A Electrolux vende parte dos seus produtos direto ao consumidor, no modelo D2C. Entre os itens que sustentam a recompra estão os consumíveis: utensílios de cozinha, limpadores, frigideiras e refis de filtros para purificadores. Até então, toda recomendação desses produtos acontecia na página de produto (PDP), e a empresa ficou com uma dúvida estratégica: a PDP é realmente o melhor momento para influenciar a compra de um item adicional?

Havia uma complicação que impedia tratar tudo do mesmo jeito. Alguns consumíveis exigem compatibilidade específica, como os refis de filtro. Outros são avulsos e universais, como limpadores e frigideiras. A pergunta que a equipe precisava responder era em que momento da jornada o consumidor está mais propenso a aceitar uma recomendação.

Mover a recomendação para o momento certo da jornada gerou R$ 804 mil em receita incremental. A Electrolux tirou os consumíveis avulsos da página de produto e passou a destacá-los no carrinho, deixando na PDP apenas os itens que exigem compatibilidade.

O problema

A recomendação concentrada só na PDP tinha dois efeitos negativos. O primeiro era a dispersão: a página de produto, que decide a compra principal, acumulava também a tarefa de vender complementos, e a atenção do visitante se dividia. O segundo era o desalinhamento de timing: o consumidor ainda estava escolhendo o produto principal quando recebia sugestões de itens avulsos.

O time apostou que o carrinho seria um ponto melhor para os itens avulsos. Nesse momento a decisão principal já foi tomada, e a recomendação deixa de competir com a escolha de compra. A hipótese era que exibir os consumíveis avulsos no carrinho, em vez de apenas na PDP, aumentaria as chances de adição desses itens. A base para investigar o timing da jornada vem de experimentos anteriores, como o de Como Gatilhos em Páginas de Produto Potencializaram as Conversões em 18%, que mostrou o peso do posicionamento do gatilho.

O que foi testado

O experimento foi estruturado como um teste A/B/C, com três caminhos:

• A (controle): recomendação de consumíveis apenas na PDP.
• B: recomendação tanto na PDP quanto no carrinho.
• C: recomendação apenas no carrinho.

O público-alvo foram visitantes de qualquer dispositivo que acessaram a página de produto durante o período da campanha. Três métricas foram monitoradas: taxa de adição ao carrinho de produtos recomendados, taxa de compra entre quem adicionou esses itens e receita gerada a partir das recomendações.

O teste rodou por 9 dias, conduzido na plataforma Optimizely.

A distribuição dos tipos de produto foi parte central da montagem. Itens que exigem compatibilidade, como os refis, ficaram na PDP. Itens avulsos e universais, como limpadores e frigideiras, foram destacados no carrinho. Assim, as vitrines não competiam entre si pelas mesmas impressões. Esse é o tipo de rastreamento que sustenta recomendação, como mostra o SAP Emarsys Web Extend: como implementar o rastreamento que alimenta recomendações e automações.

O resultado

A versão C, que levou a recomendação apenas ao carrinho, gerou um aumento de 254% nas adições ao carrinho de produtos recomendados. A versão B superou esse resultado, com +325%.

A taxa de compra entre os visitantes que adicionaram os itens também cresceu: +58% na versão C e +41% na versão B.

Na receita, o cenário se completou de forma diferente. Apesar de a taxa de compra ter sido maior na versão C, foi a combinação das vitrines na PDP e no carrinho (versão B) que gerou o maior volume absoluto de transações e R$ 421 mil de receita incremental. A versão C gerou R$ 383 mil. O controle ficou muito abaixo, com R$ 51 mil. Ao todo, o experimento resultou em uma receita incremental de aproximadamente R$ 804 mil.

O que dá para aprender

• Vender o complemento no momento errado reduz o efeito da recomendação. A taxa de compra por quem adicionou foi mais alta no carrinho puro (versão C), mas o volume absoluto maior veio da combinação (versão B): para receita total, adicionar mais itens importa tanto quanto converter bem quem os adiciona.
• Separar o produto pelo tipo evita competição interna. A divisão por compatibilidade (refis na PDP) e por item avulso (carrinho) manteve as vitrines eficientes, em vez de elas disputarem as mesmas impressões.
• O gatilho certo pode ser o mais simples. A vitória veio de reposicionar uma recomendação que já existia, sem criar um produto novo.
• O aprendizado virou padrão. A estratégia de recomendação foi reformulada e implementada de forma definitiva como parte da nova arquitetura, absorvida pelas áreas de Produto e E-commerce.

Próximos passos

Se a sua jornada concentra a recomendação em um único ponto, trate o timing como variável de teste. O case da Electrolux mostra que o mesmo produto recomendado em outro momento muda a taxa de adição, a taxa de compra e a receita. Comece mapeando em que etapa o visitante já decidiu a compra principal e monte um teste que mova a vitrine para lá, medindo receita total e não apenas conversão por visita. Vale comparar esse caminho com o que já funcionou para como uma fricção intencional na jornada aumentou a conversão do carrinho de compras e apoiar a priorização em um framework como PIE, ICE ou PXL na priorização de testes A/B.

Se o seu time precisa de ajuda para transformar isso em resultado, a Métricas Boss faz consultoria de analytics e CRO: conheça o diagnóstico da Métricas Boss.

Ferramentas gratuitas da CRO Brasil

A CRO Brasil mantém duas ferramentas abertas para quem está começando: a calculadora de testes A/B, que estima amostra, MDE e duração a partir do seu tráfego, e o CRO BOT, que analisa o seu site de graça e sugere hipóteses de teste.

Sobre a autoria

CRO Program Leader na Electrolux Perfil de Tárcio Marinho no LinkedIn.