementa indicadores de receita, mas depende de um histórico suficiente para identificar a entrada de cada cliente.

Este roteiro usa turmas mensais e compras válidas em uma operação hipotética. Os exemplos numéricos são didáticos. A pergunta é sobre recompra observada em cada mês relativo, mantendo a população inicial identificável e os períodos ainda não concluídos separados dos resultados completos.

1. Defina a entrada das coortes de clientes no Power BI

Escolha o evento que marca a entrada. Neste exemplo, é o primeiro pedido confirmado que atende à política comercial de validade. Cadastro, visita e proposta não representam a primeira compra. Registre como cancelamentos e documentos de teste serão excluídos.

Confirme a abrangência histórica. Se a base começa em janeiro, uma compra de janeiro pode ser apenas a primeira disponível, não a primeira de toda a relação. Classifique esses casos com uma limitação explícita ou use uma fonte que permita reconhecer clientes anteriores. Não apresente uma turma como aquisição nova quando você apenas desconhece as compras que aconteceram antes do início da extração.

2. Preserve uma identidade comercial estável

Crie uma chave de cliente que não dependa do nome exibido. Cadastros duplicados podem dividir uma mesma relação em duas turmas; cadastros compartilhados podem juntar compradores distintos. Defina o nível de análise, como empresa contratante ou estabelecimento atendido.

Mantenha uma tabela de correspondências quando códigos mudarem na origem. Guarde a decisão de unificação e confira pedidos próximos à alteração. Uma mudança cadastral não deve parecer uma primeira compra seguida de perda do cliente anterior. Se não houver evidência para reunir dois códigos, preserve a incerteza em uma lista de revisão, sem atribuir automaticamente toda semelhança de nome à mesma identidade.

3. Consolide pedidos antes de identificar compras

Vários itens do mesmo pedido não são várias ocasiões de compra. Prepare uma visão por pedido válido e cliente, com data comercial consistente. Defina se compras repetidas no mesmo dia contam como eventos separados para outras métricas, embora a participação no mês continue sendo uma contagem de clientes distintos.

O guia de intervalo de recompra complementa a preparação da sequência de pedidos. Aqui, o objetivo não é calcular dias entre compras. É identificar se cada cliente da turma comprou em determinado mês relativo. Essa diferença permite usar a mesma base de eventos com perguntas e denominadores próprios, sem chamar as duas medidas de frequência genérica.

4. Calcule o mês relativo com datas completas

Atribua mês zero ao mês da primeira compra. O mês seguinte é um, depois dois, e assim por diante. Use diferença entre ano e mês, preservando a passagem de dezembro para janeiro. Não compare apenas o número do mês isoladamente.

Essa convenção usa meses de calendário, não blocos de trinta dias desde a compra individual. Um cliente que entrou no último dia de janeiro pode comprar no início de fevereiro e participar do mês um. Declare a regra. Se a decisão exigir janelas individuais de trinta dias, construa outro indicador e mantenha o nome e a interpretação separados para evitar comparações entre convenções diferentes.

5. Fixe a base inicial e conte retorno por período

O denominador é a quantidade de clientes da turma original. O numerador de cada coluna é quantos desses clientes fizeram ao menos uma compra válida naquele mês relativo. Um cliente com três pedidos no mês conta uma vez para participação, mas seus pedidos podem alimentar medidas complementares.

Uma pessoa pode não comprar no mês um e voltar no mês dois. Portanto, essa taxa mensal não precisa cair continuamente. Ela mede atividade no período, não permanência ininterrupta.

Mostre o nome completo do indicador e evite interpretar uma ausência mensal como encerramento definitivo da relação. A política de inatividade exige outra referência e deve continuar em uma análise própria.

6. Confira uma turma hipotética manualmente

Considere cem clientes com primeira compra em janeiro. Sessenta compram em fevereiro e quarenta e cinco em março. As taxas dos meses um e dois são 60% e 45%, respectivamente, sempre divididas pelos cem clientes iniciais.

Se quinze dos quarenta e cinco de março não compraram em fevereiro, eles continuam válidos no mês dois. Não restrinja o numerador aos participantes do mês anterior, pois isso mudaria a pergunta para uma sequência contínua. Guarde uma lista de clientes por célula para conferência. Ao selecionar uma taxa na matriz, a investigação deve conseguir recuperar o grupo original e os pedidos que comprovaram sua atividade naquele período.

7. Sinalize períodos ainda sem observação completa

Defina uma data de corte confiável para a fonte. Uma turma recente ainda não chegou aos mesmos meses relativos de uma turma antiga. Deixe esses períodos como não observáveis, em vez de preenchê-los com zero e sugerir perda de clientes.

Também diferencie mês alcançado, mas ainda em andamento, de mês totalmente concluído. Compare turmas na mesma maturidade de observação. Uma taxa parcial pode aparecer em uma visão operacional identificada, mas não deve competir silenciosamente com taxas fechadas. Registre a última competência completa e confira se atrasos de integração afetam somente algumas lojas ou canais, pois essa defasagem pode distorcer determinadas turmas.

8. Separe composição da turma e efeito das ações

Mostre quantidade inicial, canal de entrada e grupos comerciais relevantes. Uma campanha pode atrair um perfil diferente de clientes, alterando a curva de recompra sem que o atendimento posterior tenha mudado. Uma turma pequena também pode oscilar muito com poucos compradores.

O artigo de clientes inativos complementa a organização de ações individuais. A matriz de coortes aponta padrões de grupos; ela não prova que uma campanha de reativação causou uma compra posterior. Para avaliar uma ação, registre quem foi elegível, quem recebeu o contato e quais outras condições mudaram. Preserve a distinção entre acompanhamento descritivo e avaliação de efeito.

9. Modele turma e atividade sem reescrever o passado

Mantenha a primeira compra válida como atributo histórico verificável e a atividade mensal como observação. A orientação da Microsoft sobre esquema estrela, consultada em 14 de outubro de 2026, separa fatos de dimensões. Use esse desenho para evitar que múltiplos pedidos multipliquem a população inicial.

Teste filtros de produto e canal. Decida se eles apenas restringem atividade ou também redefinem a primeira compra e a turma. São perguntas diferentes.

O guia de totais em DAX complementa a revisão da matriz. Recalcule taxas totais com numeradores e denominadores compatíveis, sem tirar média simples de turmas com tamanhos distintos.

10. Use a matriz para escolher uma investigação

Comece por uma diferença de comportamento em meses relativos completos. Confira tamanho e composição das turmas, depois revise os eventos de compra. Escolha uma hipótese concreta, como dificuldade de reposição em um canal, e registre a evidência necessária antes de propor uma ação.

O modelo editável de Vendas inclui faturamento e análise por grupos. Para coortes, acrescente identidade estável, primeira compra e atividade por mês relativo. Valide uma turma manualmente antes de ampliar. A análise estará pronta quando cada célula puder ser explicada por população inicial, janela observada e clientes que efetivamente voltaram a comprar.